Por favor, use este identificador para citar o enlazar este ítem: http://www.repositorio.ufop.br/jspui/handle/123456789/14688
Título : Análise e abordagem preditiva no processo de tratamento de minério de pirocloro.
Autor : Ferreira, Ana Cecilia Rios Porfirio
metadata.dc.contributor.advisor: Araújo, Fernando Gabriel da Silva
Palabras clave : Processos de fabricação
Beneficiamento de minério
Aprendizado de máquina
Algoritmos - clusterização
Cluster - sistema de computador
Fecha de publicación : 2021
metadata.dc.contributor.referee: Araújo, Fernando Gabriel da Silva
Silva, André Carlos
Gameiro, Danton Heleno
Assis, Paulo Santos
Citación : FERREIRA, Ana Cecilia Rios Porfirio. Análise e abordagem preditiva no processo de tratamento de minério de pirocloro. 2021. 81 f. Dissertação (Mestrado em Engenharia de Materiais) – Escola de Minas, Universidade Federal de Ouro Preto, Ouro Preto, 2021.
Resumen : Dada a frequente variação das propriedades minerais ao longo do depósito de pirocloro de Araxá, ainda que realizado um bom trabalho de homogeneização previamente à alimentação dos processos de beneficiamento, é esperada a operação com padrões de qualidade e performance abaixo do desejado, ou mesmo muito acima do previsto. Estes resultados poderiam ser melhorados se determinados os parâmetros de composição do blend que mais influenciam na rota de beneficiamento, e então agrupados os tipos de matérias-prima por estes, apresentando as configurações operacionais de referência ótima para cada grupo. Associar os parâmetros físicos e químicos das operações de beneficiamento mineral à um Benchmark do processo reflete na redução do custo produtivo, otimiza o recurso mineral e promove maior estabilidade nos processos subsequentes da cadeia produtiva que emprega o mineral de interesse. A condução de uma análise exploratória abrangente de dados para identificar quais as características do minério de maior relevância para a rota de processo, associada ao emprego de algoritmos de Aprendizado de Máquinas para o agrupamento da matéria-prima (minério) e associação destes à variáveis de referência no benchmark do processo, é uma alternativa para a padronização e melhoria dos processos de beneficiamento mineral. Métodos de agrupamento foram empregados, associados à algoritmos embasados na teoria de benchmarking, com critérios definidos pela equipe de processos de tal forma à referenciar o melhor momento de operação das pilhas de cada cluster. Foi criada uma interface prática com o usuário para obtenção dos melhores referenciais para ajuste do processo. Os resultados foram aferidos através do tempo médio de adaptação e estabilização do processo após o início do processo de uma nova pilha de minério homogeneizado, bem como o tempo médio necessário para atingimento do melhor resultado de processamento. Foram também aferidos os ganhos diretos com a recuperação metalúrgica do processo. Os resultados foram promissores, sendo observada a redução no tempo de adaptação e estabilização do processo após a transição de pilhas, bem como no atingimento do benchmark. Destaca-se também os ganhos na recuperação metalúrgica, que refletem na redução do consumo de minério e consequente redução dos custos de produção, e como resultados indiretos a racionalização do uso das barragens de rejeito e vida útil do depósito mineral.
metadata.dc.description.abstracten: Given the frequent variation of mineral properties throughout the Araxá pyrochlore deposit, even if a good homogenization work has been carried out before feeding the processing plants, an operation with quality and performance with a high variety standard is expected. These results could be improved and standardized if the blend composition parameters that most influence the processing route are determined, and then the types of raw materials are grouped by them, finally presenting a great reference with operational settings for each group. Associating the physical and chemical parameters of a unit operation though benchmarking or even an optimal reference of metallurgical recovery and product quality reflects in the reduction of the production cost, optimization of the mineral resource and promotion of greater stability in the subsequent processes of the production chain that uses the mineral of interest. Conducting a comprehensive exploratory data analysis to identify which characteristics of the ore are most relevant to the process route, associated with the use of Machine Learning algorithms for grouping the raw material (ore) and associating these with reference variables in the process’ benchmark is a reasonable alternative for the standardization and improvement of mineral processing units. Clustering methods through Decision Tree and K-Means were employed, associated with algorithms based on the theory of benchmarking, with criteria defined by the process team in order to reference the best moment for processing the ore piles of each cluster. A clean user interface was created to obtain the best references for adjusting the process. The results were measured taking as reference the average time of adjustment and stabilization of the process after the start of the process of a new pile of homogenized ore, as well as the average time needed to achieve the best processing result. Direct gains from the metallurgical recovery of the process were also measured. The results were promising, with a reduction in the adjustment time and stabilization of the process when starting the process of a new ore pile, as well as reaching the benchmark. Also noteworthy are the gains in metallurgical recovery, which reflect a significant saving in ore consumption and a consequent reduction in production costs, hence the rationalization of the use of tailings dams and life of the mineral deposit.
Descripción : Programa de Pós-Graduação em Engenharia de Materiais. Departamento de Engenharia Metalúrgica, Escola de Minas, Universidade Federal de Ouro Preto.
URI : http://www.repositorio.ufop.br/jspui/handle/123456789/14688
metadata.dc.rights.license: Autorização concedida ao Repositório Institucional da UFOP pelo(a) autor(a) em 10/03/2022 com as seguintes condições: disponível sob Licença Creative Commons 4.0 que permite copiar, distribuir e transmitir o trabalho, desde que sejam citados o autor e o licenciante. Não permite a adaptação.
Aparece en las colecciones: REDEMAT - Mestrado (Dissertações)

Ficheros en este ítem:
Fichero Descripción Tamaño Formato  
DISSERTAÇÃO_AnáliseAbordagemPreditiva.pdf4,31 MBAdobe PDFVisualizar/Abrir


Este ítem está sujeto a una licencia Creative Commons Licencia Creative Commons Creative Commons