Incorporação de incertezas provenientes da modelagem de contatos e teores no sequenciamento de médio e curto prazo

Abstract

A modelagem de contatos assim como os teores do material de interesse na mineração, são dois dos principais parâmetros de entrada do planejamento de lavra. Sua abordagem exclusivamente determinística no planejamento, pode acarretar baixas aderências ao plano, e principalmente prejuízos econômicos para o empreendimento, pois todas as amplitudes de possibilidade das variáveis não foram consideradas pelo plano. Por esses motivos o planejamento estocástico vem ganhando força nos últimos anos, com o objetivo de reduzir os riscos de produção. Com o auxílio da simulação sequencial dos indicadores e o método de bandas rotativas, foi construído um modelo para avaliação de incertezas e com esses resultados comparados com os dados de reconciliação de uma área lavrada, através dessa análise foram criados indicadores para determinação das variabilidades verificadas no modelo e seu impacto no sequenciamento de lavra, em um planejamento de médio e curto prazo. Os resultados se mostraram úteis no direcionamento da lavra, possibilitando mapear e evitar regiões de grandes riscos e indicando áreas a serem estudadas com maior detalhamento.

Contact modeling, and the grades in mining, are two of the main input parameters for mine planning. An exclusively deterministic approach for mine planning can lead to low adherence and economic losses to the project, because possible ranges of the variables were not considered by the plan. For these reasons, stochastic planning has grown in recent years, aiming to reduce production risks. With the aid of the sequential indicators simulation and the method of turning bands, the uncertainty model was built and compared to the reconciliation data from a mined out area, with this analysis indicators were created, to determine the variabilities identified in the model and its impact in the mine scheduling, in medium and short-term planning. The results were helpful to directing mining, allowing mapping and avoiding regions of elevated risk and indicating areas to be studied.