Caracterização tecnológica e mapas auto-organizáveis em apoio à geometalurgia de minério de ouro.

Detalhes bibliográficos
Autor(a) principal: Costa, Fabrizzio Rodrigues
Data de Publicação: 2022
Tipo de documento: Tese
Idioma: por
Título da fonte: Biblioteca Digital de Teses e Dissertações da USP
Texto Completo: https://www.teses.usp.br/teses/disponiveis/3/3134/tde-07102022-080212/
Resumo: Na indústria mineral, o beneficiamento de minérios auríferos está diretamente relacionado às características físicas, químicas e mineralógicas do minério que impactam no desempenho dos processos de concentração e extração do ouro. A rota de processamento de extração de ouro mais eficiente está diretamente relacionada às características mineralógicas inerentes ao minério que está sendo processado. Com isso, geólogos, geometalurgistas e engenheiros buscam cada vez mais uma produção otimizada de menor impacto ambiental e custo. A caracterização tecnológica é uma ferramenta importante no reconhecimento das propriedades das matérias primas minerais, fundamentais para o aproveitamento sustentável dos recursos pois fornece informações sobre o potencial de recuperação do material e sua previsibilidade nos processos de beneficiamento. Este estudo tem como objetivo identificar variáveis de interesse à geometalurgia em minério aurífero de baixo teor com base em estudos de caracterização tecnológica e correlação de variáveis similares através das redes neurais artificiais. O escopo da pesquisa envolveu estudos de caracterização tecnológica de amostras de ouro de baixo teor (<0,6 g/t) e composição variadas por microscopia eletrônica de varredura (MEV) associada a análise de imagens automatizada (AI). Sob esses resultados foram aplicadas redes neurais artificiais por meio da técnica de mapas auto-organizáveis (de inglês, Self- Organizing Maps SOM) para estabelecer as relações de similaridades ou padrões entre as diferentes variáveis até então de difícil observação. Foram obtidos sete grupos com características de padrões similares que, do ponto de vista da geometalurgia, podem se apresentar como variáveis indicadoras de maior relevância ao processamento mineral. Também foi tratado a imputação de até 50% dos dados de recuperação que forneceu valores das variáveis sintéticas com até 93% de precisão. Esses resultados abrem a possibilidade de uma melhor interpretação e entendimento na performance do minério de ouro na construção de um modelo preditivo geometalúrgico robusto.
id USP_c560b25f47df64bb5b6f10eb0ca1fa7e
oai_identifier_str oai:teses.usp.br:tde-07102022-080212
network_acronym_str USP
network_name_str Biblioteca Digital de Teses e Dissertações da USP
repository_id_str 2721
spelling Caracterização tecnológica e mapas auto-organizáveis em apoio à geometalurgia de minério de ouro.Technological characterization and self-organizing maps in support of gold ore geometallurgyCaracterização tecnológica de minériosGeometallurgyGeometalurgiaLow grade gold oreMinério de ouroSelf-organizing mapsSEM-based image analysisNa indústria mineral, o beneficiamento de minérios auríferos está diretamente relacionado às características físicas, químicas e mineralógicas do minério que impactam no desempenho dos processos de concentração e extração do ouro. A rota de processamento de extração de ouro mais eficiente está diretamente relacionada às características mineralógicas inerentes ao minério que está sendo processado. Com isso, geólogos, geometalurgistas e engenheiros buscam cada vez mais uma produção otimizada de menor impacto ambiental e custo. A caracterização tecnológica é uma ferramenta importante no reconhecimento das propriedades das matérias primas minerais, fundamentais para o aproveitamento sustentável dos recursos pois fornece informações sobre o potencial de recuperação do material e sua previsibilidade nos processos de beneficiamento. Este estudo tem como objetivo identificar variáveis de interesse à geometalurgia em minério aurífero de baixo teor com base em estudos de caracterização tecnológica e correlação de variáveis similares através das redes neurais artificiais. O escopo da pesquisa envolveu estudos de caracterização tecnológica de amostras de ouro de baixo teor (<0,6 g/t) e composição variadas por microscopia eletrônica de varredura (MEV) associada a análise de imagens automatizada (AI). Sob esses resultados foram aplicadas redes neurais artificiais por meio da técnica de mapas auto-organizáveis (de inglês, Self- Organizing Maps SOM) para estabelecer as relações de similaridades ou padrões entre as diferentes variáveis até então de difícil observação. Foram obtidos sete grupos com características de padrões similares que, do ponto de vista da geometalurgia, podem se apresentar como variáveis indicadoras de maior relevância ao processamento mineral. Também foi tratado a imputação de até 50% dos dados de recuperação que forneceu valores das variáveis sintéticas com até 93% de precisão. Esses resultados abrem a possibilidade de uma melhor interpretação e entendimento na performance do minério de ouro na construção de um modelo preditivo geometalúrgico robusto.In mineral industry, the beneficiation of gold ores is directly related to the physical, chemical and mineralogical characteristics of the ore that impact the performance of the gold concentration and extraction processes. The most efficient gold extraction processing route is directly related to the inherent mineralogical features of the gold ore being processed. As a result, geologists, geometallurgists and engineers are increasingly looking for efficient and low-cost production in order to maximize financial gains with minimum environmental impact. Process Mineralogy (also named as Technological Characterization) is an important tool in the recognition of these characteristics since comprises the study of mineral properties, fundamental for the sustainable use of resources as it provides information on the potential for material recovery and its predictability in the beneficiation processes. This study aims to identify variables of interest to geometallurgy in low grade gold ore based on studies of technological characterization and correlation of similar variables through artificial neural networks. The scope of the research involved technological characterization studies of low-grade gold samples (<0.6 g/t) and varied composition by scanning electron microscopy (SEM) associated with automated image analysis (AI). At those results, artificial neural networks were applied through self-organizing maps (SOM) to establish the relationships between the different variables that were difficult to observe until then. Seven groups with similar characteristics were classified, which, from the point of view of Geometallurgy, are the most relevant indicator variables for mineral processing. Imputation of up to 50% of the retrieval data provided synthetic variables with up to 93% accuracy. These results open the possibility of a better interpretation and understanding of the performance of gold ore in the construction of a robust geometallurgical predictive model.Biblioteca Digitais de Teses e Dissertações da USPCarneiro, Cleyton de CarvalhoUlsen, CarinaCosta, Fabrizzio Rodrigues2022-06-24info:eu-repo/semantics/publishedVersioninfo:eu-repo/semantics/doctoralThesisapplication/pdfhttps://www.teses.usp.br/teses/disponiveis/3/3134/tde-07102022-080212/reponame:Biblioteca Digital de Teses e Dissertações da USPinstname:Universidade de São Paulo (USP)instacron:USPLiberar o conteúdo para acesso público.info:eu-repo/semantics/openAccesspor2022-10-07T11:30:42Zoai:teses.usp.br:tde-07102022-080212Biblioteca Digital de Teses e Dissertaçõeshttp://www.teses.usp.br/PUBhttp://www.teses.usp.br/cgi-bin/mtd2br.plvirginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.bropendoar:27212022-10-07T11:30:42Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)false
dc.title.none.fl_str_mv Caracterização tecnológica e mapas auto-organizáveis em apoio à geometalurgia de minério de ouro.
Technological characterization and self-organizing maps in support of gold ore geometallurgy
title Caracterização tecnológica e mapas auto-organizáveis em apoio à geometalurgia de minério de ouro.
spellingShingle Caracterização tecnológica e mapas auto-organizáveis em apoio à geometalurgia de minério de ouro.
Costa, Fabrizzio Rodrigues
Caracterização tecnológica de minérios
Geometallurgy
Geometalurgia
Low grade gold ore
Minério de ouro
Self-organizing maps
SEM-based image analysis
title_short Caracterização tecnológica e mapas auto-organizáveis em apoio à geometalurgia de minério de ouro.
title_full Caracterização tecnológica e mapas auto-organizáveis em apoio à geometalurgia de minério de ouro.
title_fullStr Caracterização tecnológica e mapas auto-organizáveis em apoio à geometalurgia de minério de ouro.
title_full_unstemmed Caracterização tecnológica e mapas auto-organizáveis em apoio à geometalurgia de minério de ouro.
title_sort Caracterização tecnológica e mapas auto-organizáveis em apoio à geometalurgia de minério de ouro.
author Costa, Fabrizzio Rodrigues
author_facet Costa, Fabrizzio Rodrigues
author_role author
dc.contributor.none.fl_str_mv Carneiro, Cleyton de Carvalho
Ulsen, Carina
dc.contributor.author.fl_str_mv Costa, Fabrizzio Rodrigues
dc.subject.por.fl_str_mv Caracterização tecnológica de minérios
Geometallurgy
Geometalurgia
Low grade gold ore
Minério de ouro
Self-organizing maps
SEM-based image analysis
topic Caracterização tecnológica de minérios
Geometallurgy
Geometalurgia
Low grade gold ore
Minério de ouro
Self-organizing maps
SEM-based image analysis
description Na indústria mineral, o beneficiamento de minérios auríferos está diretamente relacionado às características físicas, químicas e mineralógicas do minério que impactam no desempenho dos processos de concentração e extração do ouro. A rota de processamento de extração de ouro mais eficiente está diretamente relacionada às características mineralógicas inerentes ao minério que está sendo processado. Com isso, geólogos, geometalurgistas e engenheiros buscam cada vez mais uma produção otimizada de menor impacto ambiental e custo. A caracterização tecnológica é uma ferramenta importante no reconhecimento das propriedades das matérias primas minerais, fundamentais para o aproveitamento sustentável dos recursos pois fornece informações sobre o potencial de recuperação do material e sua previsibilidade nos processos de beneficiamento. Este estudo tem como objetivo identificar variáveis de interesse à geometalurgia em minério aurífero de baixo teor com base em estudos de caracterização tecnológica e correlação de variáveis similares através das redes neurais artificiais. O escopo da pesquisa envolveu estudos de caracterização tecnológica de amostras de ouro de baixo teor (<0,6 g/t) e composição variadas por microscopia eletrônica de varredura (MEV) associada a análise de imagens automatizada (AI). Sob esses resultados foram aplicadas redes neurais artificiais por meio da técnica de mapas auto-organizáveis (de inglês, Self- Organizing Maps SOM) para estabelecer as relações de similaridades ou padrões entre as diferentes variáveis até então de difícil observação. Foram obtidos sete grupos com características de padrões similares que, do ponto de vista da geometalurgia, podem se apresentar como variáveis indicadoras de maior relevância ao processamento mineral. Também foi tratado a imputação de até 50% dos dados de recuperação que forneceu valores das variáveis sintéticas com até 93% de precisão. Esses resultados abrem a possibilidade de uma melhor interpretação e entendimento na performance do minério de ouro na construção de um modelo preditivo geometalúrgico robusto.
publishDate 2022
dc.date.none.fl_str_mv 2022-06-24
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 https://www.teses.usp.br/teses/disponiveis/3/3134/tde-07102022-080212/
url https://www.teses.usp.br/teses/disponiveis/3/3134/tde-07102022-080212/
dc.language.iso.fl_str_mv por
language por
dc.relation.none.fl_str_mv
dc.rights.driver.fl_str_mv Liberar o conteúdo para acesso público.
info:eu-repo/semantics/openAccess
rights_invalid_str_mv Liberar o conteúdo para acesso público.
eu_rights_str_mv openAccess
dc.format.none.fl_str_mv application/pdf
dc.coverage.none.fl_str_mv
dc.publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
publisher.none.fl_str_mv Biblioteca Digitais de Teses e Dissertações da USP
dc.source.none.fl_str_mv
reponame:Biblioteca Digital de Teses e Dissertações da USP
instname:Universidade de São Paulo (USP)
instacron:USP
instname_str Universidade de São Paulo (USP)
instacron_str USP
institution USP
reponame_str Biblioteca Digital de Teses e Dissertações da USP
collection Biblioteca Digital de Teses e Dissertações da USP
repository.name.fl_str_mv Biblioteca Digital de Teses e Dissertações da USP - Universidade de São Paulo (USP)
repository.mail.fl_str_mv virginia@if.usp.br|| atendimento@aguia.usp.br||virginia@if.usp.br
_version_ 1815256769074561024