| Summary: | O principal objetivo do planejamento mineiro é determinar a distribuição de quantidade e qualidade do minério ao longo de uma sequencia de tempo, ou seja, determinar o minério necessário para tornar o projeto técnica e economicamente viável. Esse sequenciamento é fundamental para o sucesso financeiro de uma atividade de mineração e, atualmente, este sequenciamento ideal pode ser obtido por meio de vários aplicativos computacionais de mineração. Cada um deles têm suas particularidades que geralmente não são levadas em conta. As alterações resultantes de modelos diferentes de cava final podem ter impacto significativo sobre o sucesso da empresa tanto financeira quanto operacionalmente. A maioria dos estudos de planejamento de lavra apresenta a cava final calculada por um único algoritmo escolhido pelo engenheiro de projeto, devido à disponibilidade ou conhecimento em determinado aplicativo computacional. É importante que se tenha em mente que o objetivo do planejamento de lavra a longo prazo é definir os limites de cava final e o projeto de exaustão para um depósito mineral com base em uma função benefício, considerando fundamentalmente as receitas e os custos envolvidos desde a lavra até o processo e comercialização do produto. Além disso, restringe aspectos técnicos e geométricos do projeto, como ângulos de inclinação dos taludes, alturas de bancada, quantidades e teor de minério, bem como sua distribuição espacial, além da procura pelo máximo valor presente líquido, é necessário na tarefa de otimização de cava. Existem muitos algoritmos implementados em diversos programas comerciais para o cálculo da cava final e sequenciamento de longo prazo e, neste sentido, um dos objetivos deste trabalho é verificar a eficácia dos algoritmos que obtiveram maior reconhecimento dentro da indústria mineral, além de verificar se existem diferenças relacionadas com o tipo de mineralização e depósito onde eles são aplicados. A comparação é realizada usando dois programas comerciais e dois algoritmos diferentes para determinar se as diferenças podem ser observadas para tipos de mineralização distintos foi feita a implementação de dois algoritmos em modelos de blocos tridimensionais estimados e analisados para três tipos de depósito, um corpo de minério de cobre, um grande depósito de fosfato ígneo e uma mineralização aurífera, de espessura pequena relativamente à extensão em profundidade, apresentando um mergulho subvertical. === The main objective of mine planning is to determine ore quantity and quality distribution along a time sequence, i.e., scheduling the ore necessary to make the project technically and economic viable. These temporal sequences are fundamental for the financial success of a mine activity and presently this optimal sequence can be obtained through various mining software. Each of them has its particularities which generally are not taken into account. Changes resulting from different final pit models can have significant impact on the success of enterprise both financial and operational. Most studies in mine planning present the final pit calculated by only one algorithm chosen by the author, due to software availability or knowledge. The goal of the long-term mine planning is to define the boundaries of final pit for mine based on a profit function considering selling price discounted from mining and processing costs. Besides, technical constrains and geometrical aspects of the project, such as slope angles, bench heights, ore grade quantities and spatial distribution, looking for maximum net value are also necessary for the pit optimization task. There are many algorithms implemented in various commercial softwares for the ultimate pit calculation and one of the purposes of this work is to check the effectiveness of the algorithms that obtained greater recognition within the mineral industry and if there are differences related to the type of mineralization and deposit where they are applied. The comparison is performed using the two commercial softwares, and two different algorithms to determine if differences can be observed to different mineralization types. The implementation of the two algorithms in three-dimensional block models estimated and analyzed for three types of deposits: a massive copper orebody, a large igneous phosphate and a subvertical gold vein type.
|
|---|
