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

Detalhes bibliográficos
Autor(a) principal: Capponi, Luciano Nunes
Data de Publicação: 2019
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da UFRGS
Texto Completo: http://hdl.handle.net/10183/212870
Resumo: 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.
id URGS_4ddb3bb3a16ba6543585c26977d40ec8
oai_identifier_str oai:www.lume.ufrgs.br:10183/212870
network_acronym_str URGS
network_name_str Biblioteca Digital de Teses e Dissertações da UFRGS
repository_id_str 1853
spelling Capponi, Luciano NunesPeroni, Rodrigo de LemosCosta, Joao Felipe Coimbra Leite2020-08-12T03:36:02Z2019http://hdl.handle.net/10183/212870001115114Ainda 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.application/pdfporMineraçãoLavra : PlanejamentoEscavaçãoStochastic mining planningShort-term mining planningDig limitsPlanejamento estocástico de curto prazo incorporando a incerteza da estimativa no controle de teoresinfo:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisUniversidade Federal do Rio Grande do SulEscola de EngenhariaPrograma de Pós-Graduação em Engenharia de Minas, Metalúrgica e de MateriaisPorto Alegre, BR-RS2019doutoradoinfo:eu-repo/semantics/openAccessreponame:Biblioteca Digital de Teses e Dissertações da UFRGSinstname:Universidade Federal do Rio Grande do Sul (UFRGS)instacron:UFRGSTEXT001115114.pdf.txt001115114.pdf.txtExtracted Texttext/plain327160http://www.lume.ufrgs.br/bitstream/10183/212870/2/001115114.pdf.txtffaf4fe2672319be54240ac7337ed670MD52ORIGINAL001115114.pdfTexto completoapplication/pdf7448221http://www.lume.ufrgs.br/bitstream/10183/212870/1/001115114.pdf421139fe285ed207bac0b50c8699bf86MD5110183/2128702023-10-21 03:44:04.031054oai:www.lume.ufrgs.br:10183/212870Biblioteca Digital de Teses e Dissertaçõeshttps://lume.ufrgs.br/handle/10183/2PUBhttps://lume.ufrgs.br/oai/requestlume@ufrgs.br||lume@ufrgs.bropendoar:18532023-10-21T06:44:04Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)false
dc.title.pt_BR.fl_str_mv Planejamento estocástico de curto prazo incorporando a incerteza da estimativa no controle de teores
title Planejamento estocástico de curto prazo incorporando a incerteza da estimativa no controle de teores
spellingShingle Planejamento estocástico de curto prazo incorporando a incerteza da estimativa no controle de teores
Capponi, Luciano Nunes
Mineração
Lavra : Planejamento
Escavação
Stochastic mining planning
Short-term mining planning
Dig limits
title_short Planejamento estocástico de curto prazo incorporando a incerteza da estimativa no controle de teores
title_full Planejamento estocástico de curto prazo incorporando a incerteza da estimativa no controle de teores
title_fullStr Planejamento estocástico de curto prazo incorporando a incerteza da estimativa no controle de teores
title_full_unstemmed Planejamento estocástico de curto prazo incorporando a incerteza da estimativa no controle de teores
title_sort Planejamento estocástico de curto prazo incorporando a incerteza da estimativa no controle de teores
author Capponi, Luciano Nunes
author_facet Capponi, Luciano Nunes
author_role author
dc.contributor.author.fl_str_mv Capponi, Luciano Nunes
dc.contributor.advisor1.fl_str_mv Peroni, Rodrigo de Lemos
dc.contributor.advisor-co1.fl_str_mv Costa, Joao Felipe Coimbra Leite
contributor_str_mv Peroni, Rodrigo de Lemos
Costa, Joao Felipe Coimbra Leite
dc.subject.por.fl_str_mv Mineração
Lavra : Planejamento
Escavação
topic Mineração
Lavra : Planejamento
Escavação
Stochastic mining planning
Short-term mining planning
Dig limits
dc.subject.eng.fl_str_mv Stochastic mining planning
Short-term mining planning
Dig limits
description 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.
publishDate 2019
dc.date.issued.fl_str_mv 2019
dc.date.accessioned.fl_str_mv 2020-08-12T03:36:02Z
dc.type.status.fl_str_mv info:eu-repo/semantics/publishedVersion
dc.type.driver.fl_str_mv info:eu-repo/semantics/doctoralThesis
format doctoralThesis
status_str publishedVersion
dc.identifier.uri.fl_str_mv http://hdl.handle.net/10183/212870
dc.identifier.nrb.pt_BR.fl_str_mv 001115114
url http://hdl.handle.net/10183/212870
identifier_str_mv 001115114
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.source.none.fl_str_mv reponame:Biblioteca Digital de Teses e Dissertações da UFRGS
instname:Universidade Federal do Rio Grande do Sul (UFRGS)
instacron:UFRGS
instname_str Universidade Federal do Rio Grande do Sul (UFRGS)
instacron_str UFRGS
institution UFRGS
reponame_str Biblioteca Digital de Teses e Dissertações da UFRGS
collection Biblioteca Digital de Teses e Dissertações da UFRGS
bitstream.url.fl_str_mv http://www.lume.ufrgs.br/bitstream/10183/212870/2/001115114.pdf.txt
http://www.lume.ufrgs.br/bitstream/10183/212870/1/001115114.pdf
bitstream.checksum.fl_str_mv ffaf4fe2672319be54240ac7337ed670
421139fe285ed207bac0b50c8699bf86
bitstream.checksumAlgorithm.fl_str_mv MD5
MD5
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da UFRGS - Universidade Federal do Rio Grande do Sul (UFRGS)
repository.mail.fl_str_mv lume@ufrgs.br||lume@ufrgs.br
_version_ 1810085530352746496