Estudo do melhor método de extrapolação de regressão múltipla para construção do modelo geometalúrgico de uma mina de fosfato brasileira.
Autor(a) principal: | |
---|---|
Data de Publicação: | 2013 |
Tipo de documento: | Dissertação |
Idioma: | por |
Título da fonte: | Repositório Institucional da UFOP |
Texto Completo: | http://www.repositorio.ufop.br/handle/123456789/3450 |
Resumo: | A construção de modelos de blocos com estimativa dos teores in situ é uma prática rotineira durante a avaliação de recursos, mas estas informações não são suficientes para entender o comportamento do minério no processo de beneficiamento. A geometalurgia propõe a adição da resposta metalúrgica do minério no modelo de blocos, tornando-o mais confiável e aderente no que diz respeito à capacidade de produção, gerando ganhos financeiros e reduzindo riscos. Uma variável metalúrgica importante para o planejamento econômico e de mina é a recuperação mássica, informação muitas vezes subutilizada devido à escassez de dados, o que dificulta sua aplicação no planejamento. Visando um melhor aproveitamento das informações disponíveis, empregou-se a técnica de análise de regressão múltipla para desenvolver um modelo estatístico que relacionasse a recuperação mássica com teores in situ de uma mina de fosfato em estudo. O modelo construído mostrou que quanto maior o teor de P2O5 e quanto menores os teores de Fe2O3, SiO2 e TiO2 no ROM, maior era a recuperação mássica obtida no processo de beneficiamento, e devido à qualidade do modelo tornou-se possível estimar esta resposta metalúrgica tendo somente a análise química dos teores in situ. O estudo da melhor forma de se aplicar o modelo de regressão construído para a estimativa da recuperação mássica média dos blocos foi o foco desta dissertação. Duas formas foram estudadas. A primeira delas consiste em aplicar o modelo nas amostras do banco de dados com análise química das variáveis independentes P2O5, Fe2O3, SiO2 e TiO2, obtendo assim uma estimativa da recuperação mássica em cada amostra, seguida de variografia e krigagem dos blocos. A segunda maneira consiste em variografar e krigar todas as variáveis independentes do modelo construído, e aplicar a equação da regressão bloco a bloco. Para avaliar as duas formas de se utilizar a equação construída foi elaborado um estudo que contemplou desde a coleta de amostras até a reconciliação com a produção da usina, o que permitiu a identificação do melhor método de extrapolação do modelo de regressão. |
id |
UFOP_906723110d6401a29d813326cc04f17c |
---|---|
oai_identifier_str |
oai:repositorio.ufop.br:123456789/3450 |
network_acronym_str |
UFOP |
network_name_str |
Repositório Institucional da UFOP |
repository_id_str |
3233 |
spelling |
Estudo do melhor método de extrapolação de regressão múltipla para construção do modelo geometalúrgico de uma mina de fosfato brasileira.Fosfatos - minas e mineraçãoMetalurgia de transformaçãoMinas e mineraçãoA construção de modelos de blocos com estimativa dos teores in situ é uma prática rotineira durante a avaliação de recursos, mas estas informações não são suficientes para entender o comportamento do minério no processo de beneficiamento. A geometalurgia propõe a adição da resposta metalúrgica do minério no modelo de blocos, tornando-o mais confiável e aderente no que diz respeito à capacidade de produção, gerando ganhos financeiros e reduzindo riscos. Uma variável metalúrgica importante para o planejamento econômico e de mina é a recuperação mássica, informação muitas vezes subutilizada devido à escassez de dados, o que dificulta sua aplicação no planejamento. Visando um melhor aproveitamento das informações disponíveis, empregou-se a técnica de análise de regressão múltipla para desenvolver um modelo estatístico que relacionasse a recuperação mássica com teores in situ de uma mina de fosfato em estudo. O modelo construído mostrou que quanto maior o teor de P2O5 e quanto menores os teores de Fe2O3, SiO2 e TiO2 no ROM, maior era a recuperação mássica obtida no processo de beneficiamento, e devido à qualidade do modelo tornou-se possível estimar esta resposta metalúrgica tendo somente a análise química dos teores in situ. O estudo da melhor forma de se aplicar o modelo de regressão construído para a estimativa da recuperação mássica média dos blocos foi o foco desta dissertação. Duas formas foram estudadas. A primeira delas consiste em aplicar o modelo nas amostras do banco de dados com análise química das variáveis independentes P2O5, Fe2O3, SiO2 e TiO2, obtendo assim uma estimativa da recuperação mássica em cada amostra, seguida de variografia e krigagem dos blocos. A segunda maneira consiste em variografar e krigar todas as variáveis independentes do modelo construído, e aplicar a equação da regressão bloco a bloco. Para avaliar as duas formas de se utilizar a equação construída foi elaborado um estudo que contemplou desde a coleta de amostras até a reconciliação com a produção da usina, o que permitiu a identificação do melhor método de extrapolação do modelo de regressão.The construction of block models with an estimation of their grades in situ is a common practice throughout the resource evaluation. However, this information is not enough to understand the behavior of the ore in the beneficiation process. Geometallurgy proposes the addition of ore´s metallurgical behavior in the block model, making it more dependable and adhering when it comes to the production capacity, which generates financial earnings and reduces risks. The mass recovery is an important metallurgical variable for the economic and mine planning. This is often underused due to the lack of data, which makes it hard to use it in the planning process. In order to reach a better use of the available data, the multiple regression analysis technique was used to develop a statistic model that would relate the mass recovery with the in situ grades observed in the phosphate mine under study. Through the constructed model was possible to realize that an increase in P2O5 grades and a decrease in Fe2O3, SiO2 and TiO2 grades leads to a greater mass recovery in the beneficiation process, so that it became possible to estimate this metalurgical variable having only the chemical analysis of in situ grades. The study of the best way to use the regression model was this thesis focus, since there are two ways to do it. The first one consists in applying the equation in dataset samples that contain chemistry analysis of the independent variables P2O5, Fe2O3, SiO2 and TiO2, generating an estimated mass recovery in each sample, allowing the geostatistic study of this metallurgical variable. The second way consists in doing the variography and the kriging of all the independent variables, making possible the use of the equation in each block, allowing a spatial understanding of mass recovery. To evaluate the both ways cited above a study was developed covering since samples obtainment until the reconciliation with the plant production, allowing the identification of the best application method of the regression model.Programa de Pós-Graduação em Engenharia Mineral. Departamento de Engenharia de Minas, Universidade Federal de Ouro Preto.Cabral, Ivo EyerFernandes, Fernanda Gontijo2014-02-06T11:04:34Z2014-02-06T11:04:34Z2013info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/masterThesisapplication/pdfFERNANDES, F. G. Estudo do melhor método de extrapolação de regressão múltipla para construção do modelo geometalúrgico de uma mina de fosfato brasileira. 2013. 130 f. Dissertação (Mestrado em Engenharia Mineral) - Universidade Federal de Ouro Preto, Ouro Preto, 2013.http://www.repositorio.ufop.br/handle/123456789/3450Autorização concedida ao Repositório Institucional da UFOP pelo autor(a), 12/12/2013, com as seguintes condições: disponível sob Licença Creative Commons 3.0, que permite copiar, distribuir e transmitir o trabalho, desde que seja citado o autor e licenciante. Não permite o uso para fins comerciais nem a adaptação desta.info:eu-repo/semantics/openAccessporreponame:Repositório Institucional da UFOPinstname:Universidade Federal de Ouro Preto (UFOP)instacron:UFOP2019-04-29T13:08:23Zoai:repositorio.ufop.br:123456789/3450Repositório InstitucionalPUBhttp://www.repositorio.ufop.br/oai/requestrepositorio@ufop.edu.bropendoar:32332019-04-29T13:08:23Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP)false |
dc.title.none.fl_str_mv |
Estudo do melhor método de extrapolação de regressão múltipla para construção do modelo geometalúrgico de uma mina de fosfato brasileira. |
title |
Estudo do melhor método de extrapolação de regressão múltipla para construção do modelo geometalúrgico de uma mina de fosfato brasileira. |
spellingShingle |
Estudo do melhor método de extrapolação de regressão múltipla para construção do modelo geometalúrgico de uma mina de fosfato brasileira. Fernandes, Fernanda Gontijo Fosfatos - minas e mineração Metalurgia de transformação Minas e mineração |
title_short |
Estudo do melhor método de extrapolação de regressão múltipla para construção do modelo geometalúrgico de uma mina de fosfato brasileira. |
title_full |
Estudo do melhor método de extrapolação de regressão múltipla para construção do modelo geometalúrgico de uma mina de fosfato brasileira. |
title_fullStr |
Estudo do melhor método de extrapolação de regressão múltipla para construção do modelo geometalúrgico de uma mina de fosfato brasileira. |
title_full_unstemmed |
Estudo do melhor método de extrapolação de regressão múltipla para construção do modelo geometalúrgico de uma mina de fosfato brasileira. |
title_sort |
Estudo do melhor método de extrapolação de regressão múltipla para construção do modelo geometalúrgico de uma mina de fosfato brasileira. |
author |
Fernandes, Fernanda Gontijo |
author_facet |
Fernandes, Fernanda Gontijo |
author_role |
author |
dc.contributor.none.fl_str_mv |
Cabral, Ivo Eyer |
dc.contributor.author.fl_str_mv |
Fernandes, Fernanda Gontijo |
dc.subject.por.fl_str_mv |
Fosfatos - minas e mineração Metalurgia de transformação Minas e mineração |
topic |
Fosfatos - minas e mineração Metalurgia de transformação Minas e mineração |
description |
A construção de modelos de blocos com estimativa dos teores in situ é uma prática rotineira durante a avaliação de recursos, mas estas informações não são suficientes para entender o comportamento do minério no processo de beneficiamento. A geometalurgia propõe a adição da resposta metalúrgica do minério no modelo de blocos, tornando-o mais confiável e aderente no que diz respeito à capacidade de produção, gerando ganhos financeiros e reduzindo riscos. Uma variável metalúrgica importante para o planejamento econômico e de mina é a recuperação mássica, informação muitas vezes subutilizada devido à escassez de dados, o que dificulta sua aplicação no planejamento. Visando um melhor aproveitamento das informações disponíveis, empregou-se a técnica de análise de regressão múltipla para desenvolver um modelo estatístico que relacionasse a recuperação mássica com teores in situ de uma mina de fosfato em estudo. O modelo construído mostrou que quanto maior o teor de P2O5 e quanto menores os teores de Fe2O3, SiO2 e TiO2 no ROM, maior era a recuperação mássica obtida no processo de beneficiamento, e devido à qualidade do modelo tornou-se possível estimar esta resposta metalúrgica tendo somente a análise química dos teores in situ. O estudo da melhor forma de se aplicar o modelo de regressão construído para a estimativa da recuperação mássica média dos blocos foi o foco desta dissertação. Duas formas foram estudadas. A primeira delas consiste em aplicar o modelo nas amostras do banco de dados com análise química das variáveis independentes P2O5, Fe2O3, SiO2 e TiO2, obtendo assim uma estimativa da recuperação mássica em cada amostra, seguida de variografia e krigagem dos blocos. A segunda maneira consiste em variografar e krigar todas as variáveis independentes do modelo construído, e aplicar a equação da regressão bloco a bloco. Para avaliar as duas formas de se utilizar a equação construída foi elaborado um estudo que contemplou desde a coleta de amostras até a reconciliação com a produção da usina, o que permitiu a identificação do melhor método de extrapolação do modelo de regressão. |
publishDate |
2013 |
dc.date.none.fl_str_mv |
2013 2014-02-06T11:04:34Z 2014-02-06T11:04:34Z |
dc.type.status.fl_str_mv |
info:eu-repo/semantics/publishedVersion |
dc.type.driver.fl_str_mv |
info:eu-repo/semantics/masterThesis |
format |
masterThesis |
status_str |
publishedVersion |
dc.identifier.uri.fl_str_mv |
FERNANDES, F. G. Estudo do melhor método de extrapolação de regressão múltipla para construção do modelo geometalúrgico de uma mina de fosfato brasileira. 2013. 130 f. Dissertação (Mestrado em Engenharia Mineral) - Universidade Federal de Ouro Preto, Ouro Preto, 2013. http://www.repositorio.ufop.br/handle/123456789/3450 |
identifier_str_mv |
FERNANDES, F. G. Estudo do melhor método de extrapolação de regressão múltipla para construção do modelo geometalúrgico de uma mina de fosfato brasileira. 2013. 130 f. Dissertação (Mestrado em Engenharia Mineral) - Universidade Federal de Ouro Preto, Ouro Preto, 2013. |
url |
http://www.repositorio.ufop.br/handle/123456789/3450 |
dc.language.iso.fl_str_mv |
por |
language |
por |
dc.rights.driver.fl_str_mv |
info:eu-repo/semantics/openAccess |
eu_rights_str_mv |
openAccess |
dc.format.none.fl_str_mv |
application/pdf |
dc.publisher.none.fl_str_mv |
Programa de Pós-Graduação em Engenharia Mineral. Departamento de Engenharia de Minas, Universidade Federal de Ouro Preto. |
publisher.none.fl_str_mv |
Programa de Pós-Graduação em Engenharia Mineral. Departamento de Engenharia de Minas, Universidade Federal de Ouro Preto. |
dc.source.none.fl_str_mv |
reponame:Repositório Institucional da UFOP instname:Universidade Federal de Ouro Preto (UFOP) instacron:UFOP |
instname_str |
Universidade Federal de Ouro Preto (UFOP) |
instacron_str |
UFOP |
institution |
UFOP |
reponame_str |
Repositório Institucional da UFOP |
collection |
Repositório Institucional da UFOP |
repository.name.fl_str_mv |
Repositório Institucional da UFOP - Universidade Federal de Ouro Preto (UFOP) |
repository.mail.fl_str_mv |
repositorio@ufop.edu.br |
_version_ |
1813002836061978624 |