Planejamento estocástico de curto prazo incorporando a incerteza da estimativa no controle de teores

Abstract

Ainda que os limites operacionais aplicados ao planejamento de curto prazo sejam cada vez mais restritos, à medida que a operação avança, a decisão de lavrar uma determinada área requer um elevado nível de conhecimento para que os objetivos econômicos do empreendimento mineiro sejam atendidos conforme estabelecidos no plano de longo prazo. Na maioria dos casos, o processo de tomada de decisão é complexo e impreciso em virtude da incerteza inerente à qualidade do recurso mineral disponível e da abundância de cenários factíveis à lavra. Nesta pesquisa, uma nova metodologia para seleção dos limites de escavação de minério é apresentada, utilizando simulação estocástica para acesso à incerteza geológica, e que, simultaneamente, maximiza o benefício e minimiza a variabilidade na etapa de controle de teores. O processo de otimização para seleção dos blocos de escavação de minério é dividido em três estágios principais. No primeiro, técnicas de simulação geoestatística são empregadas para construir modelos de incerteza de teores e, por meio de parâmetros econômicos, quantificar sua incerteza financeira. No segundo estágio, visando tornar o processo de otimização mais eficiente, um algoritmo denominado Self-Organizing Map (SOM) é implementado para agrupar blocos de minério em unidades maiores para lavra com base na distância euclidiana. E, no terceiro, um algoritmo genético (AG) seleciona os blocos para lavra com o objetivo de maximizar o benefício e minimizar a variabilidade dos teores na planta de beneficiamento. Para sua validação, a metodologia é aplicada em um estudo de caso para uma mina de fosfato em operação. Os resultados demonstram que os blocos de minério selecionados melhoram o lucro relativo na ordem de 2,29% e reduzem a variabilidade relativa do plano semanal em 10,76%, quando comparados aos métodos tradicionalmente utilizados na indústria.

Although the operational limits applied to short-term mining planning are increasingly restricted, as the operation progresses, the decision to mine a certain area requires a high level of knowledge in order for the economic objectives of the mining enterprise to be met as established in the long-term plan. In many cases, the decision-making process is complex and imprecise due to the uncertainty inherent in the quality of the available mineral resource and the abundance of feasible scenarios for mining. In this research, a new methodology for selecting ore excavation limits is presented, using stochastic simulation to access geological uncertainty, which simultaneously maximizes the profit and minimizes the variability in the grade control stage. The optimization process for selecting ore excavation blocks is divided into three main stages. In the first, geostatistical simulation techniques are employed to build models of content uncertainty and, through economic parameters, quantify their financial uncertainty. In the second stage, in order to make the optimization process more efficient, an algorithm called Self-Organizing Map (SOM) is implemented to group ore blocks into larger units for mining based on the Euclidean distance. And, in the third, a genetic algorithm (AG) selects the blocks for mining in order to maximize the profit and minimize the variability of the levels in the beneficiation plant. For its validation, the methodology is applied in a case study for a phosphate mine in operation. The results demonstrate that the selected ore blocks improve the relative profit in the order of 2.29% and reduce the relative variability of the weekly plan by 10.76%, when compared to the methods traditionally used in the industry.