3. Results
3.4 Similarities and differences in species response to temperature
Neste trabalho procurou-se estudar formas de introdução da densidade e sua conversão em massa ou tonelagem no cálculo de reservas na mina de minério de ferro de Brucutu da empresa Vale S. A. Ênfase foi dada na densidade de litologias de minério de ferro que é o metal de interesse na mina do estudo de caso. Mas a densidade de outras litologias não deixa de ser importante em muitos outros cálculos envolvendo movimentação de massa que afeta o dimensionamento da capacidade da usina, vida útil da mina, dimensionamento dos equipamentos de transporte dos diversos tipos de materiais e principalmente no retorno financeiro de um projeto de mineração.
Os resultados se restringiram principalmente às litologias de Itabirito Friável e de Hematita Friável que são as litologias de minério mais frequentes na mina de Brucutu e que apresentaram maiores quantidades de informações medidas de densidade em relação à outras litologias no banco de dados disponíveis. A litologia de Canga apresentou também uma boa quantidade de dados, mas a maioria destas informações estava fora do modelo de blocos disponibilizado para se fazer as estimativas.
A quantidade de dados disponíveis de densidade e como elas estão distribuídas espacialmente afeta a quantidade de blocos a serem estimados com um razoável nível de confiança ou qualidade. Em termos de comparação de métodos de estimativas procurou- se trabalhar com estimativas mais confiáveis produzidas a partir do uso sensato de critérios de definição das vizinhanças de estimativas juntamente com modelos de variogramas obtidos por meio de uma análise estrutural adequada à quantidade de informações disponíveis.
Mesmo assim, a quantidade de informações de densidade em comparação com informações de qualidade (teores) é muito pequena. Não é comum se fazer muitas amostragens e medições de densidade, que são mais demoradas e caras, até em casos onde ela pode variar muito para um mesmo tipo litológico como nas litologias estudadas.
No caso da KO que utiliza somente as informações disponíveis de densidade medida, poucos blocos do modelo de blocos foram estimados, cerca de 4.47% do total de blocos. Nos dois métodos de cokrigagem utilizados em que além da densidade medida se utilizou de informações de teores de ferro presentes em amostras de furos de
sonda, a quantidade melhorou, cerca de 20.80% e 28.68%, pouco ainda em relação ao total. A cokrigagem é dependente também do número de dados medidos de densidade e como eles estão distribuídos, apesar de utilizar também informações da variável secundária, teor de ferro, existentes em maior quantidade e mais bem distribuídas espacialmente em relação aos blocos a serem estimados. A quantidade de dados de densidade e sua distribuição espacial afeta também a análise estrutural, tornando difícil por exemplo, a identificação da presença de anisotropias que poderia melhorar a análise estrutural.
Como a distribuição espacial dos teores de ferro é bem melhor do que os dados medidos de densidade, estimou-se a densidade nas amostras de furos de sonda com informações de teores através de regressão e do processo envolvendo cálculo normativo para a estimativa da densidade mineralógica. Nestes casos o percentual de blocos estimados foi para 57.85%.
Ao se comparar individualmente as massas de ferro estimadas dos blocos pelos diferentes métodos verificou-se grandes diferenças entre elas, inclusive para o método tradicional de se considerar a densidade média por litologia. Em termos globais as diferenças não foram grandes.
A estimativa de valores de densidade através do cálculo normativo demonstrou ser uma opção muito atraente, pois basta o conhecimento da densidade mineralógica e de valores medidos de porosidade. A densidade mineralógica é facilmente calculada conhecendo-se a composição mineralógica obtida por cálculo normativo aplicado sobre a composição química que normalmente é conhecida. A densidade natural pode variar muito dependendo da porosidade, mesmo para um mesmo tipo litológico. Para se passar da densidade mineralógica para a densidade natural é preciso conhecer a porosidade e a saturação dos poros. A saturação influencia menos do que a porosidade. Se ela não for medida pode ser assumida um valor constante, porém adotar um valor médio constante por litologia para a porosidade pode conduzir a uma correlação fraca entre a densidade calculada via densidade mineralógica e a densidade natural. É sabido que o coeficiente de correlação entre elas deve ser alto.
O conhecimento de valores de porosidade e sua distribuição espacial pode ser utilizada para se estimar a porosidade em locais onde ela não foi amostrada e contribuir muito para o cálculo da densidade natural via densidade mineralógica.
É comum a densidade de minérios metálicos dependerem do seu conteúdo metálico, como em minas de ferro. Embora a densidade tenha sido estimada por regressão em amostras onde o teor de ferro é conhecido, mas não a densidade, as correlações entre densidade natural e teor de ferro se mostraram baixas para as litologias estudadas, indicando que o teor de ferro sozinho não é suficiente para explicar uma boa parcela da variabilidade da densidade natural. Provavelmente se a porosidade fosse incluída na regressão junto com o teor de ferro, ter-se-ia obtido uma correlação e consequentemente uma regressão melhor.
Os valores individuais das estimativas de densidade nos blocos por meio da densidade mineralógica e por regressão deram próximos, provavelmente devido ao fato de se utilizar uma porosidade média para transformar a densidade mineralógica em natural.
Para a conversão de valores de densidade em massa de ferro nos blocos utilizando- se o método direto que trabalha com variáveis acumuladas e o método indireto que trabalha com as variáveis densidade e teor de ferro separadamente, verificou-se que ambos os métodos forneceram resultados muito parecidos, tanto para as densidades calculadas via regressão quanto para as densidades obtidas via cálculo normativo, indicando que qualquer método pode ser usado.
REFERÊNCIAS
ALMEIDA, Tiago. A perfilagem Geofísica Gama-Gama em Depósitos de
Ferro do Quadrilátero Ferrífero : Uma Ferramenta para Medições de Densidade de Rochas. 2011. 181 p. Dissertação (Mestrado em Engenharia)-
Escola de Engenharia, Universidade Federal do Rio Grande do Sul (UFRGS), Porto Alegre, 2011.
AYLMER, JAMES A.; MATHEW, P. JOSEPH; WYLIE, ALAN W. Bulk
density of stratified iron ores and its relationship to grade and porosity. Proceedings of the Australasian Institutetute of Mining and Metallurgy,
Austrália, 01 mar. 1978. 265, p. 9.
ARROYO, Carlos Enrique. Uma utilização de Simulação Geoestatística no
Tratamento de Incertezas no Planejamento de Mina . 2008. 149 p. Dissertação
(Mestrado em Engenharia Mineral)- Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2008.
ARROYO, Carlos Enrique. Caracterização geometalúrgica e modelagem
geoestatística da Mina de Brucutu – Quadrilátero Ferrífero (MG). 2014. 180
p. Tese (Doutorado em Ciências Naturais) - Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2014.
ARSENEAU, G. J. Estimation of bulk density for mineral resource reporting. SRK Consulting (Canada) Inc , Vancouver, Canada, p. 1-8, jan. 2013.
BEVAN, P. A. The weighting of assays and the importance of both grade and
CARRASCO, Pedro; CHILÈS, Jean-Paul; SÈGURET, Serge. Additivity,
metallurgical recovery, and grade. In: International Geostatistics Congress
(GEOSTATS), 8., 2008, Chile. ADDITIVITY, METALLURGICAL RECOVERY, AND GRADE ... Chile: [s.n.], 2008. p. 23-26.
C.V. DEUTSCH AND A.G. JOURNEL, 1998, GSLIB: Geostatistical Software
Library and User's Guide. Segunda edição. Oxford University Press, 369 p.
C.V. DEUTSCH, 2002, Geostatistical Reservoir Modeling, Oxford University Press, 376 p.
DADSON, A. S. Ore estimates and specific gravity. In: Ore reserve
estimation and grade control, CIM special v. 9, Montreal, 1968. p. 3-4.
DIAS, Paulo Mauricio. O uso da densidade nas estimativas de teores de cobre
e os impactos observados na reconciliação . 2012. 119 p. Dissertação (Mestrado
em Engenharia)- Escola de Engenharia, Universidade Federal do Rio Grande do Sul (UFRGS), Porto Alegre, 2012.
EMERY, Xavier. Cokriging random fields with means related by known linear combinations. Computers & Geosciences , [S.l.], n. 38, p. 136-144, jun. 2011.
GOOVAERTS, Pierre. Geostatistics for Natural Resources Evaluation. New York: Oxford, 1997. 477 p.
ISAAKS, E.H. & SRIVASTAVA, R.M. An introduction to applied
geostatistics. New York, Oxford University Press, 1989. 561p.
KRIGE, D. Lognormal-de Wijsian Geostatistics for Ore Evaluation.
Johannesburg: South Africa Institute of Mining and Metallurgy, Monograph
LAINE, E. Kriging estimation of block densities in Ahmavaara PGE-deposit. In:
International symposium on application of computers and operations research in the minerals industries, 31., 2003, Cape Town: South African
Institute of Mining and Metallurgy, 2003. p. 367-371.
Lipton, T., (2000). Modelling bulk density: The importance of getting it right.
Proceedings, Fourth International Mining Geology Conference. Australasian
Institute of Mining and Metallurgy, 291-297.
MAKHUVHA, M. ; ARELLANO, R. M.; HARNEY, D. M. W. In: International Mining Geology Conference, 9., 2014, ADELAIDE, SA. Determination of Bulk
Density in Anglo American plc, Methods and Impacts, with a Case Study from Los Bronces Mine. The Australasian Institute Of Mining And Metallurgy,
2014. p. 85-95. v. 1.
MOTTA, Eduardo et al. Incorporating mineralogical and density parameters
in ferrous resource evaluation using mineralogical norm calculation – MNC.
In: World Mining Congress, 24., 2016, Rio de Janeiro/ Brazil. 24th World Mining Congress PROCEEDINGS – INNOVATION IN MINING. Rio de Janeiro/ Brazil: IBRAM, 2016. p. 209-220.
NEL, D. A Logical Approach to Determination of Density and Porosity Values for Iron Ore Deposits. In: Iron Ore Conference, 6., 2007, Perth, WA, Austrália. A
Logical Approach to Determination of Density and Porosity Values for Iron Ore Deposits. Australasian Institute Of Mining & Metallurgy (AusIMM), 2007.
p. 141-146.
QUEIROZ, L. A. Caracterização de minérios da Mina de Brucutu, Vale,
focada na previsibilidade das operações de concentração mineral. Belo
Horizonte: Escola de Engenharia da UFMG, 2008. 355p. (Tese, Doutorado em Engenharia Metalúrgica e de Minas).
Relation Between Specific Gravity and Iron Content of Rocks from The Red Mountain Formation, Alabama. Perth, WA, Austrália: U.S.Government
Printing Office Washington, D.C., 1964.
SALINAS, Ignácio . Estimación de recursos en un yacimiento de fierro. 2012. 73 p. Monografia (Engenheiro Civil de Minas)- Facultad de Ciencias Físicas y Matematicas , Universidad De Chile, SANTIAGO DE CHILE, 2012.
SAMPLING, 2014, Perth, WA, Austrália. Bulk Solids Sampling. Perth, WA, Austrália: [s.n.], 2014. 179 p.
SANTOS, Pedro. Estudo de Densidade de Rochas e Comparação de Técnicas
de Medição, na Região do Quadrilátero Ferrífero Minas Gerais, Brasil. 2006.
70 p. Monografia (Geografia)- Curso de Geografia, Instituto Superior de Educação de Itabira, Itabira, 2006.
SCHOFIELD, N A, 2001. Determining Optimal Drilling Densities for Near Mine Resources, in Mineral Resource and Ore Reserve Estimation – The AusIMM
Guide to Good Practice (Ed: A C Edwards), pp293–298 (The Australasian
Institute of Mining and Metallurgy: Melbourne).
SINCLAIR, Alaistair J.; BLACKWELL, Garston H. Grade Tonnage Curves. In:
Applied Mineral Inventory Estimation . 2002. ed. The Edinburgh Building,
Cambridge CB2 2RU, UK: Cambridge, 2004. cap. 12, p. 255-267
VALE, S. A. Vale comemora 10 anos da Mina de Brucutu . Disponível em: <http://www.vale.com/brasil/PT/aboutvale/news/Paginas/cale-comemora-10- anos-mina-brucutu.aspx>. Acesso em: 05 jul. 2017.
VALE, S. A. Vale atinge recorde de produção de minério de ferro no primeiro
trimestre de 2017. Disponível em:
<http://www.vale.com/brasil/pt/aboutvale/news/paginas/1q17-production- report.aspx>. Acesso em: 05 jul. 2017
VALLÉ, M.; COTÊ, D. The Guide to the Evaluation of Gold Deposits:
Integrating Deposits Evaluation and Reserve Inventory Practices. CIM