ndice

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

Reconciliao Pr-Ativa em Empreendimentos Mineiros, ela aponta caminhos para

realizar uma amostragem correta sem prejudicar a produo, o que aperfeioa as
estimativas de teor e quantidade de minrio, trazendo benefcios financeiros s
empresas do setor.
A prtica comum de reconciliao baseia-se na definio do mine call factor (MCF) e
sua aplicao s estimativas dos modelos de longo e de curto prazo. O MCF expressa a
diferena entre a produo prevista pelos modelos e a produo registrada na usina e,
portanto, sua aplicao permite corrigir futuras estimativas. Esta uma prtica de
reconciliao reativa. Entretanto a aplicao desses fatores s estimativas dos
modelos pode mascarar as causas dos erros responsveis pelas discrepncias
observadas. 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. Este o conceito de prognosticao, ou reconciliao prativa, um processo iterativo de recalibrao constante dos dados de entrada e dos
clculos. Portanto a prognosticao permite uma correo das metodologias de coleta
de dados, e no, simplesmente, uma correo das estimativas dos modelos. O presente
trabalho analisa as prticas de reconciliao realizadas em uma mina de ouro no Brasil
e sugere um novo protocolo de amostragem, com base nos conceitos de
prognosticao.

2-RECONCILIAO
2

A reconciliao uma atividade desenvolvida na maior parte das empresas de

minerao e pode ser definida como a comparao entre uma estimativa e uma
medio, ou seja, entre os teores de minrio estimados pelos modelos da jazida e os
teores produzidos na usina de beneficiamento. Grandes discrepncias entre esses
valores so um problema comum em diversas minas de ouro e de metal bsico no
mundo, fazendo-se necessria a adoo de estratgias que minimizem esse problema.
Historicamente, a reconciliao tem sido realizada de maneira reativa, i.e.,
comparando-se os valores de produo com os valores estimados pelos modelos e
aplicando-se fatores, tais como o mine call factor (MCF), a estimativas futuras, na
tentativa de melhorar a previso do desempenho de uma operao. Entretanto,
conforme observou Morley (2003), esta no melhor prtica industrial de
reconciliao. Uma prtica correta de reconciliao deve ser realizada de maneira prativa, i.e., identificando as causas das varincias observadas e modificando as
metodologias de coleta de dados e os processos. S assim podem ser tomadas aes
que reduzam a varincia a um nvel aceitvel.
A prognosticao uma alternativa reconciliao e permite ajustar os processos de
modo que os resultados estejam sempre dentro de limites aceitveis. Os erros so
analisados com a finalidade de se tomarem aes corretivas para assegurar que a
diferena entre os valores estimados e os valores medidos seja mnima. Dessa maneira,
as estimativas tornam-se previses - ou prognsticos - e podem formar uma base para
a tomada de decises, assegurando que o que acontecer no futuro corresponde ao que
foi planejado no presente.
A reconciliao vista como um teste de qualidade das estimativas dos modelos,
porm, sem uma amostragem adequada, capaz de gerar dados confiveis, qualquer
anlise perde o sentido. Um ato correto de amostragem requer que todas as partculas
pertencentes a um determinado lote tenham a mesma chance de ser extradas
(Franois-Bongaron & Gy, 2002). Esse tipo de amostragem denomina-se amostragem
no-enviesada. Devido falta de conhecimento dos fundamentos da teoria da
amostragem, muitas empresas perdem milhes de dlares por ano com problemas de
3

reconciliao. Estudos demonstram que mesmo pequenas melhorias na amostragem

resultam em melhorias significativas nos resultados de uma operao.
O trabalho apresentado a seguir tem por objetivo desenvolver um sistema integrado de
reconciliao pr-ativa, ou prognosticao, fundamentado no processo iterativo de
anlise de varincias e correo de metodologias de coleta de amostras. Com base
nesse sistema, so propostas alteraes no protocolo de amostragem de um
empreendimento mineiro, visando a diminuir os erros de amostragem, aumentar a
confiabilidade nos dados e melhorar as estimativas dos modelos.
2.1-Materiais e mtodos
Segundo Crawford (2004), a reconciliao no deve, simplesmente, avaliar os modelos
de recursos e de controle de teor com base no produto final. Na prtica, cada etapa da
operao deve ser examinada seqencialmente: do modelo de recursos para a mina, da
mina para a usina (mine-to-mill) e da usina para a metalurgia ou produto final. O
presente trabalho est focado na segunda etapa de reconciliao, ou seja, na etapa de
comparao entre os teores da lavra e os teores alimentados na usina.
As estimativas para o planejamento de curto prazo so, em geral, baseadas 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 pequeno,
resultando em uma densidade de amostragem relativamente alta, e (b) j que os furos
tm que ser perfurados de qualquer maneira, no h custo adicional de perfurao. O
problema mais srio da amostragem de furos de desmonte 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
subestimativa ou a uma superestimativa do teor do minrio (Snowden, 1993). O
enviesamento da amostragem , provavelmente, o erro mais difcil de se medir e,
certamente,

merece

uma

considerao

especial.

Segundo

Gy

(1998),

"a

heterogeneidade vista como a nica fonte de todos os erros de amostragem" e a

nica condio na qual um conjunto de unidades pode ser observado na prtica.
O planejamento de curto prazo anteriormente realizado na mina em estudo baseava-se
na amostragem manual por p. Porm esse tipo de amostragem no correta, pois
pressupe que as partculas dispostas nas pores inalcanveis pela p apresentem as
mesmas caractersticas de qualidade das partculas dispostas nas pores mais externas
e superficiais da pilha. Assim, na amostragem manual por p, alm da variabilidade
existente entre as partculas, os erros de amostragem so influenciados pela disposio
das partculas no interior do lote. Em conseqncia, a preciso da amostragem manual
no pode ser estimada, tornando-a no confivel (Grigorieff et al., 2002).
O procedimento experimental adotado objetivou minimizar os erros anteriormente
descritos, desenvolvendo um amostrador que pudesse reduzir a perda de finos e
aumentar a representatividade das amostras. A alternativa escolhida foi a utilizao de
um amostrador setorial estacionrio, proposto por Pitard (1993), colocado ao redor do
furo de desmonte. Esse tipo de amostrador minimiza os riscos de contaminao do
material e os erros cometidos na amostragem manual. Ao amostrador proposto por
Pitard, foi sugerida uma modificao visando a minimizar a perda de finos, um
problema constante na amostragem de furos de desmonte. Essa modificao consistiu
em adicionar uma cpula semi-esfrica ao amostrador, de modo que todo o material
proveniente do furo pudesse ser coletado, diminuindo, assim, o enviesamento das
amostras. A cpula foi construda em material acrlico e possui a forma de uma semiesfera, respeitando as condies de correo de extrao da amostra. O amostrador
proposto est ilustrado na Figura 1.

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

demonstram que mesmo pequenas melhorias na amostragem resultam em melhorias

significativas nos resultados de uma operao. Os equipamentos de amostragem, ou
amostradores, por sua vez, devem ser projectados de modo a garantir amostras no-enviesadas. E
as tcnicas de amostragem devem se basear em teorias que permitam minimizar os erros de
amostragem, garantindo a colecta de amostras representativas. Nesse sentido, as tcnicas
estatsticas e geoestatsticas so uma ferramenta poderosa, pois permitem analisar os erros
associados amostragem utilizando variogramas e funes auxiliares. 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).

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.

3.3-O Conceito QA-QC

Uma vez que os pontos de medio para o clculo de reconciliao estejam definidos, deve-se
garantir que seja realizado um nmero suficiente de medies para permitir o controle e o
monitoramento da confiabilidade dos dados (preciso e acurcia), principalmente no caso da
amostragem. Isto requer o estabelecimento de um sistema de garantia de qualidade ( quality
assurance , ou QA) e de procedimentos de controle de qualidade (quality control, ou QC). Este
o chamado sistema QA-QC. A garantia de qualidade conseguida pelo estabelecimento e
documentao de sistemas e padres para garantir a qualidade a um nvel mais abrangente. O
controle de qualidade utiliza ferramentas estatsticas para assegurar que os sistemas esto
estatisticamente controlados a um nvel mais especfico. Um sistema QA-QC bem projectado e
implementado por exemplo um bom sistema de reconciliao no deve adicionar uma carga
de trabalho extra equipe tcnica. Os processos devem ser automatizados e os mais
transparentes e acessveis possvel, de modo que se possa despender mais tempo na interpretao
dos resultados do que na comparao entre os dados. Como veremos mais adiante, os dados no
so informaes at que eles sejam apresentados de uma maneira til (Nopp, 2004).

3.4-O conceito mine-to-mill

Na ltima dcada, tem-se envidado esforos contnuos para se reduzirem os custos de um
empreendimento mineiro, ao mesmo tempo em que os custos dos suprimentos e servios
continuam a crescer e os preos do produto final tendem a cair. Neste contexto, alguns
profissionais decidiram integrar os processos de minerao, desde a geologia at a moagem,
utilizando a tecnologia da informao para fornecer aos operadores da usina informaes
acuradas sobre a qualidade do minrio. Com esta abordagem, esses profissionais conseguiram
reduzir a variabilidade do teor do material alimentado no moinho, aumentando sua
previsibilidade. E, assim, eles puderam visualizar o processo como um todo, e no cada parte
11

isoladamente. O resultado dessas operaes foi um aumento de 2 a 5% na recuperao e de at

2% no teor do concentrado (Imrie, 2001).
O objectivo de se introduzir o conceito mine-to-mill mostrar os benefcios de se transformar
dados desordenados e desconexos em dados ordenados e consistentes, que permitam criar um
sistema integrado que se estenda da geologia metalurgia. A reconciliao entre a mina e o
moinho ( mine-to-mill), consiste na prtica de se compararem as estimativas de produo
baseadas em dados da mina com as estimativas de produo baseadas em dados da moagem e, a
partir dos resultados, sugerir medidas que minimizem a discrepncia entre as estimativas. Em
geral existe uma discrepncia relevante entre as estimativas da mina e as estimativas do moinho.
Normalmente a mina conta com amostras de furos de desmonte para o desenvolvimento de
modelos de controle de teor. Estes modelos, do mesmo modo que os modelos de recursos, so
estimativas e, portanto, esto sujeitos aos problemas comuns da estimao. Como visto
anteriormente, as estimativas do moinho so consideradas mais acuradas que as da mina e,
portanto, na maioria dos casos elas so a base para os clculos de reconciliao. Estas
estimativas so consideradas mais acuradas por diversas razes (Crawford, 2004):
1.Uma das dificuldades mais comuns da amostragem a colecta de amostras com
distribuies de tamanho semelhantes. Na moagem, as amostras so colectadas aps a
cominuio, o que minimiza este problema.
2.Os fluxos do produto da moagem podem ser mais facilmente amostrados a intervalos
regulares.
3.Os sistemas de controle de processos dos moinhos modernos, com analisadores de
fluxo e amostradores automticos, permitem o controle total do fluxo de material.
4.H diversas verificaes possveis dentro do moinho, permitindo um balano de massas
mais efectivo, o que nada mais do que uma reconciliao interna. Porm, os moinhos no esto
imunes aos problemas da amostragem. Os resultados dos diversos pontos de amostragem
utilizados no processo de balano de massas da moagem podem conter erros, e as causas tpicas
desses erros incluem: calibrao inadequada das balanas, protocolos inadequados de anlises,
reteno de metal nas bombas (particularmente para o ouro), dentre outros.

12

3.5-As Fontes de Erros

Uma reconciliao bem-sucedida pode ser ilusria. Em muitos casos, erros cometidos em algum
ponto do processo so compensados por erros cometidos em outro ponto, resultando em
reconciliaes excelentes (Crawford, 2004). Porm, isto mascara os enviesamentos do sistema,
que, mais cedo ou mais tarde, podem vir tona. A qualidade dos resultados de reconciliao
depende da qualidade e da confiabilidade dos dados de entrada, ou seja, das estimativas e das
medies. As estimativas dos modelos de recursos so, por si s, dependentes da qualidade das
amostras colectadas e do processo utilizado para gerar as estimativas. As medies realizadas na
mina e na usina, por sua vez, so dependentes da acurcia dos equipamentos de medio, tais
como balanas e medidores de fluxo, e tambm da qualidade das amostras colectadas. Todas
essas medies contm um erro associado, que deve ser identificado e, quando possvel,
minimizado (Nopp, 2004). Segundo Schofield (2001), para muitos profissionais, a reconciliao
o teste final de qualidade das estimativas de massa e teor resultantes dos modelos de reservas e
dos modelos de controle de teor. Entretanto, sem antes termos realizado um diagnstico de todos
os processos geradores de dados para os clculos de reconciliao, no devemos consider-la um
teste final de qualidade, pois diversos factores podem influenciar seus resultados, como as
prticas inadequadas de amostragem e de seleco de minrio na lavra. A discusso a seguir foi
baseada essencialmente em Schofield (2001).

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.

4.1-Mtodos de Seleo de Minrio

Grandes diferenas entre a produo esperada (a partir da estimativa de reservas) e a produo
verdadeira so comuns na indstria mineral. Uma das razes pelas quais a lavra no produz os
valores estimados pelos modelos de reservas e de controle de teor que, em muitas operaes
mineiras, quantidades significativas de minrio so descartadas como estril, devido a prticas
inadequadas de seleco de minrio. Quando os contactos minrio/estril so bem visveis, os
operadores podem facilmente classificar minrio e estril, enviando-os ao seu destino correcto.
Entretanto, quando esses contactos no so visveis, torna-se necessrio colectar amostras
representativas e devidamente espaadas, para que se possa estimar esses contactos de maneira
acurada (Bankes et al., 2003). A prtica comum de se retirar uma nica amostra do centro de
cada bloco no garante a acurcia das estimativas desses contactos (Snowden, 1993). Quando
minrio e estril so lavrados e dispostos em pilhas de estocagem ou em bota- foras, uma parte
do estril vai para as pilhas de estocagem (diluio), e uma parte do minrio descartada em
bota-foras. Ambas as classificaes incorrectas de estril como minrio e de minrio como estril
causam uma diminuio do teor produzido e dos ganhos da operao. Entretanto, devido ao fato
de o teor do minrio descartado como estril no ser medido na etapa de moagem, a perda de
metal causada por esta classificao incorrecta no entrar na equao de reconciliao. E, assim,
possvel obter uma boa reconciliao entre o teor estimado e o teor produzido, ao mesmo
tempo em que quantidades substanciais de minrio so descartadas em bota-foras. Nos ltimos
10 anos, uma grande quantidade de empresas mineradoras aumentou de 20 a 60% sua produo
de minrio sem alterao do projecto da cava, utilizando apenas mtodos de modelagem
desenvolvidos para optimizar a seleco de minrio.

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.

5-A RELAO VOLUME-VARINCIA

O efeito de regresso causado pela mudana da varincia dos dados. E assim, uma populao
de teores de amostra ter uma varincia maior que uma populao teores de blocos de lavra. Este
fenmeno conhecido como relao volume-variancia, e explica o porque da importncia de se
padronizarem

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.

7-AS CONSEQUNCIAS DOS ERROS

Segundo Thomas e Snowden (1990), a acurcia das estimativas de recursos e dos procedimentos
de controle de teor a base do sucesso de um empreendimento mineiro. Os planejamentos de
longo, mdio e curto prazo so todos dependentes da acurcia das estimativas. Por exemplo, uma
estimativa no acurada pode resultar em:
1. Longo prazo: cava incorrectamente optimizada.
2. Mdio prazo: previses de fluxo de caixa no acuradas.
3. Curto prazo: definies incorrectas de minrio e estril a partir do modelo de controle
de teor.
Ainda segundo esses autores, diversas minas de ouro na Austrlia sofrem com problemas de
reconciliao entre as estimativas de produo e os teores realmente alimentados no moinho. E
isto frequentemente se deve a uma deficincia do controle geolgico e da amostragem para fins
de controle de teor. Uma das principais razes de estimativas incorrectas a desconsiderao de
um ou mais itens a seguir:
1. A distribuio estatstica dos dados de amostragem.
2. A continuidade espacial dos dados de amostragem.
3. O efeito de regresso e a relao volume-varincia.
19

4. O grau de selectividade da lavra (i.e. diluio).

5. A seleco de um mtodo de estimativa apropriado para o clculo de massa e teor
recuperveis.

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

A reconciliao pode trazer benefcios significativos a um empreendimento mineiro. evidente

que os erros de amostragem esto longe de ser eliminados por completo, mas um passo inicial foi
dado, e as melhorias foram demonstradas. A minimizao dos erros que no podem ser
eliminados e a aplicao de protocolos capazes de eliminar os restantes, so as ferramentas que
nos permitem criar um modelo cujas estimativas sejam previses, ou prognsticos, assegurando
que os resultados futuros correspondam ao planejamento presente.

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