Dissertação

{pt_PT=Classificação estocástica de recursos minerais} {} EVALUATED

{pt=O sector mineiro está associado a um elevado risco relativamente ao retorno do capital investido. De modo a minimizar as consequências no desenvolvimento de projetos, é necessário garantir um conhecimento dos recursos. Atualmente, a classificação destes recursos é feita com base nos teores de corte dos metais, estimados por krigagem (Classificação a priori). Contudo, ao aplicar-se este método de estimação, as classes extremas do histograma tendem a ser subestimados, existindo sempre um enviesamento da quantidade/qualidade dos metais classificados. O objetivo desta dissertação, consiste em apresentar um método alternativo denominado Classificação Estocástica, onde a classificação do minério é feita com base em valores simulados, através da Simulação Sequencial Direta. O critério de classificação dos blocos, é, neste caso, o minério que apresentar a receita líquida (NSR) mais elevada. De modo a comparar a viabilidade económica de ambos os métodos, é apresentado um Estudo de Sensibilidade à variação dos preços dos metais. Os resultados permitem concluir que, em ambas as classificações, a percentagem de minério de cobre é muito superior à percentagem de minério de zinco. Posteriormente, criou-se um cenário onde os teores de zinco foram duplicados tendo sido verificado um decréscimo na percentagem de minério de cobre na Classificação Estocástica. Na Classificação a priori, alguns dos blocos classificados como estéril, passaram a ser classificados como minério de zinco. Relativamente ao Estudo de Sensibilidade, conclui-se que a Classificação Estocástica apresenta quase sempre a receita líquida (NSR) superior à Classificação a priori, embora seja um método de classificação mais conservador. , en=The mining sector is associated with a very high risk relatively to the return of invested capital. To minimize the consequences in projects’ development, it is necessary to guarantee resource knowledge. Nowadays, the classification of these resources is made based on the metals’ cut-off values estimated by kriging (an a priori Classification). However, when applying this estimation method, the histogram’s extreme classes tend to be underestimated and there is always bias in the quantity/quality of the sorted metals. The objective of this dissertation is presenting an alternative method, the Stochastic Classification, where the ore classification is based on simulated values through Direct Sequential Simulation. The ore with the highest net revenue is the adopted criteria to classify the blocks. A sensitivity study to the variation of the metal prices is presented in order to compare the economic viability of both methods. From the results it is possible to conclude that in both classifications, the percentage of copper ore is much higher than the percentage of zinc ore. Subsequently, the creation of a scenario where the zinc grade was doubled led to the decrease of the percentage of copper ore in the Stochastic Classification. However, in the a priori Classification some of the blocks that were classified as waste were now classified as zinc ore. Regarding the sensitivity study, the Stochastic Classification has most of the Net Smelter Revenue (NSR) when compared with the a priori Classification results, although it is a more conservative classification method. }
{pt=Classificação a priori, Classificação Estocástica, Teor de Corte, Net Smelter Revenue, en=A priori Classification, Stochastic Classification, Cut-0ff, Net Smelter Revenue}

Junho 25, 2019, 10:0

Orientação

ORIENTADOR

Amílcar de Oliveira Soares

Departamento de Engenharia Civil, Arquitectura e Georrecursos (DECivil)

Professor Catedrático