Predição simultânea de produtos e rejeitos em plantas de processamento de zinco e ouro a partir das características do minério

• Ano de defesa: 2020
• Autor(a) principal: Niquini, Fernanda Gontijo Fernandes
• Orientador(a): Costa, Joao Felipe Coimbra Leite
• Tipo de documento: Tese
• Tipo de acesso: Acesso aberto
• Idioma: por
• Palavras-chave em Português: Geometalurgia; Redes neurais; Aprendizado de máquina
• Palavras-chave em Inglês: Geometallurgy; Neural Networks; Machine Learning; Mass Recovery; Metallurgical Recovery
• Link de acesso: http://hdl.handle.net/10183/212475

A geometalurgia vem se mostrando uma forte aliada da indústria mineral, por ser uma disciplina capaz de aumentar a eficiência e os lucros da operação, minimizar a ocorrência de eventos indesejados no beneficiamento mineral e levar a um melhor aproveitamento do minério. Todos benefícios que impactam diretamente no lado financeiro das operações. Apesar de serem raramente elaborados, modelos geometalúrgicos que incorporam variáveis que impactam diretamente no meio ambiente geram conhecimento a respeito do impacto ambiental da operação mineira, em termos de consumo de água e energia e até mesmo no volume de rejeitos gerados e suas características químicas. Neste contexto, este estudo propõe desenvolver uma metodologia capaz de elaborar, com dados já existentes, um modelo geometalúrgico que contemple variáveis com impacto financeiro e ambiental, visando fornecer insumos para que o planejamento de mina considere ambos fatores em seus estudos. Para atingir este objetivo, as recuperações mássica e metalúrgica de todos os pontos de saída de massa e metal no beneficiamento foram modeladas, sendo elas relacionadas à produtos vendáveis ou rejeitos. Ao final do estudo, quando todas as previsões relacionadas à recuperação mássica forem somadas, o fechamento mássico deve ser honrado. O mesmo deve ocorrer com o fechamento metalúrgico ao somar todas as previsões das variáveis de recuperação metalúrgica. Tendo em vista a necessidade do fechamento, optou-se por estudar uma técnica capaz de predizer todas as variáveis simultaneamente, o que possivelmente levaria à melhores resultados. Identificou-se a técnica de redes neurais artificiais como capaz de atender à tal requisito e os resultados gerados através desta técnica foram confrontados com os obtidos por outras três técnicas de estatística multivariada e machine learning. Ao avaliar as previsões, observou-se que a técnica de redes neurais apresentava resultados superiores às demais, mostrando-se a mais adequada para o propósito do estudo. Finalizada a elaboração do modelo, o passo seguinte foi reconciliar suas previsões com as respostas obtidas pela usina de processamento em uma operação industrial, visando comprovar sua eficiência. Para isso, 24 pilhas de minério da mina de zinco de Vazante tiveram sua passagem pela usina monitorada e as previsões feitas pelo modelo foram confrontadas com as respostas reais da planta. Os resultados mostraram-se excelentes para as variáveis de maior impacto financeiro e ambiental na operação, provando que a metodologia elaborada é adequada e pode ser utilizada na prática.