Realizou-se análise química em cada uma das amostras estudadas. Observou-se a presença de FeTotal, FeO, SiO2, Al2O3, Mn, P, CaO, MgO, TiO2 e PPC e a metodologia utilizada para o
estudo da porcentagem de cada um desses elementos na amostra foi, respectivamente, volumetria com cloreto de titânio III e Dicromato de Potássio para Fe e FeO, gravimetria para SiO2,
espectrometria de emissão através de plasma acoplado indutivamente para Al2O3, Mn, P, CaO,
MgO, TiO2 e calcinação a 1000ºC para PPC. 4.4. Granulometria
As granulometrias das amostras foram obtidas na alimentação e no produto após cada tempo de moagem estabelecidos. É importante mencionar que os valores foram obtidos utilizando-se peneiras com até 400# Tyler.
4.5. Mineralogia
Foram realizadas análises mineralógicas das amostras em estudo através de microscopia óptica. Para tanto, estudou-se a distribuição mineralógica por faixa granulométrica, considerando-se os constituintes hematita especular, hematita granular (considerada para os modelos como a soma das hematitas martíticas granulares e sinuosas, advindas de processo hidrotermal), hematita martítica (considerada para os modelos como toda a hematita martítica porosa, produzida por meteorização), goethita, magnetita, quartzo (considerado como a soma das partículas mistas e das liberadas), caulinita, gibsita e óxidos de manganês. As partículas foram também quantificadas quanto às porcentagens monocristalina e policristalina dos grãos e seus tamanhos.
4.6. Porosidade
A área total de uma partícula é o somatório da área superficial externa e a área superficial interna, a qual é definida pela quantidade, formato e tamanho dos poros existentes. Segundo Pena, (2002), os poros podem ser classificados como micro – possuem largura interna menor que 2nm, meso – possuem largura interna entre 2 e 50 nm e macro – possuem largura interna maior que 50nm. Quanto ao tipo de poro, estes podem ser abertos – cavidades ou canais se conectam com a superfície do sólido; fechados; cegos – que apresentam uma das extremidades fechadas; interconectados e contínuos – abertos em ambas as extremidades.
A técnica utilizada neste trabalho é denominada B.E.T (Brunauer, Emmett e Teller foram seu criadores) com o cálculo por adsorção de nitrogênio que permite determinar o volume total e a distribuição de poros nas partículas de minério de ferro. Essa técnica se caracteriza pela adsorção de um gás na superfície do material em estudo. A adsorção é um fenômeno de acúmulo de moléculas gasosas na interface gás-sólido quando uma superfície sólida limpa se encontra em contato com uma fase gasosa ou vapor (gás abaixo da temperatura crítica e, portanto, condensável), como resultado das forças de Van der Walls entre as moléculas de gás e superfície sólida – adsorção física. O fenômeno oposto é denominado como dessorção.
O estudo de porosidade das amostras deste trabalho foi realizado com nitrogênio à temperatura de ebulição, ou seja, 77k. O procedimento consiste em desgaseificar uma massa da amostra, a qual é submetida ao vácuo e a uma determinada temperatura (170ºC), de forma a eliminar possíveis contaminantes que estejam presentes.
Posteriormente, determinam-se os valores de pressão relativa durante o ensaio e a amostra é mantida à temperatura de ebulição do nitrogênio líquido, na qual passará um pequeno fluxo de N2
gasoso.
Quando se atinge a pressão relativa pré-determinada, o volume de N2 adsorvidona superfície
é registrado.
De acordo com Pena (2002), o fenômeno de adsorção de nitrogênio é fortemente dependente das propriedades físicas do material, tal como da estrutura dos poros. São obtidas, com esse ensaio, informações relativas à área superficial específica, o volume total de poros, o tamanho médio dos poros, a distribuição de tamanho dos poros, o volume de microporos e isotermas de adsorção – dessorção.
4.7. Análise Estatística
Neste trabalho foram desenvolvidos modelos estatísticos de regressão linear múltipla utilizando-se o software Minitab, versão 14. Esta modelagem refere-se à elaboração de modelos empregando como variáveis explicativas as características químicas, mineralógicas, de porosidade B.E.T., densidade, granulometria e tamanho dos cristais das diferentes amostras de minérios de ferro. A variável resposta foi o Kb, ou índice de moabilidade, dos minérios.
Inicialmente, realizou-se o estudo da correlação entre as variáveis supracitadas através de uma matriz de correlação que se encontra em anexo e, então, desenvolveram-se diferentes modelos
que pudessem combiná-las entre si e, também, analisá-las separadamente em relação à variável resposta.
Para o desenvolvimento desses possíveis modelos aplicou-se, inicialmente, o método best- subset, o qual realiza e seleciona as melhores combinações possíveis entre as variáveis estudadas, as quais possam gerar modelos estatisticamente corretos. A metodologia utilizada compreende as etapas mostradas na tabela IV. 7:
Tabela IV.7 – Critérios Estatísticos Adotados para Definição dos Modelos Estatísticos
1. Aplicação do método Best Subsets que identifica as possíveis combinações das variáveis explicativas para a geração dos modelos estatisticamente corretos para cada variável resposta analisada;
2. Análise da estatística de Mallows para as possíveis combinações das variáveis explicativas encontradas no best subset para variável resposta em questão, selecionando aquelas que apresentaram valores de C-p menor ou igual a P (número de variáveis mais um);
3. Análise do coeficiente de determinação das possíveis combinações das variáveis explicativas encontradas no best subset, verificando se R2 e R2
ajustado possuem valores próximos e superiores a
90%;
4. Análise de regressão linear múltipla para as possíveis combinações das variáveis explicativas encontradas no best subset que atenderam os critérios descritos acima;
5. Identificação do parâmetro P-Value (nível de significância) para todos os coeficientes de cada equação encontrada, sendo que, todos os valores deste parâmetro deveriam ser menores ou iguais a 0,10 (α descritivo);
6. Verificação dos valores encontrados para a estatística de teste F-Snedecor, a qual identifica se o modelo encontrado é significativo. Para isso, os valores encontrados deste parâmetro devem ser menor ou iguais ao α descritivo apresentado para esta estatística;
7. Análise residual para todos os modelos que se adequaram aos critérios mencionados acima. Foi realizado o teste de normalidade dos erros, plotando o gráfico de probabilidade normal dos resíduos mostrando um bom ajuste dos pontos no gráfico;
8. Realizou-se o gráfico dos resíduos padronizados em função dos valores estimados para cada variável resposta em questão, análise do histograma dos resíduos padronizados e gráficos dos resíduos padronizados em função dos valores estimados.
5. Resultados e Discussão