Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
I-INTRODUO............................................................................................................................2
2-RECONCILIAO.....................................................................................................................3
2.1-Materiais e mtodos...............................................................................................................4
3-CONCEITOS DE RECONCILIAO........................................................................................8
3.1-Os modelos............................................................................................................................9
3.2-Os Factores..........................................................................................................................10
3.3-O Conceito QA-QC.............................................................................................................11
3.4-O conceito mine-to-mill.......................................................................................................11
3.5-As Fontes de Erros...............................................................................................................13
4-MTODOS DE AMOSTRAGEM.............................................................................................13
4.1-Mtodos de Seleo de Minrio..........................................................................................15
4.2-As Hipteses........................................................................................................................16
4.3-Efeito de pepita....................................................................................................................17
4.4-Efeito de regresso...............................................................................................................18
5-A RELAO VOLUME-VARINCIA....................................................................................18
6-PROGNOSTICAO................................................................................................................19
7-AS CONSEQUNCIAS DOS ERROS......................................................................................19
8-CONCLUSES..........................................................................................................................21
9-BIBLIOGRAFIA........................................................................................................................22
I-INTRODUO
1
2-RECONCILIAO
2
merece
uma
considerao
especial.
Segundo
Gy
(1998),
"a
O amostrador setorial encaixado lana da perfuratriz e gera duas amostras, uma por
recipiente, cada uma pesando, em mdia, 3 kg. Os recipientes setoriais so dispostos
em dois quadrantes do amostrador e suas arestas so alinhadas com o centro do furo.
Cada recipiente coleta um setor da amostra, em forma de pizza, e o restante do
material descartado. Este amostrador dimensionado de modo que a amostra
coletada seja correta, seguindo a teoria de amostragem de Pierre Gy. O equipamento
deve dar chances iguais de seleo para todas as partculas do lote e, tambm, deve
amostrar todo o comprimento do furo.
A metodologia de amostragem foi baseada nos conceitos de reconciliao pr-ativa ou prognosticao - de Morley, cujos passos tomados seqencialmente seguiram um
processo iterativo de alteraes nos mtodos de amostragem, visando diminuio dos
erros de estimativa e das varincias dos erros de amostragem. Nesse processo, as
alteraes realizadas entre cada passo visaram a melhorar a qualidade das amostras,
aumentando, portanto, sua representatividade.
O mtodo de reconciliao consistiu na comparao entre os teores das amostras
coletadas na usina (head samples) e os teores das amostras coletadas na mina (grade
control samples). A amostragem na usina foi efetuada nos transportadores de correia
que alimentam a moagem, a intervalos de tempo regulares, consistindo de material
equivalente a 1 m de correia e pesando, em mdia, 50 kg cada. As amostras coletadas
na mina foram provenientes dos furos de desmonte, utilizando o amostrador setorial
descrito anteriormente.
O total de amostras submetidas ao laboratrio de preparao e anlise qumica,
incluindo as amostras da mina e da usina, foi de 480 amostras. Todas as amostras
foram preparadas e analisadas no mesmo laboratrio, seguindo o mesmo procedimento
de secagem, quarteamento e rebritagem. De cada amostra foram retiradas 3 alquotas
de, aproximadamente, 50 g cada para anlise de ouro, arsnio e enxofre. A mdia
ponderada das 3 alquotas representou o teor do furo e a mdia dos teores dos furos
ponderada pela respectiva profundidade representou o teor mdio do bloco.
A reconciliao vista por muitos como um teste de qualidade das estimativas dos modelos,
porm, sem uma amostragem adequada, capaz de gerar dados confiveis, qualquer anlise
estatstica perde o sentido. Quando uma amostra extrada de uma massa maior de minrio,
ocorrem os erros de amostragem. Um ato correcto de amostragem requer que todas as partculas
pertencentes a um determinado lote tenham a mesma chance de ser extradas. Este tipo de
amostragem denomina-se amostragem no-enviesada. Devido falta de conhecimento dos
fundamentos da teoria de amostragem, muitas mineradoras perdem milhes por ano com
problemas de reconciliao, traduzidos na precria optimizao das operaes de lavra e de
beneficiamento, balanos metalrgicos enviesados, concentrados subestimados etc. Estudos
7
3-CONCEITOS DE RECONCILIAO
No contexto da indstria mineral, reconciliao pode ser definida como a comparao entre uma
estimativa (modelo de recursos, modelo de reservas, modelo de controle de teor) e uma medio
(produo oficial da usina de beneficiamento ou da metalurgia). Segundo Morley (2003), os
principais objectivos da reconciliao so:
1. Medir o desempenho da operao com base nas metas iniciais.
2. Garantir uma avaliao acurada dos activos minerais.
3. Confirmar a eficincia das estimativas de massa e teor.
4. Fornecer indicadores de desempenho (em especial para o controle de teor).
Respostas no favorveis a qualquer uma das perguntas acima indicam a necessidade de se
realizarem anlises adicionais, visando a identificao das causas das varincias observadas e
permitindo a tomada de aces para corrigi-las. Por exemplo, diferenas consistentes entre as
estimativas do modelo de recursos e a quantidade de metal realmente produzida podem indicar
8
que o mtodo de definio do teor de corte precisa ser reavaliado ou que o mtodo de estimativa
de teor est inadequado. Tendo sido identificada a causado problema, o procedimento poder ser
modificado, de modo a minimizar as varincias. Portanto, a reconciliao pode ser vista como
um mtodo de validao das estimativas dos modelos de reservas e de controle de teor,
permitindo o replanejamento das prticas inadequadas de amostragem, modelagem,
planejamento e lavra, e o desenvolvimento de estratgias que visem aumentar a eficincia das
operaes (Omega Geo-Consulting, 2005).
Assim, o conceito de reconciliao poderia ser resumido nestas trs palavras: medir, controlar e
melhorar (Nopp, 2004)
3.1-Os modelos
As estimativas de reservas visam prever massa e teor de minrio, gerando um produto vendvel e
rentvel. Espera-se que o modelo de recursos no qual a estimativa de reservas se baseia fornea,
para um perodo de mdio a longo prazo, estimativas razoveis de massa e teor de minrio que
ser processado na usina. A definio dos limites entre minrio e estril na lavra geralmente se
baseia em outro modelo de distribuio de teores, um modelo de curto prazo, denominado
modelo de controle de teor. Em geral, esse modelo gerado a partir de amostragens adicionais de
p de perfuratriz, resultante dos furos de desmonte ou de furos especialmente executados para o
controle de teor, cujo espaamento bem menor que o utilizado para a gerao do modelo de
recursos. Portanto, os modelos de controle de teor permitem uma identificao mais precisa dos
limites entre minrio e estril e, desde que tenha sido realizada uma amostragem correcta,
fornecem uma base confivel para o planejamento de curto prazo, geralmente para perodos de
menos de um ms. As prticas de reconciliao comparam as estimativas dos modelos descritos
acima com a produo (massa e teor mdio de minrio) registada na usina, por determinados
perodos de tempo. Raramente os valores estimados coincidem com os valores registados, e isto
pode ser solucionado multiplicando-se a produo estimada por um nmero constante. Este
nmero, expresso em percentagem, chamado de mine call factor, ou MCF, e expressa a
diferena entre a produo prevista pelos modelos e a produo registada na usina. Apesar de
ambos os valores o previsto e o registado serem calculados a partir de amostragens, os
valores registados na usina em geral so considerados mais acurados (Bankes et al., 2003 e
9
Crawford, 2004), e por isto que o MCF aplicado s estimativas dos modelos e no aos valores
registrados na usina.
3.2-Os Factores
A reconciliao uma atividade comum desenvolvida na maior parte das empresas de minerao
do mundo e, como visto anteriormente, pode ser definida como uma comparao entre
estimativas e medies. O resultado dessas comparaes geralmente um grupo de fatores que
so aplicados a estimativas futuras, na tentativa de melhorar a previso do desempenho de uma
operao. Esses fatores fornecem, portanto, uma indicao de quo acurada foi uma determinada
estimativa. Alguns exemplos de fatores so: o fator de recursos e reservas, o fator de volume e o
mine call factor, citado no item anterior. Juras (2002) define outros dois fatores, o fator model to
mine e o fator mine to mill, que, multiplicados, resultam no mesmo MCF. Esses fatores so
aplicados s estimativas de reservas e de controle de teor, com o objectivo de fornecer uma
aproximao da quantidade de metal que dever ser produzida na usina. Por exemplo, se
historicamente a usina produziu 10% a mais de ouro do que o previsto pelo modelo de recursos,
a prtica comum aplicar um MCF de 110% quantidade de ouro prevista pelo modelo, de
modo a estimar qual dever ser a quantidade de ouro total produzida. Portanto, o clculo desses
factores pode indicar o desempenho de uma operao, porm, admitindo-se um cenrio ideal,
no deveria haver factores: a estimativa da quantidade de metal de um modelo de recursos
deveria ser igual quantidade de metal produzida mais a quantidade de metal nos rejeito. claro
que os dois nmeros raramente se igualam, devido s diversas variveis envolvidas no processo,
que podem ter diferentes causas.Se dividirmos o complexo problema da reconciliao nos
componentes bsicos da tabela a seguir, e resolvermos cada componente de cada vez, o problema
pode ser resolvido ou, pelo menos, minimizado. Segundo Morley (2003), o problema de se
aplicarem factores s estimativas que esses factores podem mascarar as causas dos erros
responsveis pelas discrepncias observadas. Portanto, conforme opinio do autor, o uso desses
factores no a melhor prtica industrial de reconciliao. As causas reais de qualquer varincia
s podem ser identificadas analisando-se as informaes referentes a cada varincia e, em
seguida, modificando metodologias e processos. S assim podero ser tomadas aces que
reduzam a varincia a um nvel aceitvel. Este um processo iterativo de recalibrao constante
10
das entradas de dados e dos clculos, levando a uma reconciliao pr-ativa, ou seja, uma
prognosticao.
12
4-MTODOS DE AMOSTRAGEM
A primeira, e mais bvia, fonte de erros a amostragem. Em certos casos, amostragens de furos
de desmonte podem consistentemente subestimar ou super estimar o teor real de um corpo de
minrio. O enviesamento da amostragem provavelmente o erro mais difcil de se medir e,
certamente, merece uma considerao especial nos estgios iniciais do empreendimento mineiro.
Uma investigao completa antes ou durante os estudos de exequibilidade, envolvendo anlises
de diferentes fraces granulomtricas e diferentes massas de amostras, determinaria as
possibilidades de enviesamento (Snowden, 1990). importante lembrar que estamos utilizando
um nmero relativamente pequeno de amostras para estimar as caractersticas reais (mas
13
desconhecidas) de toda uma populao, e que qualquer incerteza da amostra afectar a nossa
habilidade de chegar a concluses correctas.
A confiabilidade nos resultados de uma amostragem depende das caractersticas da
mineralizao, da qualidade da amostragem, da preparao e da anlise das amostras, e pode ser
avaliada atravs da variabilidade do teor das amostras (preciso) e da acurcia dos resultados
(enviesamento). A variabilidade dos resultados da amostragem pode ser dividida em trs causas
principais: (1) a heterogeneidade constitucional do material, (2) os erros de amostragem,
incluindo os erros de preparao, e (3) os erros de anlise. de extrema importncia
compreender e quantificar esses erros, de modo que os resultados finais possam ser usados com
confiana nos clculos de reconciliao (Nopp, 2004). Durante a lavra, a definio dos blocos
de minrio e de estril geralmente baseada em perfuraes adicionais e em amostragens de
frentes de lavra. Na maioria dos casos, utiliza-se amostragem do p de perfuratriz proveniente
dos furos de desmonte, o que apresenta duas vantagens principais: (a) o espaamento entre os
furos de desmonte pequeno, resultando em uma densidade de amostragem relativamente alta
por tonelada de material, e (b) j que os furos de desmonte tm que ser perfurados de qualquer
maneira, no h custo adicional de perfurao. Entretanto, as amostras colectadas dos furos de
desmonte em geral so pobres, e o material recuperado apresenta segregao de partculas, no
sendo representativo da amostra total. A preciso de amostragens de furos de desmonte
geralmente baixa, mas o problema mais srio o enviesamento das amostras causado pela
segregao de densidade e de tamanho das partculas. Uma das principais causas desse
enviesamento a perda de finos, o que pode levar a uma sub-estimativa ou a uma super
estimativa do teor do minrio (Snowden, 1993). Existe uma crena comum de que os erros de
amostragem tendem a se anular durante os processos de estimativa de recursos e de definio do
minrio e, consequentemente, no teriam um impacto significativo nesses processos. Entretanto,
a impreciso e o enviesamento das amostras distorcem a nossa imagem da realidade, causando
um aumento na frequncia e na magnitude dos erros cometidos na estimativa de reservas e na
definio, ou seleco, de minrio. Esses erros aumentam o risco de perda de minrio e de
diluio de teor. Geralmente, a ocorrncia de enviesamento associada a uma amostragem pouco
precisa. Na estimativa de recursos, o enviesamento leva directamente a uma sub-estimativa ou a
uma super estimativa do teor do minrio. Durante a produo, o enviesamento causa uma perda
de minrio se os teores das amostras foram subestimados, e uma diluio da pilha de estocagem
14
se os teores das amostras foram super estimados. Portanto, visando minimizar os erros de
amostragem e o consequente enviesamento das amostras, recomenda-se aplicar a teoria da
amostragem para que se possa controlar o protocolo de colecta e preparao das amostras.
4.2-As Hipteses
15
As duas hipteses a seguir podem diminuir a confiana no uso da reconciliao como medida de
desempenho dos modelos de recursos e de controle de teor:
1.A hiptese de que o moinho capaz de medir o teor e a massa de material processado
com mais acurcia que os mtodos de estimativa de recursos ou de controle de teor.
2.A hiptese de que a equao de reconciliao considera todas as fontes de erros
cometidos na seleco de minrio. A primeira hiptese pode ser um entrave s operaes de
lavra, afinal, o teor medido na moagem simplesmente mais uma estimativa baseada em
amostragens da alimentao e do produto. A segunda hiptese est incorrecta e pode levar a
srios erros na seleco de minrio e a significativas perdas de recursos teis. Talvez o uso mais
inoportuno da reconciliao seja quando ela influencia os mtodos de seleco de minrio. Por
exemplo, um MCF de 80% pode levar o gelogo a diminuir o corte superior utilizado nos
modelos de controle de teor, na tentativa de diminuir o teor estimado. Como alternativa, isto
pode lev-lo a aumentar o teor de corte na lavra, na tentativa de aumentar o teor produzido.
O efeito pepita descreve quo bem os resultados de uma amostragem so reproduzidos
repetindo-se a amostragem no mesmo ponto, e assim, quanto maior a reprodutibilidade amostral,
menor o efeito pepita. Este efeito inclui tanto a variabilidade natural inerente ao material
(heterogeneidade constitucional) quanto a variabilidade devida ao tamanho, preparao e anlise
das amostras. Em ambientes onde existe um efeito pepita elevado, como o caso dos depsitos
de metais preciosos e das mineralizaes heterogneas, a dificuldade de se definirem os limites
entre minrio e estril ainda maior, devido baixa reprodutibilidade das amostras (Elliott et.
al., 2001 e Snowden et al., 1994). Portanto, estes tipos de mineralizao so muito sensveis aos
mtodos de amostragem, os quais devem ser o mais acurado possvel, de modo a evitar que
valores incorrectos de efeito pepita sejam considerados nos modelos de reservas e de controle de
teor.
O reconhecimento do efeito pepita de extrema importncia para as estimativas dos modelos de
reservas e de controle de teor. Quanto maior o efeito pepita, maior o grau de suavizao que deve
ser considerado no modelo, pois a estimativa uma mdia ponderada das amostras contidas
dentro do raio de influncia do bloco em estudo.
Uma soluo para o problema da seleco de minrio seria termos a possibilidade de avaliar os
resultados de controle de teor (i.e., os resultados das anlises das amostras provenientes dos furos
16
de desmonte) antes de decidirmos quais furos sero realmente carregados. Esta tcnica permite o
desmonte do minrio separadamente do desmonte do estril, facilitando as operaes
subsequentes. Os benefcios de termos em mos os resultados de controle de teor antes de
projectarmos o desmonte so a reduo da diluio e a simplificao da lavra, j que os limites
dos furos de desmonte coincidiriam com os limites entre minrio e estril. As desvantagens desta
tcnica, tais como a perda dos furos no carregados e o gasto extra com novas perfuraes,
certamente seriam compensadas pelos benefcios de uma melhor definio de minrio e estril
(Morley e McBride, 1995). Apesar de ser uma soluo para os problemas de seleo de minrio
na lavra, esta no uma prtica comum na maior parte das empresas de minerao, as quais
trabalham com um cronograma de trabalho mais rgido.
4.3-Efeito de pepita
O efeito de pepita descreve quo bem os resultados de uma amostragem so reproduzidos
repetindo-se a amostragem no mesmo ponto, e assim, quanto maior a reprodutibilidade amostral,
menor o efeito pepita.Este efeito inclui tanto a variabilidade natural inerente ao material
(heterogeneidade constitucional)quanto a variabilidade devido ao tamanho, preparao e analise
das amostras.
Em ambientes onde existe um efeito pepita elevado,como o caso dos depsitos de metais
preciosos e das mineralizacoes heterogneas, a dificuldade de se definirem os limites entre
minrio e estril e ainda maior devido a baixa reprodutibilidade das amostras (Elliott ET.al.,2001
e Snowden ET AL.,1994).Portanto, estes tipos de mineralizacao so muito sensveis aos mtodos
de amostragem, os quais devem ser o mais acurado possvel, de modo a evitar que valores
incorretos de efeito pepita sejam considerados nos modelos de reservas e de controle de teor.
O reconhecimento do efeito pepita e de extrema importncia para as estimativas dos modelos de
reservas e de controle de teor.Quanto maior o efeito pepita, maior o grau de suavizao que deve
ser considerado no modelo pois a estimativa e uma media ponderada das amostras contidas
dentro do raio de influencia do bloco em estudo.
4.4-Efeito de regresso
17
possvel explicar muitos problemas de reconciliao pelo efeito de regresso e pela relao de
volume-variancia. O efeito regresso ocorre quando modelo de recurso ou de controle de teor
subestima o teor do minrio lavrando em regies de baixa teor e superestima o teor do minrio
lavrado em regioes de alta teor. Isto acontece porque a distribuio real dos teores do minrio e
diferente da distribuio dos teores das amostras. Este efeito explicado pela figura2.17, com a
elipse definida pela disperso de pontos correspondentes aos valores das amostras (valores
estimados) e os respectivos valores dos blocos (valores reais). Existe uma relao de regresso
entre os teores estimados e reais que no a relao 1:1.
Como exemplo deste efeito, para uma mina de ouro a cu aberto, podemos citar: para um teor de
corte econmico igual a 1,0 g/t Au, se definirmos os limites do minrio a partir de amostragens d
furos de desmonte, resultaria em um teor de corte efectivamnte lavrado de 1,2g/t Au. E, assim,
uma quantidade significativa de minrio seria classificada como estril.
as
amostragens
cujos
os
resultados
combinados
sero
estatstica
geostatisticamente analisados.
Como exemplo deste fenmeno temos: se os dados desponiveis para a avaliao de um corpo de
minrio consistirem de 50 amostras retirada a cada 0,5 m de furos de trado,mais 50 amostras
retiradas a cada 2 m de furos a diamante, as amostras retiradas dos furos a trado apresentaro
uma varincia maior. Para podermos combinar os dados das duas amostragens com fins
analticos, as amostras dos furos de trado tambm deveriam ser retiradas a cada 2 m.
Analises estatsticas, geostatisticas e modelagem so capazes de estudar e solucionar os
problemas listados anteriormente, melhorando o controle de teor e otimizando as operaes
mineiras. Porem, vale reafirmar que, se houver enviesamento das amostras nos dados de
explorao,nos dados de controle de teor nos dados de produo, nenhum mtodo ser capaz de
fornecer um resultado correto, exceto com aplicao de factores de correo ou, ento, por acaso.
18
6-PROGNOSTICAO
Tradicionalmente, a reconciliao se baseou no desempenho passado da mina, sendo considerado
um processo histrico. O conceito de prognosticao foi introduzido por Morley (2003), que o
definiu como o ato de se prever algo que acontecera no futuro, com base em dados ou indicaes
presentes.
A prognosticacao uma alternativa reconciliao, e consiste em se coletar e analisar dados
crticos, que so usados para calibrar estimativas em um processo interativo. Quando ocorrem
variaes, elas so analisadas com a finalidade de se tomarem aes corretivas para assegurar
que o erro entre as estimativas e os dados coletados seja mnimo. Desta maneira, as estimativas
tornam-se previses ou prognsticos e podem formar uma base para a tomada de decises,
assegurando que o que acontecera no futuro corresponde ao que foi planejado no presente.
8-CONCLUSES
A reconciliao uma actividade de extrema importncia para a minerao.
Como uma alternativa reconciliao uma actividade que nos permite prever ou controlar os
erros envolvidos no processo, o qual se baseia no processo iterativode analise e correo de
metodologias de coleta de amostras, com o objectivo de minimizar a fariancia e a media dos
erros de amostragem, bem como de eliminar a necessidade de aplicao de factores s
estimativas dos modelos.
20
9-BIBLIOGRAFIA
1-CHIEREGATI A. Reconciliao em empreendimentos mineiros. Universudade de So
Paulo.Brasil.2007.
2-GRIGORIEFF, A. Melhoria no controle de qualidade de na produo de carvo mineral
com o uso da teoria de amostragem. Universidade Federal do Rio Grande do Sul, 2001. 178 p.
(Dissertao de Mestrado).
21
3-GY, P.M. Sampling of particulate materials, theory and practice. Amsterdam: Elsevier,
Second Revised Edition, 1982. 431 p.
4-OLIVEIRA, L. T.; ALMEIDA, M. R. 1980 (II). Controle de Qualidade de Carvo Vegetal.
Curso de Carvo e Coque Aplicados Metalurgia da ABM, volume 1, p. 167-208.
22