Análise de sensibilidade das estimativas ao erro amostral, posicional e suas aplicações

Abstract

Desde que um depósito mineral apenas terá sua geometria e propriedades reais conhecidas após a completa extração e processamento, é necessário o emprego de modelos e estimativas ao longo da vida do projeto para seu correto planejamento. Estimativas são fortemente afetadas pela qualidade dos dados, o que torna fundamental seu controle e certificação. Tal necessidade levou à industrial mineral a adotar controles e procedimentos que meçam e garantam a qualidade da informação. Esses controles para amostragem e análises laboratoriais são baseados em valores de tolerância máxima de erros tipicamente baseada na literatura ou tidos como boas práticas, apesar de tais valores não levarem em conta a precisão e acurácia necessária em um dado projeto ou características especificas de um projeto. Nesse contexto se propõe, através da análise de sensibilidade, uma metodologia que mensure como os erros analíticos e/ou locacionais se propagam às estimativas. Assumindo a base de dados inicial como isenta de erros, outras bases são geradas pela adição de incerteza; as curvas de sensibilidades relacionam o impacto das estimativas à incerteza adicionada a cada base de dados. Tais erros são sorteados dentro de uma distribuição normal com média zero e diferentes desvios-padrões (simulando diferentes níveis de incerteza) para teores e posição espacial. O impacto é medido pela comparação das estimativas com a base se dado sem perturbação e os os modelos derivados de bases perturbadas. Os resultados são apresentandos através de perda/diluição, correlação entre blocos estimados com os dados originais e perturbados e pelo seu desvio médio. A metodologia proposta foi aplicada nos dados de Walker Lake (Nevada-USA) e parte do depósito de bauxita de Miraí (MG-Brazil). Baseado na curva de sensibilidade, pôde-se avaliar impacto na reconciliação diária da mina de Miraí, causada pela incerteza dos dados. Os resultados indicaram que o impacto de erros nas coordenadas tem um comportamento exponencial, onde erros relativos até 10% da dimensão da malha causam um baixo desvio nas estimativas. A incerteza analítica em geral é reduzida na incerteza dos valores krigados. Definindo como aceitável na mina de Miraí que 90% dos blocos devam ter um máximo de incerteza causada pelos dados de 10% para Al2O3 e recuperação mássica e de 30% para sílica reativa, a metodologia proposta definiu uma tolerância para o controle de qualidade das duplicatas de campo respectivamente de 10.9%, 9.5% e 12.5%. Os erros calculados coincidem com os 10% tipicamente sugeridos pela literatura.

Since a mineral deposit only has its exact geometry and properties known after its complete extraction and processing, it is necessary to use models and estimates throughout the life of the project for proper planning. Estimates are strongly affected by data quality; consequently, their control and certification are imperative. This leads the mineral industry to adopt controls and procedures to measure and ensure data quality. These controls used for sampling and lab analysis are based on max error tolerance intervals typically suggested in the literature, however these limits do not take into account the precision and accuracy required in a given project or in a specific mineral deposit. In this context, this dissertation proposes throughout sensitivity analysis a methodology that measures how the analytical and/or locational errors propagate to estimates. It started using an original dataset considered error free, and databases created from it by adding errors. Sensitivity curves relate the impact on block estimate due to the uncertainty added to each database. The samples errors are draw from a normal distribution with zero mean and different standard deviations (emulating different precision levels) for grades and spatial position. The impact is measure by comparing estimates based on an error-free database against the model derived from error added data sets counting blocks affected by loss/dilution, correlation between original block model versus new model with error added to the data and the block mean deviations. The methodology proposed was illustrated using the Walker Lake (Nevada-USA) dataset and part of Miraí bauxite deposit (MG-Brazil). Based on the defined sensitivity curve the impact on the daily grade reconciliation at Miraí mine caused by using a database with error added is assessed. The results indicates that the impact on grade estimation caused by data coordinates uncertainty has an exponential behavior, where relative errors below 10% of the sampling spacing cause low impact on estimated values. The kriging weighted averaging in general mostly reduces the analytical uncertainty. Defining as acceptable for Miraí Mine that 90% of blocks should have errors (caused by poor quality data) lower than 10% related to Al2O3 and for mass recovery and of 30% for reactive silica, the proposed methodology defines a quality control tolerance to field replicate respectively of 10.9%, 9.5% and 12.5%. The defined error limits coincided with the values suggested by literature at 10%.