Estudo de malha ótima e correlação do Máximo Erro da Estimativa (MEE) entre volumes de produção de longo e curto prazo
dc.contributor.advisor | Costa, Joao Felipe Coimbra Leite | pt_BR |
dc.contributor.author | Amaral, Aline Maria de Rezende | pt_BR |
dc.date.accessioned | 2023-02-07T05:02:48Z | pt_BR |
dc.date.issued | 2022 | pt_BR |
dc.identifier.uri | http://hdl.handle.net/10183/254323 | pt_BR |
dc.description.abstract | Erros associados à estimativa de um atributo de interesse de um depósito, por exemplo o teor de um elemento, podem comprometer decisões de planejamento, sequenciamento e de beneficiamento mineral dentro de uma empresa. Vários fatores estão associados aos erros de estimativa, entre eles podemos destacar aspectos associados ao espaçamento amostral, ao tamanho dos volumes de produção e à variabilidade do atributo considerado na estimativa. Em geral, temos que, à medida que o espaçamento entre as amostras diminui e/ou o volume de produção aumenta, o erro da estimativa tende a diminuir e, à medida que o coeficiente de variação do atributo de interesse aumenta, o erro tende a aumentar. Para redução do espaçamento amostral, mais investimentos financeiros precisam ser feitos em sondagem, portanto, deve-se analisar sempre o ótimo espaçamento que vai proporcionar um erro de estimativa aceitável e que esteja dentro do orçamento da empresa destinado à perfuração. A previsão da incerteza relacionada à estimativa pode ser feita por alguns métodos geoestatísticos, por exemplo, por simulação estocástica, porém esse é um processo que exige conhecimento da técnica e demanda tempo. Trabalhos anteriores propuseram um método simplificado e de fácil consulta para o acesso ao Máximo Erro da Estimativa (MEE) associado a diferentes tipos de variáveis de teor, em função do espaçamento amostral, dentro de volumes de produção pequenos, de curto prazo e faixas de coeficiente de variação específicas. Essa dissertação estudará as correlações dos resultados de MEE já obtidos na literatura para volumes de curto prazo com resultados de MEE obtido para volumes de longo prazo, analisados neste trabalho, visando permitir um rápido acesso ao MEE para volumes maiores também. Este trabalho trará importantes considerações sobre o MEE obtido por simulação geoestatística para diferentes padrões de amostragem e volumes de produção do depósito de Chapada, do tipo Cu-Au, localizado no interior do estado de Goiás. Atualmente, a utilização do MEE também para a classificação de recursos, dentro de volumes de produção definidos, vem crescendo na indústria, seguindo a proposta de estudos anteriores. Dessa forma, nesta dissertação, correlações serão mostradas entre volumes menores, de curto prazo, e volumes de produção maiores e serão feitas considerações sobre essas análises sob a ótica da classificação de recursos. | pt_BR |
dc.description.abstract | Errors associated with estimating the grade of an attribute of interest in a deposit can compromise planning, sequencing, and mineral beneficiation decisions within a company. Several factors are associated with estimation errors, among them we can highlight the factors associated with sample spacing, the size of production volumes, and the variability of the attribute considered in the estimation. In general, we have that as the spacing between the samples decreases and/or the production volume increases, the error of the estimate tends to decrease and, as the coefficient of variation of the attribute of interest increases, the error tends to increase. To reduce the sample spacing, more financial investments need to be made in drilling, so the optimal spacing that will provide an acceptable estimation error and that is within the company's budget for drilling should always be analyzed. The access to the estimation error can be done by some geostatistical methods, for example by stochastic simulation, but this is a process that requires knowledge of the technique and takes time. Previous works have proposed a simplified and easily consulted method to access the Maximum Estimation Error (MEE) associated with different types of grade variables, depending on the sample spacing, within small, short-term production volumes and coefficient ranges of specific variation. This dissertation will study the correlations of MEE results already obtained in the literature for short-term volumes with MEE results obtained for long-term volumes, analyzed in this work, aiming to allow quick access to MEE for larger volumes as well. This dissertation will bring important considerations about the MEE obtained by geostatistical simulation for different sampling patterns and production volumes of the Chapada deposit, Cu-Au type, located in the interior of the state of Goiás. Currently, the use of MEE also for resource classification, within defined production volumes, has been growing in the industry, following the proposal of previous studies. Thus, in this work, correlations will be shown between smaller, short-term volumes and larger production volumes and considerations will be made about these analyzes from the perspective of resource classification. | en |
dc.format.mimetype | application/pdf | pt_BR |
dc.language.iso | por | pt_BR |
dc.rights | Open Access | en |
dc.subject | Depósitos minerais | pt_BR |
dc.subject | Simulação geoestatística | pt_BR |
dc.subject | Coeficiente de variação | pt_BR |
dc.subject | Estimativa | pt_BR |
dc.title | Estudo de malha ótima e correlação do Máximo Erro da Estimativa (MEE) entre volumes de produção de longo e curto prazo | pt_BR |
dc.type | Dissertação | pt_BR |
dc.contributor.advisor-co | Marques, Diego Machado | pt_BR |
dc.identifier.nrb | 001160229 | pt_BR |
dc.degree.grantor | Universidade Federal do Rio Grande do Sul | pt_BR |
dc.degree.department | Escola de Engenharia | pt_BR |
dc.degree.program | Programa de Pós-Graduação em Engenharia de Minas, Metalúrgica e de Materiais | pt_BR |
dc.degree.local | Porto Alegre, BR-RS | pt_BR |
dc.degree.date | 2022 | pt_BR |
dc.degree.level | mestrado | pt_BR |
Este item está licenciado na Creative Commons License
![](/themes/Mirage2Novo//images/lume/cc.png)
-
Engenharias (7386)