Contribuições iniciais à modelagem geometalúrgica de uma mina de ferro por meio de análises estatísticas multivariadas.

Abstract

A inserção de variáveis relacionadas à geometalurgia em um modelo de blocos caracteriza a modelagem geometalúrgica, que por sua vez, possibilita identificar previamente a variabilidade do comportamento no processamento mineral. Para lidar com as diversas variáveis estudadas em um programa de geometalurgia, é comum a aplicação de técnicas de estatística multivariada, com o objetivo de identificar domínios geometalúrgicos e padrões relevantes que auxiliem na previsibilidade do minério. Este estudo explora os resultados preliminares de um banco de dados geometalúrgico em desenvolvimento utilizando técnicas estatísticas multivariadas como contribuição à modelagem ao desenvolver modelos preditivos, por meio de regressão linear multivariada, para a recuperação mássica na concentração de itabiritos de uma mina de ferro. Utilizando os teores globais das amostras de itabiritos, foi possível aplicar a análise de componentes principais (PCA) que revelou uma variabilidade de aproximadamente 81% explicada pelas duas primeiras componentes principais. A técnica de agrupamento (clusterização) pelo algoritmo do k-means, evidenciou padrões importantes em três agrupamentos - ao relacioná-los com a litologia e qualidade do material. O grupo 1 apresentou a maior média para a variável de interesse, a recuperação mássica, enquanto o grupo 3 apresentou a menor média e pior desempenho. A análise estatística de variância (ANOVA) revelou diferenças estatisticamente significativas em relação à média da recuperação mássica e a análise multivariada de variância (MANOVA) revelou o mesmo padrão para os teores de Fe e SiO2. Os modelos desenvolvidos para os agrupamentos 1 e 2 indicam que as variações da recuperação mássica para as litologias presentes nesses grupos podem ser explicadas pelos teores globais, com destaque para o cluster 1, que apresentou o melhor resultado (com R2 de 99,42% e R2 preditivo de cerca de 92%), embora seja limitado pela quantidade de amostras. Considerando todos os itabiritos de maneira geral obteve-se um modelo com com R2 de 82%, R2 ajustado de aproximadamente 80% e R2 preditivo de 77%, tendo SiO2_gl e PPC_gl como variáveis preditoras. O modelo sugere que os teores explicam bem a variável geometalúrgica de interesse nesse trabalho, porém recomenda-se que novos estudos sejam feitos com outras características do material como a granulometria e mineralogia.