Diagramas IV

DIAGRAMAS DE PROCESSAMENTO DE MINRIOS
ANLISE DO DIAGRAMA DE TRATAMENTO - 20

3.2 AMOSTRAGEM DE MINRIOS FRAGMENTADOS - Introduo
Teoria Matemtica da Amostragem

Sumrio do Pargrafo

3.2.1 Distribuio de Amostragem.
3.2.2 Amostragem simples de atributos em amostras grandes.
Justificao da aplicao de Lei de Gauss.
3.2.3 Aplicao ao caso dum minrio terico fragmentado.
Mtodo de Hassialis.
3.2.4 Generalizao para o caso dum minrio real fragmentado.
3.2.5 Substituio duma amostra grande por vrias amostras pequenas. Aplicao
ao caso das determinaes granulomtricas.
3.2.6 Clculo da dimenso das amostras pelo Mtodo de Pierre Gy.
3.2.7 Reamostragem sucessiva de amostras de grandes dimenses.
3.2.8 Concluses.

3.2.1 Distribuio de Amostragem

Amostragem a operao que consiste em escolher num todo heterogneo
(dita populao) uma amostra (ou sub-populao) tal que do estudo desta se possa
deduzir o valor de um parmetro da populao.

A amostragem pode assumir dois tipos diferentes: a amostragem de
atributos, quando apenas estamos interessados em saber se um dado indivduo da
populao possui ou no dada propriedade ou atributo e a amostragem de variveis,
em que se estudam indivduos que possuem (ou esto associados) a qualquer um dos
valores possveis de uma dada varivel.

A Teoria Matemtica da Amostragem tem por objectivo:
fornecer critrios de comparao dos resultados da amostragem com a
expectativa terica e interpretar os desvios, decidindo se podem ou no
ser atribudos ao simples acaso;
fornecer critrios para a estimativa dos parmetros da populao a
partir das amostras;
e fornecer critrios para aferir da confiana que se pode ligar a uma
dada estimativa.

Suponhamos que de uma populao retiramos um certo nmero de amostras e
calculamos para cada uma o valor do parmetro que estamos a amostrar. Se o nmero
de amostras for muito grande, estes valores podem agrupar-se de modo a constiturem
eles prprios uma distribuio de frequncias a que se chama distribuio de
amostragem.

Para que a amostra de um parmetro tenha significado na estima desse
parmetro na populao, necessrio que a distribuio de amostragem tenha mdia
igual ao verdadeiro valor na populao, caso contrrio a amostragem dir-se-
distorcida. Um dos processos para tentar eliminar, ou diminuir, a distoro fazer
uma amostragem ao acaso. Exemplificando um pouco mais, se um dado minrio for
amostrado segundo uma tcnica perfeita, no se espera que a amostra tenha
exactamente o mesmo teor do minrio (por sinal desconhecido), mas apenas que o
desvio para esse valor seja apenas devido ao acaso. Neste pressuposto a teoria da
probabilidade inteiramente aplicvel.

Entende-se por amostragem simples uma amostragem ao acaso feita sobre
uma populao cujos indivduos no se encontram de nenhuma forma ligados entre si
no que diz respeito ao parmetro a amostrar, ou seja, sobre uma populao amorfa,
sem qualquer estrutura definida.

O conhecimento de distribuies de amostragem no distorcidas no pode,
salvo em casos muito raros, obter-se a partir da definio, porque tal exigiria um
nmero extremamente grande de amostras. Contudo, em face de amostras grandes
poderemos fazer certas aproximaes que simplificam o problema.

3.2.2 Amostragem simples de atributos em Amostras Grandes. justificao da
aplicao da Lei de Gauss.

Em presena da possibilidade de extraco duma amostra simples, vamos
analisar que tipo de aproximao poderemos fazer no caso da amostra ser grande.

Imagine-se um lote de minrio hipottico, inteiramente constitudo por gros
totalmente libertos, isto , s gros de espcie mineral til e de ganga. Numa viso
muito mais simplificada, pensemos no minrio como um conjunto de 750 gros
brancos -- a ganga -- e 250 pretos -- o mineral til -- num total de 1000 partculas. A
probabilidade de que uma amostra ao acaso, composta por 100 gros, tenha teor de
25% (em nmero de gros), dada pela razo entre o nmero de amostras possveis
de 100 gros contendo 25 gros pretos e o nmero total de amostras de 100 partculas
que podem ser extradas duma populao inicial de 1000. Recorrendo ao clculo
combinatrio, sabe-se que esse nmero total de amostras de 100 retiradas duma
populao de 1000 dado por:

! 900 ! 100
! 1000
100
1000
= C

Por outro lado, como

! 225 ! 25
! 250
25
250
= C

representa o nmero de modos de retirar 25 gros pretos dum total de 250, para cada
um dos quais existem, do mesmo modo,



! 725 ! 75
! 750
75
750
= C

modos diferentes de retirar 75 gros de ganga para perfazer os 100 da amostra, a
probabilidade de obter o teor de 25% ser dada por:

0968 . 0
100
1000
75
750
25
250
=
=
C
C C
P (1)

Contudo, o clculo de probabilidades custa desta expresso resulta
demasiado difcil quando o lote inicial tem um elevado nmero de partculas e
impossvel quando o lote infinito. Nestes casos, supondo a populao infinita, a
retirada duma amostra de n indivduos no afecta a frequncia do atributo (por
exemplo, o teor) na populao. Assim sendo, a probabilidade p de um gro ser de
minrio no afectada pelas anteriores retiradas. O mesmo se poder dizer da
probabilidade do gro ser de ganga, q=1-p. Obviamente, p e q sero as propores
(ou teores) das partculas de substncia til e ganga, respectivamente, no lote infinito.
Nestas condies, a retirada duma amostra de n partculas equivalente a n
sucessivas retiradas de 1 partcula. Trata-se, pois, de uma "srie de provas repetidas
idnticas" , dita de Bernouilli, segundo a qual:
"a probabilidade de que uma amostra contenha m gros de minrio e n-m de
ganga (no minrio) corresponde probabilidade de que sejam retiradas m
partculas de minrio, segundo uma probabilidade p
m
e, em seguida, n-m
partculas de ganga com probabilidade q
n-m
, multiplicada pelo nmero de
modos possveis de realizao desse acontecimento:
m n m m n m m
n n
q p
m n m
n
q p C m P

= =
)! ( !
!
) ( (2)

Esta a expresso da Lei Binomial ou de Newton, uma lei estatstica muito
bem estudada.
(
1
)

Teremos, obviamente
P m
n
m
( ) =
1
e define-se valor mdio, ou simplesmente mdia, de m como a esperana matemtica
(
2
)
da varivel m,
m m P m
n
m
=
. ( )
e varincia de m como a esperana matemtica do quadrado dos desvios da varivel
para a mdia,

1
Em relao ao lote de minrio em estudo, p representar o teor do lote, enquanto m
refere o nmero de gros de minrio presente nos n gros que compem a amostra,
isto , um valor no normalizado do teor da amostra.

2
A esprana matemtica ou valor esperado duma varivel a soma de todos os seus
possveis valores com cada valor ponderado pela sua probabilidade de ocorrncia.



m n
m
m m P m
2 2
=
( ) . ( )

Para o caso da Lei Binomial demonstra-se que

m np
npq
m
=
=
2
(3)

Contudo, nem sempre estaremos interessados no valor da probabilidade da
amostra ter um dado teor, sendo por vezes mais interessante em termos prticos
industriais avaliar a probabilidade do teor m (em nmero de partculas de espcie
til) da amostra se desviar um certo valor do teor mdio. Ou seja, criaremos uma
nova varivel

x m m = (4)

a que chamaremos desvio.

De acordo com os pressupostos anteriores

q p
m np
=
=
1

e da definio de desvio, vem

m m x np x = + = +

pelo que

n m n np x n p x nq x = + = = ( ) ( ) 1

Deste modo a anterior expresso da Lei Binomial passar a ser uma funo
explcita da varivel desvio, x :

P m P m x P x
P x
n
np x nq x
p q
n n n
n
np x nq x
( ) ( ) ( )
( )
!
( )!( )!
= +
=
+
+

Se utilizarmos a formula de Moivre-Stirling para o clculo de factoriais de
grandes nmeros,

a a e a
a a
! . . . =

2

obter-se- uma formulao aproximada para P
n
(x). Esta frmula no caso em que p e
q so prximos e x no muito elevado em face de npq (varincia) muito
aceitavelmente aproximada pela LEI NORMAL ou de GAUSS, de expresso:


2
2 2
2
2
2
1
2
1
) (

x
npq
x
n
e e
npq
x P

= = (5)

em que npq = =
2
designado por desvio padro da distribuio.

Para cada valor do desvio padro (constante para conjunto de valores n, p e
q) uma curva diferente ser gerada pela expresso anterior. Para valores crescentes
de a base da curva alarga-se e o seu pico central reduz-se e adoa-se, mantendo-se,
contudo, a rea unitria abaixo da curva.
Todas estas possveis curvas tm, no entanto, em comum a propriedade de que
a mesma proporo de rea est contida entre os mesmos limites de desvio (expresso
em unidades de desvio padro). Isto :
- 50.00% da rea encontra-se entre x=0,0674
- 68.27% da rea encontra-se entre x=
- 95.45% da rea encontra-se entre x=2
- 99.73% da rea encontra-se entre x=3

Nos casos em p for muito diferente de q a aproximao Lei Normal no
ser conveniente, devendo recorrer-se, no caso dos minrios metlicos Lei Gama.

Se em vez do desvio absoluto utilizarmos o desvio reduzido, medido em
unidades de desvio padro, obter-se- uma nova expresso:

m m x
= = (6)

Ao realizar esta transformao de varivel devero manter-se as reas abaixo
da curva de distribuio, mantendo-se o mesmo significado fsico e, naturalmente , o
mesmo valor, pelo que:
dx x P d P
n n
= ) ( ) ( e , naturalmente, P P x
dx
d
n n
( ) ( )
=
e como x = e
dx
d
=

vir:
2
2
2
1
) (

= e P
n

Retomando o problema original de procurar um valor do parmetro teor mdio
do lote de minrio que caia, com uma determinada probabilidade, dentro de um
determinado intervalo de erro tolervel (que mede a confiana no resultado que
vamos obter), a fase de desenvolvimento do modelo probabilstico permite-nos j
calcular a "probabilidade de que o desvio reduzido seja, em mdulo, menor que um
dado valor h, previamente fixado":


= =
= = <
h
h
h
h d e
d e h
0
2

2
) (
2
1
2
2
1
) ( Prob
2
2
(7)

Os integrais desta funo esto calculados e compilados em tabelas estatsticas
das quais de extraram os seguintes valores para uso nos exemplos deste captulo:

Probabilidade , expressa
em funo do desvio , medido em
unidades de desvio padro
(h) (h)
0.90 1.645 0.97 2.170
0.91 1.705 0.98 2.362
0.92 1.750 0.99 2.567
0.93 1.812 0.999 3.291
0.94 1.881 0.9999 3.890
0.95 1.960 0.99999 4.417
0.96 2.054 0.999999 4.892

Em circunstncias normais estaremos interessados, no tanto no nmero
absoluto m de partculas, mas sim na frequncia relativa desse nmero de
partculas, pelo que surgir uma nova varivel y, este sim, teor da amostra em
nmero de partculas:
y
m
n
=

Esta transformao de varivel, tal como anteriormente, dever realizar-se de
modo que as reas abaixo da curva de distribuio mantenham o mesmo valor, pelo
que:

f y dy f m dm ( ) ( ) =

ou seja, f y f m
dm
dy
( ) ( ) =
Mas como m n y = e
dm
dy
n =

e partindo da anterior expresso da Lei Normal como funo de m :
f m
npq
e
m np
npq
( )
.
( )
=

1
2
1
2
2

estamos em condies de efectuar a transformao de varivel para y:

f y
n
npq
e
n
npq
e
yn np
npq
y p
pq
n
( )
.
( )
( )
= =

2
1
2
1
2
1
2
2
2

de onde se conclui que y=m/n tambm segue a Lei Normal com os seguintes valores
da mdia, desvio padro e varincia, respectivamente:

y p
npq
n
pq
n
pq
n
=
= =
=
2

(notar que na expresso da Lei Normal reduzida que tem vido a ser usada, a varivel
reduzida o desvio para a mdia e figura elevado ao quadrado no numerador do
expoente da exponencial, de onde se pode deduzir do valor da mdia da actual
varivel y).

3.2.3 Aplicao ao caso dum minrio terico fragmentado. Mtodo de Hassialis

Seja um lote infinito de partculas monominerlicas (isto , totalmente
libertas) e todas do mesmo calibre. Esta simplificao inicial, se bem que
demasiado exagerada, vai permitir uma generalizao que torna legtima a aplicao
dos resultados em ambiente industrial.
Se consideramos dm e dg, respectivamente, as densidades do minrio e da
ganga, ento o teor em peso da amostra (em espcie mineral) ser dado por:

t
m dm
m dm n m dg
=

+ ( )

e fazendo y=m/n, obteremos:

t
y dm
y dm
(n m)
n
dg
y dm
y (dm dg) dg
=

+

=

+
(8)

(relembremos que t o teor da amostra em peso e y o teor da mesma amostra
em nmero de partculas).
Ora, sucede que o teor t=t(y), expresso como funo da varivel y na
expresso anterior no sendo linear em y, no h garantia de seguir uma Lei Normal,
mas sim uma lei cujo tratamento analtico mais complicado. O mtodo proposto
por HASSIALIS consiste na linearizao de t(y) por desenvolvimento em Srie de
Taylor em torno do valor mdio de y e desprezando os termos de ordem superior
primeira, de forma a permitir que esta nova varivel t seja representvel pela mesma
Lei Normal:
t y t y
y y dt y
dy
y
( ) ( )
!
(
( )
) = +

+
1
(9)


sendo o valor mdio de t obtido no valor mdio de y, isto ,
t t y t y
y y dt y
dy
t y
y dm
y dm dg dg
y
= = +

= =

+
( ) ( )
!
(
( )
) ( )
( ) 1

e, fazendo
a
dt
dy
y
= ( )
vir,
t t a y y = ( )

Reescrevendo agora a expresso da Lei Normal como funo de y=m/n
f y e
y
y y
y
( )
( )
=
1
2
2
2
2

e efectuando a mudana de varivel
t t a y y
f t dt f y dy
dy
dt a
=
=
=
( )
( ) ( )
1

y y
a
t t
f t f y
dy
dt
=
=
1
( )
( ) ( )

obteremos
f t
a
e
a
e
y
t t
a
y
t t
a
y y
( )
( ) ( )
=

1
2
1
2
2
2 2
2
2 2
2 2

(10)

o que mostra que a nova varivel t, teor em peso, segue uma Lei Normal com
varincia

t y
a
2 2 2
= (11)

Para chegarmos ao clculo desta varincia (como funo de n) necessitamos
de determinar a e em funo de n e dos parmetros conhecidos em jogo
(densidades do minrio e da ganga e um valor teor mdio, pelo menos aproximado).
Assim, a anterior expresso de t em funo de y poderemos resolv-la em ordem a y
para, depois de deriv-la, obtermos o valor de a como inverso da derivada de y em
ordem a t no seu valor mdio:

a
dt
dy dy
dt
y
t
=

1
e sendo: y
t dg
t dm dg dm
t dg
t dg dm dm
=

=

+ ( ) ( )

por derivao conduz a:

dy
dt
dm dg
t dg dm dm
=

+ ( ( ) )
2



pelo que,
a
t dg dm dm
dm dg
=
+
( ( ) )
2

Por outro lado, como vimos,

y p
p q
n
y y
n n
dg dm t t
t dg dm dm
y
=
=

=

=

+
2
2
1 1 1 ( ) ( )
( ( ) )

Tomando agora o quadrado do valor de a, estamos em condies de calcular a
varincia da varivel t, teor da amostra em peso, como funo de n, dimenso da
amostra:

t y
a
2 2 2
=

(12)

Esta ltima expresso d-nos acesso directo resoluo do nosso problema
original da determinao do tamanho da amostra:
"determinar o tamanho da amostra para que se tenha uma probabilidade P
de que o teor t dessa amostra se no desvie do teor mdio de um valor
superior a t".

Tomemos o problema concreto do clculo da dimenso da amostra que dever
ser recolhida de modo que a determinao do teor em Zn caia num intervalo t =
0.2% em volta do teor mdio, previamente conhecido como valendo 5%, com
probabilidade P = 99%. O minrio um chert com Blenda de densidades,
respectivamente, dm = 4 e dg = 2.6.
A marcha geral de clculo, segundo Hassialis, esquematiza-se do seguinte
modo:

1. Calcular
t
como funo de n usando a expresso [12] anteriormente deduzida:
( )
t
n n
2
2 1
005 26 4 4
005 1 005
26 4
00705
= +

= . ( . )
. ( . )
.
.

t t
n
= =
2
0 266 .

2. Calcular o desvio relativo, (n), aceitvel para o valor a determinar na
amostra que, obviamente, vir, de acordo com [6], expresso em funo de n:
t
n
t dg dm dm
t t
dm dg
2 2
1 1
= +

( ( ) )
( )



( )
.
.
n
m m t n
t t
=

= =
0 002
0 266

3. Usar a tabela de integrao da Lei Normal e calcular o valor de (p) em
volta da mdia que garanta uma rea total abaixo da curva igual a P (pg.
6):

()=0.99 (p) =2.576 (ver tabela da pgina 6)

4. Igualar (n) = (p)

0 002
0 266
2 576
.
.
.
=
n

5. Resolver a anterior equao em ordem a n e calcular o nmero de
partculas que vo constituir a amostra:

n =

= (
. .
.
) .
2 576 0 266
0 002
117024 6
2

6. Calcular o peso W da amostra (em kg) a partir do nmero de partculas,
desde que se conhea o dimetro mdio das partculas (em mm) e a
densidade mdia do minrio, bem como um factor de forma para as
partculas, pela expresso:

W n f D d =

3
6
10 kg

Admitindo o minrio constitudo por partculas esfricas (de coeficiente de
forma f=4/3 x /8), de calibre mdio 1 polegada (25,4 mm) e de densidade
mdia 2.69, o peso da amostra ser dado por:

W =
117024
4
3 8
25 4 2 69 10 2700
3 6
. . kg
Se o calibre mdio fosse de 100# (0.150 mm)

W = = 0 00056 0 56 . . gr

Contudo, dever-se- notar que para o clculo das dimenses de uma amostra
necessrio conhecer-se de antemo alguma coisa sobre o lote a amostrar, em
particular o prprio teor mdio, alm das densidades do minrio e da ganga, da
densidade mdia, calibre mdio, composio, etc. Ora, como o que se pretende com a
prpria amostragem precisamente determinar esse teor mdio, o problema da
determinao da dimenso da amostra no tem soluo seno mediante uma
amostragem prvia. Estamos, pois, perante um processo iterativo que, embora
sendo algo fastidioso em termos de clculo, tem as vantagens de ser ele prprio um
processo de clculo construtivo em que o operador vai controlando os prprios
resultados do clculo com a sua prpria sensibilidade: toma-se uma amostra de
dimenses no calculadas da qual se determina o teor, a composio granulomtrica
e a densidade; calcula-se a dimenso correcta da amostra a partir destes valores; se

esta for inferior primeira, o clculo pra neste ponto; caso contrrio dever
recolher-se uma amostra com as dimenses calculadas; procede-se sucessivas vezes
deste modo at que os valores do clculo conduzam a valores iguais ou inferiores aos
da ltima amostra colhida. Em geral o processo converge rapidamente.

3.2.4 Generalizao para o caso dum minrio real fragmentado.
Generalizao do Mtodo de Hassialis.

A aproximao de um minrio real ao minrio terico estudado anteriormente
, em geral, insatisfatria porque conduz a dimenses de amostras superiores aos
valores mnimos necessrios para obter a preciso desejada.
O mtodo de Hassialis pode com facilidade ser generalizado para o caso do
lote conter partculas de pesos especficos e calibres diferentes. Seja ento Wij a
fraco em peso do material pertencente fraco granulomtrica de dimetro
(calibre) Di e densidade dj. O teor mssico, tj, da fraco de densidade dj pode ser
calculado como (o leitor deve notar que o teor volmico linear com a densidade,
mas o teor mssico hiperblico!):

tj
dm dj dg
dj dm dg
=

( )
( )
(13)

Se calcularmos a fraco do nmero de partculas do lote i,j no lote geral
pij
Wij
Di dj
Wij
Di dj
i j
=

3
3
,

o teor da amostra ser calculado como o quociente entre a quantidade de espcie
mineral til presente em cada fraco i,j e a massa total do lote (ou seja, da massa de
todas as classes i,j:

t
Wij tj
Wij
pij Di dj tj
pij Di dj
i j
i j
i j
i j
=

=

,
,
,
,
3
3
(14)

Tal como anteriormente, esta lei de dependncia do teor mssico, t, no
linear com os valores dos teores em nmero, pij, de cada fraco de calibre e
densidade i,j, mas pode ser facilmente linearizvel desenvolvendo em Srie de Taylor
em torno de todos os valores mdios de pij:
t t
t
pij
pij pij
pij
i j
= +

,
( ) (15)

Seguindo raciocnios semelhantes ao usados anteriormente, Hassialis
demonstra que, no caso em questo, a varincia calculada por:


t
pij
ij
pij
pij pkl
kl ij
t
pij n
pij pkl
t
pij
t
pkl
2
2
2
1
=

(16)

onde se suprimem os termos do duplo somatrio com ndices i,,j=k,l. Do mesmo
modo se supe, tambm como anteriormente, que as variveis pij seguem a Lei
Normal com a varincia dada por:

pij
pij pij
n
2
1
=
( )
(17)

Para conhecer todos os termos da expresso da varincia de t basta calcular a
expresso das derivadas parciais de t em ordem a cada valor de pij, directamente a
partir da expresso de t:

dt
dpij
Di dj tj pij Di dj Di dj pij Di dj t
Di dj pij
pij
j
ij ij
ij
3 3 3 3
3
2
(18)

Todos estes clculos, embora laboriosos, no oferecem qualquer dificuldade e
Hassialis indica uma marcha que pode ser cuidadosamente seguida por uma tabela,
hoje em dia realizvel com toda a facilidade sobre uma folha de clculo:

1 coluna: ndices das diferentes fraces correspondentes a cada linha;
2 coluna: fraco em peso Wij - (input proveniente da amostra prvia)
3 coluna: teor tij - (input ou clculo sobre os dj da amostra prvia)
4 coluna: densidade dj - (input proveniente da amostra prvia)
5 coluna: dimetro (calibre) mdio
6 coluna: 5 ao cubo - cubo do dimetro
7 coluna: 6 x 4 - massa da partcula da classe ij
8 coluna: 2 / 7 - nmero de partculas no lote ij
9 coluna: 8 / sum 8 - percentagem de partculas em nmero pij
clculo das derivadas parciais de t em ordem a pij - equao [18]
10 coluna: 7 x 9 - cada termo do 1 somatrio do numerador
11 coluna: 10 x 3 - cada termo do 2 somatrio do numerador
12 coluna: 7 x 3 - factor que multiplica o 1 somatorio do numerador
13 coluna: 12 x sum 10 - 1 parcela do numerador
14 coluna: 7 x sum 11 - 2 parcela do numerador
15 coluna: 13 - 14 - numerador
16 coluna: 15 / (sum10) ao quadrado - valor de cada derivada parcial
17 coluna: 16 ao quadrado - quadrado das derivadas parciais
18 coluna: 9 x (1-9) - numerador da expresso da varincia dos pij -- equao
[17] ( n
pij

2
)
calculo da varincia multiplicada por n -- equao [16]
19 coluna: 18 x 17 - cada termo do somatrio do primeiro termo
20 coluna. 16 x 9 - cada derivada parcial multiplicada por pij
21 coluna: sum 20-20 - para suprimir do somatrio cada um dos termos
22 coluna: 20 x 21 - cada termo do somatrio do 2 termo


calcula-se, ento, n.
t
2
= sum 19 - sum 22

Retomemos agora o problema anterior mantendo o mesmo intervalo de
tolerncia t = 0.2% em volta do teor de 5% em Zn e a mesma probabilidade P =
99%, mas determinemos a partir dum ensaio preliminar que o minrio constitudo
pelas seguintes fraces em peso:
- 0.15% de Blenda densidade - 4.00
- 70.85% de mistos densidade - 2.71
- 29.00% de chert densidade - 2.65
Nota importante -- nesta rotina os teores e o erro t devem estar sempre no
mesmo intervalo. No exemplo que se segue usou-se ]0,1[ para comparao com os
exerccios anteriores.

Para este caso o valor de:

n
t
= =
2
0 002545 0 00035 0 002897 . ( . ) .

Por outro lado, para a que a probabilidade com que o teor ocorre com
tolerncia de 0.2% seja de P=99%, o desvio relativo ser de 2.576, o que implica um
desvio padro de :

t
= =
0 002
2 576
0 000776
.
.
.
de onde se obtm
n = =
0 002897
0 000776
4806
2
.
.
partculas

23 coluna: n x 9 - permite calcular o nmero de partculas em cada classe
24 coluna: n x 10 x 4/3 x /8 x 10
-6
- peso em kg de cada fraco da amostra, se
o calibre for estiver em mm.
classe 1 32.211 kg
classe 2 78.696 kg
classe 3 0.166 kg

Finalmente o peso total da amostra ser dado pelo somatrio da 24 coluna -
- 111 kg
Tambm como anteriormente, o processo de clculo dever ser iterativo at se
encontrar a dimenso de amostra mais conveniente.

Se o minrio contm vrias espcies minerais de que se pretende determinar o
teor, calcula-se a dimenso da amostra para cada uma delas e toma-se como dimenso
o maior dos resultados obtidos.

3.2.5 Substituio duma amostra grande por vrias amostras pequenas.
Aplicao ao caso das determinaes granulomtricas.

O clculo descrito anteriormente em geral muito trabalhoso e exige grande
nmero de dados, s determinveis por amostragens prvias sucessivas.

Por este motivo a soluo para o problema da amostragem de minrios
fragmentados tem sido procurada por outras vias. Uma das solues preconizadas na
literatura a seguinte:
"recolhe-se um certo nmero de amostras pequenas, todas com o mesmo
peso, que se analisam; em seguida determina-se a mdia dos teores e
desenvolve-se o clculo para determinar o nmero de amostras, iguais s
primeiras, necessrias para se obter a preciso desejada"

Como vamos ver um mtodo muito menos laborioso.
Recolhem-se as amostras pequenas, todas da mesma dimenso no calculada e
determinam-se os parmetros x1, x2, ..., xn que se pretendem medir.
(
3
)

Admitindo como anteriormente que a distribuio da amostragem segue uma
Lei Normal, ento a melhor estima para o parmetro ser a sua mdia aritmtica:
x
xi
n
i
* =

(19)

Como as amostras com que vamos trabalhar so, por definio, pequenas, no
legtimo usar para varincia da estimativa de xi a varincia da populao, sendo
ento necessrio fazer tambm uma estimativa dessa varincia, naturalmente da
forma:

*
( ) ( * * )
( * ) ( * ) ( * ) ( * )
2
2 2
2 2
2
=

=
+
=
=
+ +

xi x
n
xi x x x
n
xi x n x x x x xi x
n
i i
i i

em que x o valor mdio de x na nova populao (isto , a mdia das n amostras -
populao com n efectivos). Mas como ( *) xi x
i
=
0, teremos:
*
( * )
( * )
2
2
2
=

+
xi x
n
x x
i

Continuamos, porm, com o assunto por resolver porque o segundo termo da
varincia, representando o quadrado do desvio da mdia das amostras em relao
mdia da populao, no pode ser calculado porque no conhecida a mdia da
populao. falta dum valor real para aquele quadrado do desvio vamos tomar um
seu valor mdio, que no mais do que a varincia da mdia da nova populao
que, como se sabe, diminui com o inverso do nmero de efectivos tomados, e dada
por:

3
NOTA: Neste caso, a populao o conjunto de todas as amostras desse tamanho
pequeno que poderiam ser isoladas no lote inicial; esta nova populao foi
amostrada e dela decidimos tirar uma amostra de n efectivos (isto , n amostras que,
por sua vez, j eram amostras da populao inicial).



2
n

onde
2
a varincia de x na populao que, sendo precisamente o que estamos a
tentar procurar, no teremos outra sada seno substitu-la pela sua estimativa, isto :

*
( * )
*
*
( * )
2
2
2
2
2
1
=

+
=

xi x
n n
xi x
n
i
i
(20)

Este ltimo resultado confirma a prtica corrente em estatstica de, ao calcular
a varincia de um nmero de amostras muito reduzido, dividir no por n mas sim por
(n-1).

A mdia aritmtica e a varincia, x * e *
2
, respectivamente, so
estimativas da mdia e da varincia da nova populao constituda pelos conjuntos n
amostras pequenas.
Por outro lado, se tirarmos agora conjuntos de N amostras pequenas a
varincia dos vrios x
i
* , (dita varincia da mdia, porque os atributos so valores
mdios) ser dada, como anteriormente, pelo quociente entre a varincia de cada
conjunto a dividir pelo nmero de efectivos N usados no clculo dessa varincia, ou
seja:

x
N
*
*
2
2
= (21)

O problema da dimenso da amostra transforma-se, assim, no problema de
calcular o nmero N de amostras pequenas que devem ser tomadas em cada
conjunto de que se calcula a mdia aritmtica, de forma a garantir um desvio padro
reduzido com uma dada probabilidade:

"determinar o nmero de amostras, de uma dada dimenso, suficientes para
garantir uma probabilidade P de que o teor mdio estimado t* no se afaste
do teor mdio da populao mais do que um dado t"

A marcha de clculo ser a seguinte:

Depois de determinar os vrios teores ti em todas as pequenas amostras
recolhidas:
1. Calcular a mdia aritmtica, pela equao [19], t
ti
n
i
* =

2. Determinar os desvios ( * ) ti t
3. Calcular a varincia, pela equao [20], *
( * )
( )
2
2
1
=

ti t
n
, onde n o
nmero de amostras colhidas pela primeira vez


4. Calcular a varincia da mdia, pela equao [21],

t
N
*
*
2
2
= como funo de
N, nmero de amostras que devero ser colhidas para garantir a preciso
desejada
5. Calcular o desvio relativo aceitvel, pela equao [6],
N
t
t
=

*
, como funo
de N

6. Calcular o desvio relativo na Lei Normal tal que ( )
P
P = (na tabela
correspondente -- pg. 6)

7. Igualar
N P
= e resolver a equao em N da resultante para determinar o
nmero de amostras

8. Se o valor de N calculado for maior do que o nmero de amostras colhidas (n
inicial), recolher as que faltam e repetir o clculo para verificao. O valor final
para o parmetro (neste caso, o teor) ser dado pela mdia aritmtica.

Este mtodo est particularmente indicado para o clculo da dimenso das
amostras destinadas s determinaes granulomtricas.
A aplicao desta rotina a cada conjunto de valores das diferentes cumulantes
do mesmo lote granulomtrico vai originar diferentes previses do valor de N. Em
princpio, trabalhando-se sobre as cumulantes, os vrios valores de N no devero
diferir muito entre si quando o nmero de amostras de partida estiver prximo do
ptimo. De qualquer modo, aconselha-se a adopo do maior valor de N
determinado.

Exemplo de Aplicao:

Num ensaio de determinao granulomtrica em CYCLOSIZER foram
analisadas 3 amostras do mesmo material, sensivelmente do mesmo tamanho ( 50 gr)
e obtiveram-se os histogramas que se apresentam na tabelas seguinte.

Desvios NORMAIS reduzidos
2.567 1.96 1.645
HISTOGRAMA DE TEORES Var(3) Delta Abs 99% 95% 90%
Calibre Amostra1 Amostra2 Amostra3 Med aritm desv^2 desv^2 desv^2 Sdes2/3-1 Drel*med NUMERO DE AMOSTRAS - N
0.074 0.226087 0.235763 0.248936 0.236929 1.18E-04 1.36E-06 1.44E-04 1.32E-04 7.11E-03 17 10 7
0.041 0.086957 0.067198 0.072340 0.075498 1.31E-04 6.89E-05 9.98E-06 1.05E-04 2.26E-03 135 79 55
0.032 0.139130 0.135535 0.129787 0.134817 1.86E-05 5.15E-07 2.53E-05 2.22E-05 4.04E-03 9 5 4
0.024 0.158696 0.164009 0.153191 0.158632 4.10E-09 2.89E-05 2.96E-05 2.93E-05 4.76E-03 9 5 3
0.018 0.126087 0.132118 0.125532 0.127912 3.33E-06 1.77E-05 5.67E-06 1.33E-05 3.84E-03 6 3 2
0.012 0.058696 0.060364 0.057447 0.058836 1.95E-08 2.34E-06 1.93E-06 2.14E-06 1.77E-03 5 3 2
infra 0.204347 0.205013 0.212767 0.207376 9.17E-06 5.58E-06 2.91E-05 2.19E-05 6.22E-03 4 2 2
1 1 1
Delta relativo
0.03 igual para todas as classes


Nas colunas intermdias realizaram-se os clculos preconizados na rotina
anterior. O leitor dever refazer esses clculos ...
Nas 3 colunas da direita apresentam-se os valores do nmero N de amostras,
determinados para cada calibre de acordo com 3 diferentes nveis de probabilidade de
ocorrncia do erro aceitvel.
A rotinas expostas anteriormente esto concebidas na base do estabelecimento
dum desvio absoluto tolervel para cada valor experimentalmente determinvel.
Contudo, para que os resultados a obter para as diferentes classes granulomtricas de
uma mesma amostra sejam minimamente comparveis, dever ser exigido o mesmo
desvio relativo, sendo o desvio absoluto, necessrio para o clculo, calculado por:

absoluto = relativo x Valor mdio

sendo o valor mdio, no caso presente, a mdia aritmtica dos valores da frequncia
de cada calibre nos vrios histogramas.
Conforme pode ser analisado, introduzindo um relativo = 0.03 (3%), a que
correspondem absolutos entre 0.007 e 0.002, os resultados mostram claramente que
os dois primeiros lotes iniciais possuem uma varincia demasiado elevada,
conduzindo a valores de N inesperadamente elevados. Face a estes valores, e perante
um nvel de significncia de 95%, numa primeira fase seria aconselhvel aceitar N=5
ou N=6 e realizar no Cyclosizer mais 2 ou 3 determinaes, esperando-se que a
presena de mais valores viesse a reduzir a varincia dos 2 primeiros lotes granulom-
tricos para valores mais aceitveis.

A viabilidade desta estratgia poder ser avaliada na experincia que se
apresenta em seguida. Ao constatar a discrepncia dos valores de N nos dois
primeiros lotes resolveu-se fazer uma pequena alterao de 1 grama na amostra de
calibre +41 micra da amostra 1, de modo a diminuir um pouco a varincia desse lote
granulomtrico. Como pode ser analisado na tabela seguinte, os resultados
melhoraram extraordinariamente, sendo agora mais claro que N=6 dever ser o valor
a seguir na iterao seguinte para uma exigncia de 95% de probabilidade.

2.567 1.96 1.645
0.074 0.231111 0.235763 0.248936 0.238603 5.61E-05 8.07E-06 1.07E-04 8.55E-05 7.16E-03 11 6 5
0.041 0.066667 0.067198 0.07234 0.068735 4.28E-06 2.36E-06 1.30E-05 9.82E-06 2.06E-03 15 9 6
0.032 0.142222 0.135535 0.129787 0.135848 4.06E-05 9.80E-08 3.67E-05 3.87E-05 4.08E-03 15 9 6
0.024 0.162222 0.164009 0.153191 0.159807 5.83E-06 1.77E-05 4.38E-05 3.36E-05 4.79E-03 10 6 4
0.018 0.128889 0.132118 0.125532 0.128846 1.82E-09 1.07E-05 1.10E-05 1.08E-05 3.87E-03 5 3 2
0.012 0.06 0.060364 0.057447 0.05927 5.32E-07 1.20E-06 3.32E-06 2.53E-06 1.78E-03 5 3 2
infra 0.208889 0.205013 0.212767 0.20889 4.44E-13 1.50E-05 1.50E-05 1.50E-05 6.27E-03 3 1 1
1 1 1
Delta relativo

Na ltima tabela diminuiu-se a exigncia de preciso aumentando-se o
relativo para 0.05 (5%). Nestas circunstncias as 3 amostras ensaiadas seriam
perfeitamente suficientes para nveis de significncia de 95%, sendo aconselhvel a

utilizao de mais duas amostras para um nvel de 99%. Notar que o absoluto
varia agora entre 0.004 e 0.01.

2.567 1.96 1.645
0.074 0.231111 0.235763 0.248936 0.238603 5.61E-05 8.07E-06 1.07E-04 8.55E-05 1.19E-02 4 2 2
0.041 0.066667 0.067198 0.07234 0.068735 4.28E-06 2.36E-06 1.30E-05 9.82E-06 3.44E-03 5 3 2
0.032 0.142222 0.135535 0.129787 0.135848 4.06E-05 9.80E-08 3.67E-05 3.87E-05 6.79E-03 6 3 2
0.024 0.162222 0.164009 0.153191 0.159807 5.83E-06 1.77E-05 4.38E-05 3.36E-05 7.99E-03 3 2 1
0.018 0.128889 0.132118 0.125532 0.128846 1.82E-09 1.07E-05 1.10E-05 1.08E-05 6.44E-03 2 1 1
0.012 0.06 0.060364 0.057447 0.05927 5.32E-07 1.20E-06 3.32E-06 2.53E-06 2.96E-03 2 1 1
infra 0.208889 0.205013 0.212767 0.20889 4.44E-13 1.50E-05 1.50E-05 1.50E-05 1.04E-02 1 1 0
1 1 1
Delta relativo

Ao terminar a apresentao destes mtodos dever insistir-se, porm, que tudo
quanto foi desenvolvido s aplicvel ao caso das populaes de indivduos no
correlatos, amostrados ao acaso, em que vlida a aproximao de Lei Binomial
Lei Normal, critrios esses que so apenas aplicveis aos caso dos minrios
fragmentados em que desapareceu j toda a estrutura geolgica original.

3.2.6 Clculo da dimenso das amostras pelo Mtodo de Pierre Gy.

PIERRE GY, baseando-se em modelos estatsticos mais sofisticados, que
lanam mo de algumas das ferramentas usadas na Geoestatstica para o estudo das
correlaes que ocorrem nas estruturas dos jazigos minerais, nomeadamente tomando
em considerao o calibre das partculas, a sua composio mineralgica e grau de
libertao e a forma das partculas, desenvolveu a chamada equao bsica da
amostragem:

M L
L M
C d
s
=

3
2
(21)

na qual :
M - o peso mnimo de amostra necessrio (gr)
L - o peso total de material a ser amostrado (gr)
C - uma constante (gr/cm3)
d - calibre dos maiores fragmentos a ser amostrados (cm)
s - erro estatstico relativo cometido durante a amostragem , dado pelo
quociente entre o erro absoluto da amostragem e o teor mdio a amostrar:
s
t
t
=

(22)

Na maioria dos casos M muito pequeno quando comparado com L, pelo que
a a anterior equao aproximada por:
M
C d
s
=

3
2
(23)

Perante um dado rigor a uma dada probabilidade de confiana para esse rigor,
aceitando um ajuste da Lei Normal, determina-se o respectivo desvio padro reduzi-
do
P
t
t
=

, sendo
t
o erro absoluto cometido e P a probabilidade da sua
ocorrncia.

A constante C especfica do material a amostrar e calculada em cada caso
tomando em considerao a composio mineralgica e o estado de libertao, de
acordo com:

C f g l m =

onde:
f - factor forma [ =0.5 minrios normais, =0.2 para minrio de ouro ]
g - factor relativo gama granulomtrica:
- seja d o calibre abaixo do qual existe 95% do peso total (K
95
)
- seja d o calibre acima do qual existe 95 % do peso total (K5),
ento, se:
- d/d > 4 g = 0.25 - d/d< 2 g = 0.75
- 2 < d/d< 4 g = 0.5 - d/d= 1 g = 1

l - um factor de libertao que varia de:
- 0 libertao muito imperfeita

- a 1 libertao completa
Gy desenvolveu uma frmula baseada no calibre d dos maiores
fragmentos presentes na amostra, que podem ser retirados dum crivo
que deixe passar 95% do material, e no valor do calibre, lb, em
centmetros, a que o material estar tecnicamente liberto (a determinar,
por exemplo, via microscpio ou lupa binocular, ou outros mtodos
mais sofisticados como, por exemplo, lquidos densos, etc). Os valores
do factor l so determinveis por:
l
lb
d
=
Quando l > 1 ento deve ser forado l = 1, a que corresponde libertao
absoluta.

m - um factor relativo composio mineralgica, calculado por:
( )
[ ] m
a
a
a dm a dg =

+
1
1
a - teor mdio em espcie mineral (a determinar em ensaios
preliminares)
dm - densidade mdia da espcie mineral til
dg - densidade mdia da ganga

A equao [23] conduz ao peso mnimo terico que a amostra deve ter,
supondo que foi retirada como amostra simples, isto , ao acaso e com um mnimo
de distoro. Na prtica, por razes de segurana, costume tomar-se o dobro do
peso calculado pela frmula de GY, em particular no caso das pequenas amostras de
produtos sob finos calibres.

Seja o anterior minrio de Zn, Blenda , com um teor mdio em Zn da ordem
de 5% vai ser amostrado ao calibre de 1 polegada (2,54 cm) e pretende-se garantir um
desvio no superior a 0.2% com uma probabilidade de 99%. Aceita-se que a
libertao prtica se obtm a 100#(0.15 mm =0.015 cm).

Rotina de Clculo:

1. Para se garantir o resultado com uma probabilidade de 99%, o intervalo de
tolerncia em volta da mdia duma distribuio Normal, corresponde a
2 567 .
t
pelo que:

2 567 0 002
0 00078
. .
.
=
=

t
t

de onde se pode calcular o erro relativo s, pela equao [22]
s
t
t
= = =
0 00078
0 05
0 0156
.
.
.

2. Admitindo que a Blenda estequiometricamente ZnS, ento o minrio contm
7.22 % de Zn. Assim:


a = 0.0722
dm = 4
dg = 2.65

pelo que se pode calcular

m = 50.149 gr/cm3

3. O factor de libertao calcula-se pela frmula respectiva:
l = =
0 15
25 4
0 0768
.
.
.

4. Toma-se o factor f = 0.5 e aceitando d/d> 4 como medida da extenso
granulomtrica tomaremos g = 0.25, pelo que se pode calcular a constante C:

C f g l m = = = 0 5 0 25 0 0768 50 149 0 4814 . . . . . gr/cm3

5. Calcula o peso total da amostra pela frmula [23]:

M
C d
=

=

= =
3
2
3
2
0 4814 2 54
0 0156
32417 9 32 418
. .
.
. . kg

Aconselha-se a tomada duma amostra de peso igual a 2 x M 66 kg

3.2.7 Reamostragem sucessiva de amostras de grandes dimenses

Depois de recolhida a amostra vai proceder-se, no caso da determinao de
teores, sua fragmentao e sucessiva reamostragem para obteno da quantidade
final de material a enviar anlise qumica (em geral de apenas algumas gramas).
Este procedimento incluir, normalmente, 2 ou mais estgios de fragmentao
(granuladores de cones, moinhos de rolos e moinhos vibrantes de anel), cada um deles
seguido de homogenizao e de uma nova fase de amostragem. Como estas novas
tomas de produto se vo realizar a calibres sucessivamente mais pequenos, as
amostras a recolher sero de dimenses cada vez menores.
Por outro lado, admitindo-se que durante todo este processo de amostragens
sucessivas o quadrado do erro relativo total produzido dado pela soma dos
quadrados dos erros relativos cometidos em cada um dos n estgios intermdios e
que estes, em primeira aproximao, so iguais entre si, ento,

s s s s
t n
2
1
2
1
2 2
= + + + L
s
s
n
i
t 2
2
=


pelo que, qualquer rotina de clculo do tamanho de amostra (Hassialis ou GY) poder
ser aplicada a cada estgio, usando o respectivo calibre de trabalho e cada uma das
varincias s
i
2
, acima definidas. Note-se, de passagem, que ao usar uma varincia
inferior logo no estgio a calibre grado vai ser necessariamente recolhida uma
amostra de maiores dimenses, pois diminuiu a variabilidade aceite.

Retomemos, ento, o exemplo anterior de amostragem do minrio de Zn ao
calibre mximo de 1 polegada (25.4 mm), no silo de alimentao da moagem que
antecede a flutuao e apliquemos esta filosofia de abordagem ao caso da frmula de
Gy. Contudo, o mesmo estilo de clculo poder ser facilmente reconvertido para a
rotina de Hassialis.
Admitamos que a amostra recolhida diariamente preparada segundo uma
rotina que envolve 3 estgios de fragmentao seguido da reamostragem aos calibres
de:
- 25.4 mm
- 5 mm
- 1 mm
- 200 #(0.074 mm)

1. Calcule-se a dimenso total da amostra a recolher do silo de granulados. Note-se
que nesta verso do problema vai ser aceite para o 1 estgio de amostragem uma
varincia relativa de 1/4 da usada anteriormente no problema original, o que,
obviamente, vai conduzir colheita de uma amostra 4 vezes maior porque o nvel
de exigncia subiu (menor varincia):
s
s
t
1
2
2
4
=
M M
1
2 4 2 32 418 4 260 = = . kg

2. Aps granulao a 5mm (0.5 cm) recalculemos os parmetros da frmula de
GY:

s
s
E
t
2
2
2 2
4
0 0156
4
6 084 05 = = =
.
.
m = 50 149 .

l = =
0 15
5
0 1732
.
.
d
d
g
> = 4 0 5 .

C = = 0 5 0 25 0 1732 50 149 1 0857 . . . . .

M
E
2
3
2
1 0857 0 5
6 084 05
2 2230 7 5 =

=
. .
.
. kg

3. Aplicando a mesma rotina para as amostragem aps granulao a 1 mm (0.1
cm):
M
E
3
3
2
2 4278 0 1
6 084 05
2 39 9 80 =

=
. .
.
. gr


e aps moagem a 200# (0.0074 cm)
M
E
4
3
2
8 9246 0 0074
6 084 05
2 0 059 0 12 =

=
. .
.
. . gr

4. Aconselhar-se-ia, assim, recolher durante os 4 estgios de amostra gem:
- 260 Kg ao calibre de 25.4 mm
- 5 kg ao calibre de 5 mm
- 80 gr ao calibre de 1 mm
- 0.12 gr ao calibre de 200#

Contudo, uma explorao mais atenta deste algoritmo de clculo sugere a sua
utilizao segundo um outro ponto de vista. evidente que uma amostra de 0.12 gr
demasiado pequena, pelo que aceitvel recolher no fim cerca de 1 gr de material,
para enviar ao laboratrio de anlises. Desta feita, ao tomar no ltimo estgio uma
amostra de tamanho superior ao calculado, comete-se um erro estatstico inferior, ou
seja, tomada uma varincia inferior da varincia total do procedimento de
amostragem, o que por sua vez, autorizando erros um pouco maiores (varincia
superiores) nos estgios de amostragem a calibres mais grados, permitir recolha de
amostras ligeiramente inferiores a esses calibres.
Assim, segundo esta estratgia, o algoritmo dever recomear a partir do
calibre mais fino solicitando ao operador a indicao do tamanho de amostra
aceitvel, Mn, superior ao calculado. Seguidamente resolve-se a anterior equao do
clculo de Mi em ordem varincia:
s
C d
M
n
n
2
3
2 =

determinando-se, em seguida, a varincia sobrante:

s s s
s t n
2 2 2
=

e recalculando todas as massas Mi a recolher nos estgios a calibres superiores:
=

= i n i
i
s
M
C d
s
n
1 1 2
2
1
,

O operador poder continuar optando por escolher para o estgio n-1 uma
amostra tambm ligeiramente maior que a agora recalculada tomando conta, da
mesma forma, neste estgio de uma varincia menor e deixando mais folga para os
estgios de amostragem a calibres superiores, muito mais penalizados pelas
dimenses de amostra impostas pelo clculo.
E assim sucessivamente at ao 2 estgio, de forma a reduzir o mais possvel a
dimenso da amostra original.

Como proposta de trabalho o leitor poder escrever um programa em
qualquer linguagem cientfica que execute este algoritmo de modo eficiente e
interactivo.



3.2.8 Concluses

A explorao das diferentes rotinas experimentadas permite estabelecer
algumas concluses de interesse prtico para escolha do mtodo de clculo mais
apropriado em cada caso.
Em primeiro lugar, por demais bvio que a dimenso da amostra cresce
com a calibre a que o minrio se encontra e que esse crescimento proporcional ao
cubo desse calibre.
Por outro lado, interessante notar que quando h maior quantidade de mistos
a dimenso da amostra diminui (para o mesmo calibre mdio das partculas) -- tente
interpretar este facto ...
Finalmente, de referir que a rotina de clculo sobre o nmero mnimo de
amostras pequenas, sendo de fcil implementao em termos de clculo, dever
sempre ser usada para avaliao do rigor da amostragem, desde que hajam dados
disponveis de rplicas experimentais.

Bibliografia:

TAGGART, A.F. "Handbook of Mineral Dressing" - Cap 19, (01 - 71), J ohn
Willey & Sons, New York, 1945
MADUREIRA, C.M. "Geologia Aplicada", Dep Minas - FEUP, 1965
WILLS, B.A. Mineral Processing Technology - 4th Edition, Pergamon Press,
Oxford, 1988
PIERRE GY "L Echantillonage des Minerais em Vrac", Tome I, Revue de
L Industrie Minerale, St. Etienne.


3.3 Balanos Mineralrgicos: anlise de varincia do clculo da Recuperao
e do Rendimento Ponderal

Sumrio do Pargrafo

3.3.1 Mtodos para clculo de Balanos de Massa.
3.3.2 Anlise de sensibilidade do clculo da Recuperao.
3.3.3 Anlise de sensibilidade do clculo do Rendimento Ponderal.

3.3.1 Mtodos para clculo de Balanos de Massa

A avaliao da eficincia dum diagrama de tratamento, bem como o controlo
do prprio processo, custa das determinaes efectuadas sobre os resultados da
operao, impe o balano das massas totais e das massas dos vrios componentes
determinados (analisados) em todos os ns do circuito. O princpio da conservao
da massa a base do clculo desses balanos (que se podem efectuar sobre as
espcies minerais ou sobre os metais teis), sendo a frmula dos dois produtos
("two-product formula") a mais frequentemente usada nesses clculos.

Um n simples duma rede, uma separao ou uma mistura, constitudo
sempre por 3 ramos, a cada um dos quais se associa sempre:
a massa ou caudal mssico que o atravessa, que passaremos a designar por
X
i
, com i = 1, 2, 3;
a massa ou caudal mssico do componente determinado (analisado) nesse
ramo, que notaremos por x
i,j
, com i = 1, 2, 3 e j = 1... n. sendo n o nmero
de componentes analisados.
Os componentes normalmente analisados nos circuitos de processamento de
minrios so os teores, os calibres (quando sobre uma gama extensa, a cada malha
corresponde um componente distinto) e as percentagens de slidos. Salvo no caso
das diluies, as massas e caudais mssicos referem-se a slidos secos.

Sobre cada n simples podem escrever-se vrias equaes de balano:
- 1 equao sobre as massas totais em jogo
- e n equaes, cada uma sobre as massas de cada componente anali-
sado.

Para escrita dessas equaes costume atribuir sinal + aos fluxos de entrada
no n e atribuir sinal - aos fluxos de sada do n, pelo que para um n de separao
as equaes de balano total e de balano em componente, assumem,
respectivamente, as formas:

0
3 2 1
= X X X (1)
0
, 3 3 , 2 2 , 1 1
=
j j j
x X x X x X (2)

Se, como corrente, aceitarmos dividir todos os caudais por um deles,
normalmente a alimentao ao n, para que os outros sejam calculados em funo
dele, e designarmos por:

=
X
X
2
1
vir
X
X
3
1
1 = (3)

a equao (2) escrever-se- na forma:

0 ) 1 (
, 3 , 2 , 1
=
j j j
x x x (4)

de onde se pode obter o valor de:

=

( )
( )
, ,
, ,
x x
x x
j j
j j
1 3
2 3
(5)

Quando numa operao de concentrao o fluxo numerado com n = 2 for o
concentrado, o parmetro designado por rendimento ponderal, sendo a
recuperao
j
, do componente j, dada por:

j
j
j
j j
j j
j
j
x
x
x x
x x
x
x
= =

2
1
1 3
2 3
2
1
,
,
, ,
, ,
,
,
( )
( )
(6)

Do mesmo modo, o fluxo numerado com n = 3 ser o estril, sendo:
- x
1,j
o teor da alimentao;
- x
2,j
o teor do concentrado, e
- x
3,j
o teor do estril,
analisados no componente j.

As frmulas (5) e (6) so as chamadas two product formula acima referidas,
usadas para controlo do circuito a partir dos dados da amostragem e das anlises.
Quando existem montados dispositivos de anlise "on stream", para determinao de
teores e/ou percentagens de slidos, os parmetros anteriores podem ser obtidos
directamente das consolas dos dispositivos de controlo do circuito. Se as anlises so
efectuadas em laboratrio, como no caso das composies granulomtricas, os tempos
de resposta so elevados e o clculo apenas poder ser realizado posteriormente.

NOTA: nos desenvolvimentos que se seguem todos os teores, sero representados
no intervalo [0,1].

3.3.2 Anlise de Sensibilidade do Clculo da Recuperao

Embora de grande utilidade, as formulas dos dois produtos apresentam
limitaes, a que necessrio estar atento para que possam ser superadas, que
derivam basicamente do facto dessas frmulas serem estabelecidas no pressuposto do
regime permanente ("steady state conditions"). Se bem que este regime possa ser
aceite para clculos sobre dados acumulados ao durante perodos longos, em geral no
legtimo esperar equilbrios dinmicos durante perodos curtos, por exemplo,
intervalos entre colheitas de amostras para anlises granulomtricas ou de teores "on
line".


Conforme facilmente se pode analisar, a anterior equao (6) de definio da
recuperao altamente sensvel ao valor de x
3,j
. Com efeito, trata-se dum
quociente de expresses que diferem apenas pela presena do valor de x
3,j
no
denominador (que, como vimos representa o teor do estril no caso particular de se
tratar de um n separador simples !).
Aquela equao (6) pode ser diferenciada parcialmente relativamente a todos
os valores dos componentes, x
i,j
, obtendo-se, sucessivamente:

( )
j
j
j j
j j j
x
x x
x x x 1
2 3
1
2
2 3
,
, ,
, , ,
=

(7)

( )
( )
j
j
j j j
j j j
x
x x x
x x x
2
3 1 3
1 2 3
2
,
, , ,
, , ,
=

(8)

( )
( )
j
j
j j j
j j j
x
x x x
x x x
3
2 2 1
1 2 3
2
,
, , ,
, , ,
=

(9)

Ora, demonstra-se que a varincia duma funo de vrias variveis pode ser
calculada por:

V
F
x
V
F x
i i
x
i
( )
=

2
(10)

isto , dada pela soma das varincias dos argumentos ponderadas pelo quadrado da
variao da funo com cada argumento, pelo que a varincia associada ao clculo da
recuperao atravs da frmula (6) ser dada por:

V
x
V
x
V
x
V
j j j j
j
j
x
j
j
x
j
j
x

=
1
2
2
2
3
2
1 2 3
, , ,
, , ,
(11)
( )
( )
( )
( )
( )
=

+

1
1
2
2 3
2
2
2
3
2
1
2
3
2
1 3
2
2 3
2
2
2
2 1
2
2 3
2
1 2 3
x x x
x x
x
V
x x x
x x
V
x x x
x x
V
j j j
j j
j
x
j j j
j j
x
j j j
j j
x
j j j
, , ,
, ,
,
, , ,
, ,
, , ,
, ,
, , ,

expresso que nos permite avaliar o erro esperado ao calcular a recuperao devido
aos erros afectos s determinaes dos valores dos componentes (em geral, teores)
nos produtos amostrados (no caso vertente do n separao, alimentao, concentrado
e estril). Contudo, nesta expresso, a influncia dos vrios erros est ponderada
pelos valores absolutos dos teores determinados. Seja, por exemplo, o caso duma
concentrao em que se determinaram os seguintes teores no componente zinco (j=1):

f (feed) =x
1,1
= 2% Zn

c (conc) =x
2,1
=40% Zn
e (est) =x
3,1
= 0,3% Zn

a que corresponde uma recuperao = 0.856. A aplicao directa da frmula (11)
para clculo da varincia afecta a esta estimativa da recuperao:
V V V V
f c e
= + + 57 1 0 00026 2325 2 . . .

permite verificar de imediato que essa estimativa muito sensvel ao erro cometido na
determinao do teor dos estreis e indiferente preciso da determinao do teor do
concentrado.
Admitindo um erro relativo de 5%, igual para todas as determinaes, ento
os desvios absolutos dos trs produtos em anlise valem, respectivamente:

s
f
=0.02 x 0.05 =0.001 V
f
=s
f
2
=0.000001
s
c
=0.4 x 0.05 =0.02 V
c
=s
c
2
=0.0004
s
e
=0.003 x 0.05 =0.00015 V
e
=s
e
2
=2.25 x 10
-8

vir
V

=1.1 x 10
-4
e o desvio padro dado por:

s
= V
=0.0105

Deste modo, para um nvel de confiana de 95%, o desvio esperado para o
clculo efectuado ser de dois desvios padro, ou seja:

= 0.856 0.021

Por outro lado, pense-se agora numa separao em que se opere uma menor
separao do componente (Zn) analisado, com valores de 2%, 2.2% e 1.3% em Zn,
respectivamente, para a alimentao, concentrado e estril. Embora o clculo da
recuperao conduza ao mesmo valor do exemplo anterior, a varincia vem dada por:

V V V V
f c e
= + + 6311 3155 738

onde se v que, no caso duma separao de menor relao de concentrao, a
estimativa da recuperao vem muito afectada pelo erro cometido na determinao
dos teores do concentrado e da alimentao do que do estril.

Haver, pois, em cada caso concreto, que estabelecer a estratgia mais
adequada e tomar as precaues devidas nos procedimentos de amostragem e anlise.

EXEMPLO:
Numa lavaria de Cobre com analisadores "on line" foram obtidos os seguintes
teores e respectivos erros relativos (funo das caractersticas tcnicas dos
equipamentos ou, eventualmente, determinados ao longo da experincia com esses
equipamentos):
teores erros relativos

- alimentao f =3.5% 4%
- concentrado c =18% 2%
- estril e =1% 8%

Calcular a recuperao e a incerteza associada a esse resultado.
O resultado final ser = 0.756 0.048 para um nvel de confiana de 95% !

3.3.3 Anlise de Sensibilidade do Clculo do Rendimento Ponderal

Tal como no anterior, o clculo do rendimento ponderal a partir da equao
(5) derivada da frmula dos dois produtos susceptvel de estar associado a um erro
demasiado elevado se os valores dos componentes no estiverem suficientemente
separados. Por exemplo, um ciclone produz em geral uma boa partio da fase
lquida bem como dos calibres suficientemente afastados do calibre de corte, mas no
necessariamente em termos de teores em algum metal presente no minrio nem nos
calibres prximos do de corte. Assim sendo, quando esses dados esto disponveis, o
problema ser decidir qual o componente que produz o balano material mais
rigoroso.
A anterior equao (5) poder tambm ser derivada parcialmente em ordem a
cada um dos fluxos analisados, f, c e e:

x x x
j j j 1 2 3
1
, , ,
=
(12)

( )
( )
x
x x
x x
j
j j
j j
2
1 3
2 3
2
,
, ,
, ,
=

(13)

( )
x
x x
x x
j
j j
j j
3
1 2
2 3
2
,
, ,
, ,
=

(14)

para, de acordo com (10), se calcular a varincia do clculo do rendimento ponderal
em funo das varincias dos valores experimentais nela intervenientes:
V
x
V
x
V
x
V
j
x
j
x
j
x
j j j
=
1
2
2
2
3
2
1 2 3
, , ,
, , ,
(15)

( )
( )
( )
( )
( )
=

1
2 3
2
1 3
2
2 3
4
1 2
2
2 3
4
1 2 3
x x
V
x x
x x
V
x x
x x
V
j j
x
j j
j j
x
j j
j j
x
j j j
, ,
, ,
, ,
, ,
, ,
, , ,

EXEMPLO:
Uma espiral, a funcionar como unit cell num circuito fechado de moagem, foi
amostrada e analisados os seus produtos:
- alimentao 0.92% 0.02% Sn
- concentrado 0.99% 0.02% Sn
- estril 0.69% 0.02% Sn

As densidades de polpa tambm foram medidas, sendo as diluies de:
- alimentao 4.87 0.05
- concentrado 1.77 0.05
- estril 15.73 0.05

Verifique que o rendimento ponderal, para um nvel de confiana de 95% de:

=0.767 0.085 calculado pelos teores em Sn, e de
=0.778 0.0045 calculado pelas diluies

pelo que sendo, a diluio o componente menos sensvel, em clculos posteriores
deve ser adoptado o respectivo rendimento ponderal.

A possibilidade evidenciada pelo exemplo anterior abre outras perspectivas
para um clculo mais rigoroso da recuperao no caso em que o componente principal
analisado no estiver suficientemente separado. Com efeito, se existirem anlises de
outros componentes, poder-se- analisar a sensibilidade do clculo do rendimento
ponderal e adoptar o valor obtido atravs do componente menos sensvel, calculando
de seguida a recuperao atravs de:

j k
j
j
x
x
=
2
1
,
,

sendo k o componente menos sensvel para o clculo de
ej o componente principal de que se pretende calcular a recuperao.


3.4 Reconciliao de dados superabundantes em clculos de balano de massa

Sumrio do Pargrafo

3.4.1 Mtodos de reconciliao de dados em Balanos de Massa:
3.4.1.1 Determinao da melhor estimativa para o Rendimento Ponderal
3.4.1.2 Ajustamento dos valores dos componentes determinados.
3.4.2. Extenso do mtodo para Circuitos Complexos:
3.4.2.1 Caso dum circuito fechado de moagem
3.4.2.2 Caso dum circuito de Desengrosso Reclamao - Apuramento.
3.4.3 Mtodo para ponderao dos ajustamentos de acordo com a varincia das
determinaes experimentais.

Todos os desenvolvimentos anteriores foram feitos na perspectiva da
existncia de determinaes experimentais e analticas de mais do que um
componente nos fluxos de cada n, por exemplo, numa lavaria de recuperao de
cobre natural haver determinaes de teores de Cu, Zn, Pb e Fe !
Nestes casos sucede que em cada n h excesso de dados, de modo que se
podem calcular vrias estimativas para o rendimento ponderal custa de cada um
dos componentes analisados, sendo cada uma independente das outras e,
aparentemente, igualmente vlidas. O problema ser escolher qual o componente a
usar para produzir o balano coerente e quais os redundantes. Na generalidade dos
casos correntes, nenhum desses componentes ser capaz de produzir esse balano
coerente porque:
a colheita das amostras nos vrios fluxos est sempre sujeita a erros por
falta de representatividade;
as tcnicas analticas usadas para tratamento das amostras esto
tambm sujeitas a erro
os regimes permanentes contnuos no existem nos circuitos de
tratamento de minrios, a no ser durante tempos muito curtos, pelo
que fluxos amostrados em tempos distintos correspondem, em geral, a
regimes diferentes.

3.4.1 Mtodos de Reconciliao de Dados em Balanos de Massa

A soluo correntemente preconizada para obteno dos balanos coerentes
consiste em usar todos os dados disponveis para determinar a melhor estimativa
para o rendimento ponderal, e, em seguida, ajustar todos esses dados de modo a
compatibiliz-los com essa estimativa.
A aplicao destes mtodos a ns simples relativamente simples e, a partir
dela pode-se obter a soluo para um circuito complexo qualquer. Todavia, projectar
uma aplicao genrica para circuitos de configurao arbitrria torna-se demasiado
complexo.


3.4.1.1 Determinao da melhor estimativa para o Rendimento Ponderal

A ttulo de apresentao, tome-se o exemplo duma lavaria de Sn em que se
analisam, por rotina, os teores de S, Fe, SiO2, S, As e TiO2, na alimentao no
concentrado e nos estreis, conforme a Tabela I.
Como pode ser analisado, obtm-se para o Rendimento Ponderal 6
estimativas diferentes. Tais valores foram calculados na perspectiva de que cada
determinao analtica era exacta e com cada equao de balano (4) igualada a zero:

x x x
j j j j j 1 2 3
1 0
, , ,
( ) = (16)
TABELA I

Conponente alimentao Concentrado Estril Rp Calc %
Sn 21.90 43.00 6.77 41.76
Fe 3.46 5.50 1.76 45.45
SiO2 58.00 25.10 75.30 34.46
S 0.11 0.12 0.09 66.67
As 0.36 0.38 0.34 50.00
TiO2 4.91 9.24 2.07 39.61

Contudo, s foi efectuada uma nica separao e, por conseguinte, ser de
esperar um rendimento ponderal nico afectando todos os componentes. Se na
anterior expresso se substituir cada
j
pelo valor , ento essas expresses
apresentaro um erro de fecho,
j
, no nulo, passando a ter a forma:

x x x
j j j j 1 2 3
1
, , ,
( ) = (17)

O clculo da melhor estimativa * para o valor de , cuja confiana depende
do rigor dos dados e do nvel em que cada componente separado, pode ser
conduzido segundo dois critrios distintos:

minimizao da soma dos quadrados dos ajustamentos a fazer sobre as
determinaes de cada componente:

( )
S x
i j
j
n
i
=
= =

,
2
1 1
3
sendo x x x
i j i j i j , , ,
=

(18)

isto , cada ajustamento igual diferena entre o valor medido e o
calculado que torna o balano coerente;

minimizao da soma dos quadrados dos erros de fecho de cada
equao de balano:

S
j
j
n
=
=
1
(19)

para depois de obter a melhor estima * (largamente determinado
pelos componentes melhor separados durante o processo de

( )( )
( )
x x x x
x x
j j j j
j
j j
j
1 3 2 3
2 3
2
, , , ,
, ,

concentrao) calcular os ajustamentos a cada um dos componentes,
por distribuio do erros de fecho, de modo a tornar o balano
coerente.

Na maioria dos casos prticos os mtodos so razoavelmente equivalentes. O
segundo mtodo, mais facilmente implementvel, como veremos nos prximos
pargrafos.

Substituindo na equao (19) a equao (17) depois de ligeiramente adaptada,
obteremos:

( ) ( ) ( )( )
S x x x x x x x x
j j j j j j
j
j j
j j
= +
1 3
2
2
2 3
2
1 3 2 3
2
, , , , , , , ,
(20)

O valor de S nunca poder ser zero, a no ser que os dados sejam consistentes.
Contudo ter um mnimo quando a derivada se anular,
dS
d
= 0, isto :

( ) ( )( )
2 2 0
2 3
2
1 3 2 3
=

x x x x x x
j j j j
j j
j j , , , , , ,

sendo a melhor estima para o rendimento ponderal dada por:

(21)

3.4.1.2 Ajustamento dos valores dos componentes

Uma vez determinado * o passo seguinte ser ajustar o valor dos vrios
componentes (teores medidos) x
i,j
de modo a torn-los consistentes com o valor do
rendimento ponderal calculado. Para tal os erros de fecho devero ser distribudos
entre todos os componentes de modo a obter-se equaes de balano coerentes:

x x x
j j j 1 2 3
1 0
, , ,
( )

= com x x x
i j i j i j , , ,
=

(22)

pelo que:

( ) ( ) ( )
x x x x x x
j j j j j j 1 1 2 2 3 3
1 0
, , , , , ,
( ) =

(23)

expresso em que apenas se desconhece o valor dos ajustamentos x
i,j
.
Retomando a equao de fecho (17) com os valores obtidos experimen-
talmente e substitudo por * :

x x x
j j j j 1 2 3
1
, , ,
( ) =

e subtraindo-a membro a membro da expresso (23), obteremos


x x x
j j j j 1 2 3
1
, , ,
( ) =

(24)

expresso das restries a que devem obedecer os valores x
i,j
face ao valor * e aos
vrios erros de fecho
j
minimizados por *.

Notar que embora querendo minimizar os x
i,j
, a liberdade no total visto
que os x
i,j
tm que satisfazer equao (24), da chamar-lhe uma CONSTRIO.

O passo seguinte ser minimizar

( )
+ + =
n
j
j j j
x x x S
1
2
, 3
2
, 2
2
, 1
(25)
sujeita s constries (24)

Um modo de resolver um problema de minimizao desta natureza com
constries usar o mtodo dos multiplicadores de Lagrange que se resume da
seguinte forma:

1. escrevem-se as constries na forma g(x,y,z,...)=0:

j j j j
x x x + + =

1 2 3
1 0
, , ,
( )

2. constri-se a funo Lagrangeana como sendo a soma da funo
objectivo mais a constrio multiplicada por um parmetro que se
designa por Multiplicador de Lagrange:

( ) ( ) ( )
L x x x x x x
j j j j j j j j
j j
= + + + + +

1
2
2
2
3
2
1 2 3
2 1
, , , , , ,
(26)

3. demonstra-se que a condio necessria para o mnimo de S
constrangido dado pela soluo do sistema das derivadas parciais da
Lagrangeana em ordem a cada incgnita igualadas a zero:

L
x
x x
j
j j j j

1
1 1
2 2 0
,
, ,
= = = (27)

L
x
x x
j
j j j j

2
2 2
2 2 0
,
, ,
= + = =

(28)

( ) ( )

L
x
x x
j
j j j j

3
3 3
2 2 1 0 1
,
, ,
= + = =

(29)

( ) ( ) 0 1 2
, 3 , 2 , 1
= + + =

j j j j
j
x x x
L
(30)


Substituindo (27), (28) e (29) em (30), obter-se-:

( ) ( )
( )
j j j j j j
h = + + = + + =

2 2 2 2
1 1 1
com
( ) h = + +

1 1
2 2
(31)

pelo que se obter sucessivamente, para cada componente:

j
j
h
=

x
h
j j
j
1,
= = (32)

x
h
j j
j
2,
= =

(33)

( ) ( )

x
h
j j
j
3
1 1
,
= =

(34)

Assim, uma vez calculado *, calcula-se h pela equao (31). Em seguida
determinam-se todos os erros de fecho,
j
pela equao

x x x
j j j j 1 2 3
1
, , ,
( ) =

para com eles calcular todos os ajustamentos
i,j
pretendidos pelas expresses (32) a
(34).

Na Tabela II apresentam-se os resultados referentes aplicao da rotina de
clculo aos dados da tabela I.

TABELA II

Componen-
te
Alimenta-
o
Concen-
trado
Estril - Rp
calc%
Alim ajust Conc Ajust Est Ajust
Sn 21.90 43.00 6.77 41.76 20.78 43.41 7.47
Fe 3.46 5.50 1.76 45.45 3.25 5.58 1.89
SiO2 58.00 25.10 75.30 34.46 57.16 25.41 75.83
S 0.11 0.12 0.09 66.67 0.10 0.12 0.09
As o.36 0.38 0.34 50.00 0.36 0.38 0.34
TiO2 4.91 9.24 2.07 39.61 4.79 9.28 2.15

melhor * =
37.03


3.4.2 Extenso do Mtodo para Circuitos Complexos

Conforme j foi referido, o desenvolvimento dum algoritmo universal para
aplicao a circuitos de configurao arbitrria tarefa complicada.
Contudo h pequenos circuitos de utilizao em qualquer lavaria de
processamento de minrios que interessa ter analisados para utilizao corrente. o
caso dos circuitos fechados de moagem, com classificador aos ps ou cabea, onde
as anlise granulomtricas dos vrios produtos, determinadas diariamente, necessitam
de ser compatibilizadas na perspectiva da consistncia dos balanos em jogo. Um
outro caso tpico o dos circuitos de flutuao com Desengrosso, Reclamao e
Apuramento.
Para resolver estes casos concretos ser necessrio escrever as equaes de
balano correspondentes aos vrios ns simples que integram o circuito e procurar
estabelecer as funes objectivo (somas de quadrados de erros de fecho e de
ajustamentos a realizar nos vrios componentes) a minimizar nos vrios passos do
processo de clculo.

Ao leitor sugere-se que analise esses casos esquematicamente apresentados
nas figuras seguintes, estabelea as frmulas finais de clculo e, se possvel, aponte
solues generalizveis.

3.4.2.1 Caso dum Circuito Fechado de Moagem

A=1 E=R
D=1
1
2
C=R-1
B=R-1

Neste caso ser necessrio escrever duas equaes de balano:
- n de mistura 1 ( )
( ) ( )
1
1
, j j j j j j j j
a R c R e R c e a c = + = +
- n separador 2 ( )
( ) ( )
2
1
, j j j j j j j j
R e R b d R e b b d = = +

ambas em funo do caudal (relativo) R, e calcular de seguida o valor R
*
que
minimiza a soma dos quadrados dos erros de fecho:

( )
S
j j
j
= +

1
2
2
2
, ,

Note-se, de passagem, que o problema ainda demasiado simples uma vez
que apenas existe uma nica incgnita a minimizar. Isto , o objectivo S a minimizar
ainda funo apenas de uma s varivel, R.


Uma vez obtido esse valor R*, o passo seguinte ser minimizar a soma dos
quadrados dos ajustamentos a fazer determinao de cada componente.

( )
S a b c d e
j j j j j
j
'= + + + +

2 2 2 2 2

sujeita s respectivas constries a cumprir em cada um dos ns do circuito,
expressas, como anteriormente, por:

( )
1
1 0
, j j j j
a R c R e + =

( )
2
1 0
, j j j j
R e R b d + + =

Usando a tcnica dos multiplicadores de Lagrange, constri-se a respectiva
Lagrangeana que, neste caso, vai exigir, para cada componente analisado, dois
multiplicadores, um para cada constrio.
Uma vez determinada a estimativa R*, a Lagrangeana apresenta-se como
funo do quadrado de cada um dos ajustamentos,

a b c d e
j j j j j
2 2 2 2 2
, , , ,

e dos dois multiplicadores,

1 2 , ,
,
j j

pelo que, por derivao em relao a cada um destes argumentos, para se obter a
condio de mnimo, se vo obter:
equaes lineares que exprimem directamente cada um dos ajustamentos
(deltas) em funo dos multiplicadores (lambdas) e de R*
sistemas de duas equaes nos lambdas, exclusivamente funo de R* e
dos erros de fecho das equaes em cada n.
Uma vez resolvidos estes sistemas, os vrios valores dos lambdas para cada
componente vo permitir calcular os ajustamentos que tornam todo o balano
coerente.

3.4.2.2 Caso dum Circuito Desengrosso-Reclamao-Apuramento

A1
A2 A3
A4 A5
A6
A7
D R
A

Usando rotina semelhante o leitor procurar estabelecer as expresses a
minimizar de modo a obter as estimativas para os respectivos fluxos (em termos

relativos) bem como os ajustamentos a fazer s determinaes dos vrios
componentes para compatibilizao do balano.

Se, como anteriormente, se fizer:

1
=A
1
/A
1
=1 e, sucessivamente,
i
=A
i
/A
1

a determinao das melhores estimativas para os vrios alfas vai obter-se
minimizando a soma dos quadrados dos erros de fecho das 4 equaes dos ns em
presena (3 simples e o n geral). O leitor facilmente constar que esta funo
objectivo depende de cada um dos alfas na forma simples e na quadrada, pelo que,
por derivao parcial em ordem a cada um deles (para atingir a condio de mnimo)
se obter um sistema de equaes lineares em que as incgnitas so os respectivos
alfas.
O prolongamento da soluo at ao clculo dos ajustamentos para cada
componente ser conseguida por extenso do mtodo utilizado na soluo do
problema anterior.

3.4.3 Mtodo para Ponderao dos Ajustamentos de Acordo com a Varia-
bilidade das Determinaes Experimentais

A melhor estimativa, *, do rendimento ponderal calculada pelas rotinas
anteriormente apresentadas , contudo, um valor normalmente distorcido, como alis
pode ser analisado na TABELA II, que tende a aproximar-se, em geral, do valor
calculado sobre o componente que tem valores mais altos, mas no necessariamente o
componente melhor separado.

Esta distoro deve-se aceitao implcita de que o erro experimental
absoluto se distribui de forma equitativa por todos os componentes, o que na prtica
no se confirmar. Ser muito mais plausvel aceitar que o erro absoluto de cada
valor seja proporcional ao prprio valor, o que significa aceitar para cada um desses
valores o mesmo erro relativo. Ser, pois, desejvel encontrar um modo de ponderar
os ajustamentos a calcular para cada componente de modo a que dados mais
consistentes sejam menos ajustados que os dados menos rigorosos. Para este efeito
costume usar o inverso da varincia estimada como factor de ponderao.
A soluo poder ser conseguida mantendo os mtodos anteriores, para
minimizar a soma dos quadrados doe erros de fecho das equaes de balano dos
componentes devidamente ponderados:

S
V
j
j
j
=
2
(35)

No compensa mexer numa varivel muito rigorosa (de varincia pequena)
porque o seu peso na funo objectivo muito grande (devido diviso por um
nmero muito pequeno). Na procura do mnimo compensa mais mexer numa varivel
de grande impreciso (de varincia grande) dado o pequeno peso da sua participao
na funo objectivo.

Tal como anteriormente, o clculo da varincia dos erros de fecho pode ser
calculada a partir do pressuposto expresso por (10), pelo que:
V
x
V
x
V
x
V
j j j j
j
j
x
j
j
x
j
j
x

=

1
2
2
2
3
2
1 2 3
, , ,
, , ,
(36)
e como
( )
( ) ( )
j j j j j j j j
x x x x x x x = =
1 2 3 1 3 2 3
1
, , , , , , ,
(37)
vir:
( ) V V V V
j j j j
x x x
= + +
1 2 3
2
2
1
, , ,
(38)

o que nos permite calcular a funo objectivo S como funo de e, ento,
determinar
*
que a minimize. Substituindo (37) em (35), obteremos:

( ) ( ) ( )
dS
d
x x
V
x x x x
V
j j j j j j
j
j j
2 2
0
2 3
2
1 3 2 3 , , , , , ,

de onde se calcula, finalmente:

( )( )
( )
=

x x x x
V
x x
V
j j j j
j
j j
j
j
j
1 3 2 3
2 3
2
, , , ,
, ,
(39)

equao que pode ser resolvida por iterao conjuntamente com a equao (38) :
1. introduz-se uma estimativa de em (38)
2. calcula-se uma estimativa para V
j

3. que introduzida em (39) permite calcular um novo valor de
4. retorno ao ponto 2. at convergncia.

Uma vez determinado esta nova melhor estimativa para , vai retomar-se a
rotina de clculo dos ajustamentos x
i,j
dos componentes

x x x
i j i j i j , , ,
=

que, de acordo com (24) tornam o balano coerente com a melhor estimativa,
*
, do
rendimento determinada pela anterior rotina de iterao:

x x x
j j j j 1 2 3
1
, , ,
( ) =

sendo
j
o conjunto dos erros de fecho minimizados pelo valor
*
determinado.
Seguindo o novo ponto de vista, no clculo dos novos ajustamentos dos
componentes, este vo ser ponderados pelo inverso das respectivas varincias, de
modo que a funo objectivo a minimizar ser:


S
x
V
x
V
x
V
j
x
j
x
j
x j
j j j
= + +

1
2
2
2
3
2
1 2 3
, , ,
, , ,
(40)

pelo mtodo dos multiplicadores de Lagrange e constrangida pela anterior equao de
balano coerente:

+ + + =

x x x
j j j j 1 2 3
1 0
, , ,
( ) (41)

resultando a langrangeana da forma:

( ) ( )
L
x
V
x
V
x
V
x x x
j
x
j
x
j
x
j j j j j
j j
j j j
= + +
+ + +

1
2
2
2
3
2
1 2 3
1 2 3
2 1
, , ,
, , ,
, , ,
(42)

Derivando L parcialmente em ordem aos ajustamentos
i,j
e a
j
e igualando
a zero, libertamo-nos das formas quadrticas.
Assim, para cada j:

L
x
x
V
x V
j
j
x
j j j x
j
j
1
1
1
2 2 0
1
1
,
,
,
,
,
= = = (42)

L
x
x
V
x V
j
j
x
j j j x
j
j
2
2
2
2 2 0
2
2
,
,
,
,
,
= + = =

(43)

( ) ( )

L
x
x
V
x V
j
j
x
j j j x
j
j
3
3
3
2 2 1 0 1
3
3
,
,
,
,
,
= + = =

(44)

e, finalmente,

( ) ( )

L
x x x
j
j j j j
= + + =

2 1 0
1 2 3

, , ,

ou seja

( )
j j j j
x x x =

1 2 3
1
, , ,
(45)

Substituindo agora (42), (43) e (44) em (45), teremos:

( )
( )
j j x x x
V V V
j j j
= + +

1 2 3
2
2
1
, , ,
(46)

em que o segundo membro a expresso (38) da varincia dos erros de fecho V
j
,
pelo que:


j j
V
j
= ou
j
j
j
V
=

e, sucessivamente,

x
V
V
V
j j
x
j x
j
j
j
1
1
1
,
,
,
= = (47)

x
V
V
V
j j
x
j x
j
j
j
2
2
2
,
,
,
= =

(48)

( ) ( )
x
V
V
V
j j
x
j x
j
j
j
3
1 1
3
3
,
,
,
= =

(49)

expresses que permitem levar o algoritmo de clculo at ao fim.

Na Tabela III apresentam-se os dados iniciais ajustados por este novo
procedimento de clculo assumindo erros relativos idnticos para cada componente
(a que correspondem diferentes erros absolutos).
Embora neste caso os resultados sejam muito semelhantes aos obtidos na
Tabela II, o que alis no regra corrente, mesmo assim evidente que a distoro
para o lado da slica desapareceu, aproximando-se dos valores do Sn, o componente
melhor separado (ver Tabela I - pg. 37).

TABELA III

Compo-
nente
Alimenta-
o
Concentra
do
Estril - Rp
calc%
Alim ajust Conc Ajust Est Ajust
Sn 21.90 43.00 6.77 41.76 21.80 43.16 6.78
Fe 3.46 5.50 1.76 45.45 3.36 5.61 1.78
SiO2 58.00 25.10 75.30 34.46 55.87 25.26 77.41
S 0.11 0.12 0.09 66.67 0.10 0.12 0.09
As o.36 0.38 0.34 50.00 0.36 0.38 0.34
TiO2 4.91 9.24 2.07 39.61 4.98 9.13 2.06
melhor * = 41.30

Bibilografia:

WILLS, B.A. "Mineral Processing Technology" - 4th Edition, Pergamon
Press, Oxford, 1988

LYNCH, A.J . "Mineral Crushing and Grinding Circuits - Their Simulation,
Optimisation, Design and Control", Elsevier, Amsterdam, 1977

SPRING, R. "Soft-sensors and Numerical Filters in Mineral Processing",
CIM Bulletin, volume 85, n 965, pp 68-69, Nov/Dec 1992

3.5 Anlise de Circuitos Complexos
Introduo aos Balanos de Massa em Circuitos Complexos

Sumrio do Pargrafo

3.5.1 Mtodo Analtico para Estudo de Diagramas Complexos.
Matriz das Ligaes e Matriz de Componentes
3.5.2 Exemplo de Aplicao

Um diagrama de concentrao, por mais complexo que seja, pode sempre ser
decomposto numa srie de operaes unitrias simples, podendo cada uma ser
avaliada pela aplicao das equaes de balano envolvendo dois produtos.

Seja o exemplo do caso dum circuito de flutuao de zinco. O andar de de-
sengrosso alimentado com uma polpa contendo 5% Zn a 25 t/h e produz um
concentrado de alto teor a 45% Zn. O estril do desengrosso, titulando 0.7% Zn
alimenta uma seco de reclamao que produz um concentrado de baixo teor a 7%
Zn e um rejeito final titulando 0.2% Zn. Pretende-se calcular a produo horria de
concentrados de alto e baixo teor (ou os respectivos Rendimentos Ponderais em
alternativa) bem como a recuperao total do circuito.
Uma vez que foram feitas todas as determinaes necessrias para tornarem o
problema solvel, o leitor rapidamente pode chegar soluo do problema e obter os
seguintes valores:

C
1
=2.43 t/h e C
2
=1.66 ton/h
=96.7 %

Neste caso simples fcil determinar quais os fluxos que devem ser analisados
para produzir o sistema de equaes que resolve o problema. Provavelmente o leitor
nem sequer chegou a escrever esse sistema e resolveu o problema em 2 estgios
sucessivos de clculo, raciocinando como se se tratasse de 2 circuitos distintos sem
qualquer relao entre si.

Contudo, quando na prtica corrente se pretende calcular o balano de massa
de um circuito mais complexo, em regime permanente ("steady state"), , em geral,
necessrio recorrer a um mtodo mais analtico para gerar o sistema de n equaes
lineares a n incgnitas.
Note-se que no contexto em que estamos a trabalhar, "calcular um circuito"
significa calcular o valor dos fluxos mssicos em cada ramo do circuito, seja em
valores absolutos, seja referidos ao caudal standard unitrio da alimentao.

3.5.1 Mtodo Analtico para Estudo de Diagramas

Qualquer circuito complexo pode sempre ser reduzido a uma rede constituda
por uma srie de ns simples onde os fluxos em processamento ora se juntam ou
separam. Um n simples define-se como sendo, ou um separador simples, que

possui um entrada nica e apenas duas sadas, ou uma juno (mistura) simples
constituda por duas entradas e apenas uma sada. Em princpio, qualquer separador
ou juno complexa pode ser substituda por uma cascata de separadores ou junes
simples em srie.

possvel demonstrar que, admitindo conhecido um dos fluxos do circuito
(em geral a alimentao)
4
, o nmero mnimo de fluxos a analisar o teor para permitir
calcular o balano de massa dado por:

( ) N F S = + 2 1 (1)

em que:
F - nmero de caudais de entrada no circuito directamente do exterior
S - nmero de separadores simples

No entanto, deve chamar-se ateno de que para a determinao do nmero
de separadores simples ser necessrio decompor o diagrama complexo em ns
simples. Esta operao perigosa na medida em que vai tornar visvel circuitos
inexistentes ou, pelo menos, de difcil acesso para qualquer determinao no circuito
real em estudo.
Para obviar a este inconveniente, FREW desenvolveu um procedimento que
permite de modo fcil o estabelecimento das equaes do circuito e, bem assim, uma
confirmao da contagem de ns simples do diagrama.
O mtodo envolve o uso da chamada matriz de ligaes, C, definida do
seguinte modo:

sendo i - n de linhas =n de ns reais do circuito
j - n de colunas =n de fluxos reais do circuito

+1 - se o fluxo j entrada no n i ("feed")
C
i,j
= - 1 - se o fluxo j sada do n i ("product") (2)
0 - se o fluxo j no se relaciona com o n i.

Se repararmos bem, por trs desta matriz de ligaes encontram-se as
equaes de balano de massa total escritas para todos os ns reais do circuito e,
como tal, envolvendo todas as incgnitas do problemas em estudo. Assim, esta
matriz ter, em geral, nmero de linhas inferior ao nmero de colunas, pelo que ser
necessrio encontrar mais equaes para tornar o sistema determinado. Como
sabemos, essas novas equaes sero as equaes de balano de componentes e o
nmero de determinaes desses componentes necessrias dado pela frmula [1].

Uma vez construda a matriz de acordo com [2], como cada coluna representa
um fluxo real do diagrama, o somatrio de todos os seus elementos dever valer +1, -

4
Frequentemente prefere-se admitir o fluxo de alimentao como unitrio e calcular
todos os restantes fluxos como fraces desse fluxo de alimentao.

1 ou 0, sendo qualquer outro valor indicativo da existncia dum erro (interprete).
Fcil ser tambm identificar que se o somatrio valer:
+1 - o fluxo uma alimentao do exterior
- 1 - o fluxo um produto final
0 - se trata de um fluxo interno

Do mesmo modo, como cada linha representa cada n real do diagrama,
contam-se o nmero de entradas n
e
e o nmero de sadas n
s
e calculam-se, com
facilidade, o nmero de junes simples e o nmero de separadores simples do
seguinte modo:
n
e
-1 (n de junes simples) (3)
n
s
-1 (n de separadores simples)
sendo o nmero total J de junes simples e S de separadores simples do circuito
dado pelas respectivas somas estendidas a todos os ns.

Calcula-se, ento, de seguida, o nmero de determinaes a efectuar do
componente desejado, de acordo com a anterior frmula [1].

Se o nmero dessas medies necessrias for superior ao nmero de fluxos
reais existentes isso significa que tero que se fazer determinaes de caudais
mssicos em nmero igual diferena.
Como nota importante deve chamar-se ateno de que apenas podem ser
usados componentes conservativos em cada n, isto , componentes que no sofram
transformaes que modifiquem as propriedades medidas, mas apenas ocorram
separaes ou junes de fluxos de propriedades diferentes. Por exemplo, se num
dado circuito de flutuao houver um circuito de remoagem, esse circuito pode ser
mantido no clculo se se estiver a usar determinaes de teor, todavia no poder ser
usado para o clculo do balano baseado em anlises granulomtricas. Neste caso, o
circuito de remoagem dever ser seccionado em dois fluxos: um, que saindo do
circuito, ser classificado com produto, e outro que volta a entrar, mas com
composio granulomtrica diferente, classificado como entrada directamente do
exterior.
Quando o nmero de determinaes necessrias menor que o nmero de
fluxos, haver que analisar cuidadosamente quais os fluxos que podem ser
abandonados, isto , quais as equaes de balano de componentes a prescindir, sob
pena do sistema no ficar devidamente determinado. Com efeito, ao prescindir da
determinao de um dado fluxo so imediatamente eliminadas as equaes de balano
de componentes relativas aos ns com que esse fluxo se relaciona (2 equaes se se
tratar dum fluxo interno, ou 1 equao no caso do fluxo ser uma entrada ou sada do
circuito).
Assim sendo sempre necessrio analisar cuidadosamente o diagrama e
escolher os fluxos a abandonar de modo a manter o nmero de equaes necessrias
para igualar o nmero de incgnitas (igual ao nmero de fluxos).
Finalmente, convm referir, que ao resolver o sistema de equaes surgem
com frequncia matrizes singulares de determinante nulo porque uma das equaes
escritas no linearmente independente das restantes, o que nem sempre visvel
simples anlise visual da matriz. Embora no haja um mtodo completamente seguro
para construir a matriz que evite essa situao, sugere-se como boa estratgia que se

escolham os fluxos a analisar em volta de ns com o mnimo possvel de braos
comuns.

No caso de haver lugar a escolhas alternativas entre ns diferentes a incluir no
clculo, algumas reflexes devem ser feitas, uma vez que as determinaes
experimentais esto, em geral, afectadas de erro. Como se sabe, os ns em que um
dado componente mal separado so propensos a maiores erros. Em princpio, face
a um diagrama concreto em estudo, sempre possvel utilizar uma rotina para analisar
a sensibilidade e indicar quais as equaes e quais os componentes a usar para obter o
mnimo de varincia no clculo do balano de massa. Por outro lado, aconselha-se a
determinao de caudais sempre que possvel, uma vez que esses dados diminuem
consideravelmente a sensibilidade ao erro experimental.

Como vimos atrs, a matriz das ligaes permite construir uma outra matriz
da forma:

L C B
i j i j j , ,
=

que sob a forma de:

C B
i j j
j
,
=
0 (4)

resume as equaes de balano de massa total que se podem escrever sobre o
circuito e em que B
j
representa o caudal mssico do fluxo j, ou seja, as incgnitas do
sistema.

Para tornar o sistema perfeitamente determinado, teremos ento que construir
uma outra matriz, a acrescentar matriz de ligaes, a que chamaremos matriz de
componentes, definida como:

M C B a
i j i j j j , ,
=

em que a
j
representa o valor do componente em anlise (teor, % de calibre, diluio,
% slidos, etc).
Do mesmo modo se verifica que esta matriz resume todas as equaes de
balano de massa dos componentes:

C B a
i j j j
j
,
=
0 (5)

Combinado as duas matrizes L e M obteremos:

f
L L L
1 12 11
,....., ,
f
L L L
2 22 21
,....., ,

...

nf n n
L L L ,....., ,
2 1

f
M M M
1 12 11
,....., ,

f
M M M
2 22 21
,....., ,

...

nf n n
M M M ,....., ,
2 1

onde f =nmero de fluxos e n =nmero de ns.
Se o fluxo f for considerado o fluxo de referncia, em relao ao qual se
calculam todos os outros, normalmente a alimentao principal ao circuito, ser B
f
=
1 e, ento, B
j
representar a fraco do fluxo de referncia que circular na corrente j.
Por razes de comodidade no clculo, aconselha-se na numerao dos fluxos a
reservar para o fluxo de referncia, em geral o de alimentao, o valor mais alto.

) 1 ( ) 1 ( , 1 1 ,
) 1 ( ) 1 ( , 2 1 1 , 2
) 1 ( ) 1 ( , 1 1 1 , 1
) 1 ( , 1 ,
) 1 ( , 2 1 , 2
) 1 ( , 1 1 , 1
......
...
......
......
..........
...
..........
..........
s s n n
s s
s s
s n n
s
s
a C a C
a C a C
a C a C
C C
C C
C C
1
2
1
...
...
...
...
...
s
B
B
B
=
s s n
s s
s s
s n
s
s
a C
a C
a C
C
C
C
,
, 2
, 1
,
, 2
, 1
...
...
(6)

Uma ltima equao poder ser includa, uma vez que o diagrama no seu
conjunto pode ser considerado como um n simples em que o balano se faz entre as
entradas que igualam as sadas do circuito. Se for possvel utiliz-la, esta equao
pode ser muito til porque, em geral, h uma boa separao ao nvel deste n.
H casos em que mesmo necessrio recorrer a esta equao de balano para
obter o nmero necessrio de equaes. Contudo haver que estar atento pois
frequentemente esta equao no ser independente das equaes dos ns internos.


3.5.2 Exemplo de Aplicao

Seja o caso dum circuito de flutuao como o representado na figura anexa,
constitudo por uma unidade desengrossadora, seguida de reclamao e de
apuramento, sendo os respectivos produtos mistos recirculados sem remoagem para
a alimentao do circuito:

Estabelea o sistema de equaes usando a metodologia proposta por FREW,
tirando partido de todas as etapas:
- estabelecimento da matriz das ligaes;
- confirmao do nmero de fluxos internos e externos;
- determinao do nmero de ns simples (separadores e misturas);
- clculo do nmero de determinaes mnimo a realizar;
- estabelecimento do sistemas de equaes final;
- resoluo do sistema e apresentao dos resultados.

Paralelamente pode confirmar se as determinaes que foram feitas e que se
encontram referenciadas no diagrama, so suficientes ou no. Pense nas alternativas e
nas implicaes de se ter decidido no medir o fluxo designado com o n 7.

No caso de haver disponveis anlises de mais do que um componente, por
exemplo, Cu, Fe, S, para alm do Zn, o leitor poder reescrever os passos de clculo
para a reconciliao de dados superabundantes para o caso representado por este
diagrama. Note-se que a nica diferena relativamente ao diagrama do pargrafo
3.2.2 anterior a recirculao dos produtos mistos para a clula de desengrosso
cabea.


Memorando para generalizao da metodologia de desenvolvimento do clculo
de um Circuito Complexo
Sobre o exemplo proposto no presente pargrafo, aconselha-se o leitor a validar a
seguinte generalizao do procedimento na resoluo do problema proposto.
1. Numerao dos Ns representados no diagrama de forma sequencial
2. Numerao dos Fluxos de forma sequencial, deixando o fluxo de Alimentao
para receber a numerao mais alta
3. Construo da Matriz de Ligaes:
Determinar a Equao do N Geral, confirmando os fluxos de Entrada
e de sada no circuito;
Determinar o nmero de Separadores Simples
Determinar o nmero de Misturadores Simples
4. Estudo das possibilidade de soluo do problema:
Identificao do nmero de Incgnitas do problema e de nmero de
equaes que podem ser escritas
Uma vez que, em geral, se admite que o Fluxo de Alimentao
unitrio, o que corresponde a considerar todos os restantes fluxos
medidos em unidades de Fluxos de Alimentao, o nmero de
incgnitas o nmero de fluxos menos um
Em princpio podem ser escritas duas equaes sobre cada n uma de
Balano de Massa Total e outra de Balano de Massa de Constituinte
5. Determinao do nmero mnimo de Fluxos a analisar para recolha de dados
sobre o teor dos constituintes presentes, utilizando a equao de Frew:
Esta equao, ao identificar o nmero de fluxos a analisar permite
desde logo antever que equaes podem ser escritas
Se o nmero de fluxos de Frew for igual totalidade dos fluxos
existentes, ento podem ser escritas 2 equaes por cada n
representado, perfazendo o nmero de incgnitas existentes
Se o nmero de fluxos de Frew for menor que a totalidade dos fluxos
existentes, ento:
Tal significa que h equaes a mais para as incgnitas existentes,
visto que ao abandonar fluxos haver equaes de balano de
constituinte que no podem ser escritas (por falta de dados)
Se cada fluxo a abandonar se relacionar apenas com 1 n, ento
pode-se prescindir das respectivas equaes, porque estariam a
mais (de acordo com o expresso no pargrafo imediatamente
anterior)
Se o(s) fluxo(s) a abandonar se relacionar(em) cada um com 2 ns,
ento, por cada fluxo sero abandonadas 2 equaes de
constituinte, situao que no permite resolver o problema por
falta de equaes
Nestas circunstncias, a soluo , em geral, alcanada lanando
mo da equao de balano de constituinte do N Geral
Notar, todavia, que uma vez que esta equao do N Geral
linearmente dependente das equaes dos Ns, ela s pode ser

utilizada no caso de abandono de uma ou vrias das equaes dos
Ns
6. Temos, assim, o sistema de equaes que resolvem o problema devidamente
estabelecido:
Tantas equaes de Balano de Massa Total quantos os Ns
representados no circuito. Notar que essas equaes, uma vez que
envolvem os fluxos de Massa Total, so sempre todas utilizadas,
independentemente de ser ter abandonado, ou no, a determinao de
um fluxo, na sequncia da aplicao da frmula de FREW
Tantas equaes de Balano de Constituinte quantos os Ns
representados no circuito. Neste caso, trs situaes se colocam:
Se os fluxos de FREW coincidirem com a totalidade dos fluxos
representados, a soluo vir da resoluo de um sistema de
equaes lineares em nmero igual ao das incgnitas
Se for abandonado algum fluxo de acordo com a frmula de
FREW, prescinde-se das respectivas equaes, lanando mo da
equao do N Geral consoante as circunstncias, como descrito
acima. Tambm aqui a soluo alcanada resolvendo um
sistema de equaes lineares com tantas equaes quantas as
incgnitas
Se for decidido utilizar informao (teores) de todos os fluxos
representados e esse nmero for superior ao determinado pela
frmula de FREW, ento teremos equaes em nmero superior ao
nmero de incgnitas, ou seja, h dados em excesso. Neste caso
ser necessrio reconciliar esses dados para se chegar a uma
soluo nica (dita melhor estimativa)
7. Note-se de imediato que, mesmo nos dois primeiros casos imediatamente
anteriores, em que temos equaes em nmero igual ao das incgnitas,
poderemos ter que proceder reconciliao de dados se dispusermos de teores
de vrios constituintes analisados em todos esses fluxos

Chegados a este ponto, o circuito fica calculado pela resoluo do Sistemas de
Equaes (lineares) estabelecido. A Matriz das Ligaes uma excelente ferramenta
para escrever todas as equaes, conforme descrito anteriormente (pg. 64, equaes
(4) e (5) e pg. 65, sistema (6)), desde que no haja lugar reconciliao de dados,
isto , seguiu-se a regra de FREW e s foi escolhido um nico constituinte para se
efectuar determinaes analticas nos fluxos seleccionados!

Como discutido anteriormente, sempre prudente analisar mais do que um
constituinte nas amostras colhidas, dado que quanto mais informao fidedigna existir
sobre os vrios fluxos, melhor ser o conhecimento sobre o circuito.

Assim, na generalidade dos casos teremos que efectuar reconciliao de dados:
Quer porque decidimos (e bem) analisar todos os fluxos representados e
acessveis no circuito, no seguindo o resultado da aplicao da frmula de
FREW

Quer porque decidimos optar por um programa analtico que contemple vrios
constituintes

Nestas circunstncia, a reconciliao de dados envolve:
O clculo das Melhores Estimativas dos vrios Fluxos, levando em linha de
conta a totalidade da informao analtica disponvel e, posteriormente,
Efectuar o ajuste das determinaes analticas s Melhores Estimas dos fluxos,
de modo a obter-se um clculo coerente.

Os passos dessa reconciliao sero:

8. Sobre as equaes de Balano de Massa Total, possvel diminuir a dimenso
do problema, resolvendo por substituio estas equaes at se obter o nmero
mnimo de fluxos INCGNITAS
9. Este nmero mnimo de INCGNITAS exactamente o nmero de equaes
de Balano de Constituinte que se podem escrever com o nmero de fluxos de
FREW. A Equao do N Geral permite verificar que a resoluo por
substituio foi correctamente efectuada
10. Uma vez identificadas quais as INCGNITAS, todos os restantes fluxos
podem ser expressos nessas INCGNITAS e sero devidamente substitudos
em todas as equaes de Balano de Constituinte que vo ser usadas
11. Estas equaes so sucessivos produtos dos fluxos INCGNITAS
(normalizados pela alimentao) x teores de constituintes. No esquecer que o
fluxo Alimentao foi considerado unitrio!
12. Quando esses fluxos INCGNITAS so substitudos pelas respectivas
Melhores Estimas procuradas (normalmente referenciados com um *), ento
as vrias equaes para cada constituinte deixam de ser iguais a ZERO,
passando cada uma a evidenciar um ERRO DE FECHO
13. A soluo para a Melhor Estima ser encontrada como aquela que minimiza a
soma do quadrado desses ERROS de FECHO
14. Ento poderemos quadrar o termo esquerdo dessas equaes (podem ser
binmios, trinmios ou quadrinmios) e efectuar a soma de todos esses
ERROS. Esta soma tem como termos desconhecidos apenas os fluxos
INCGNITAS acima identificados, na forma quadrada e na forma simples.
15. Derivando parcialmente essa soma em ordem a cada um desses fluxos
INCGNITAS e igualando a zero (para se obter a soma mnima desejada),
vo ser obtidas tantas equaes quantas essas INCGNITAS, de novo na
forma linear devido operao de derivao. Notar que mesmo que se parta
de equaes de N em nmero superior s INCGNITAS, aps derivao
surgem sempre tantas equaes quantas as INCGNITAS!
16. Temos assim um novo sistema de equaes lineares que permite determinar as
Melhores Estimativas para os Fluxos INCGNITAS
17. As Melhores Estimativas para os restantes FLUXOS obtm-se a partir da
respectivas equaes de substituio (referidas em 8 e 10)
18. Chegados aqui o Circuito est RESOLVIDO

19. A fase seguinte ser promover o ajuste de todos os Teores de constituinte s
Melhores Estimativas dos Fluxos acabadas de determinar, de modo que a
soma do quadrado desse ajustes seja mnima, mas com a condio de serem
respeitadas as constries associadas a cada N
20. O passo seguinte ser, exactamente, escrever cada uma das constries (com
os termos todos agrupados na lado esquerdo da equao), para o que se
necessita de calcular em primeiro lugar os vrios ERROS de FECHO das
equaes de constituinte em todos os NS
21. Para o efeito da alnea anterior, aconselhvel escrever as equaes do Ns na
sua formulao original, isto , de acordo com a Matriz das Ligaes, porque
os fluxos so agora todos conhecidos!
22. Estabelecem-se de seguida os Multiplicadores de Lagrange, tantos quantos os
Ns representados e constitui-se a Langrangeana como a soma dos quadrados
de todos os ajustamentos a que se adiciona cada uma das constries
previamente multiplicada por 2 x o respectivo Multiplicador (lambda)
23. Derivando-se esta Langrangeana parcialmente em ordem a cada uma das
incgnitas todos os ajustamentos aos teores que se pretendem encontrar e
todos os Multiplicadores (lambdas) obter-se- uma sistema de n equaes a
n incgnitas que se resolve facilmente por substituio (primeiro estabelece-se
um sistema para determinar apenas os Multiplicadores e, a seguir, obtm-se
todos os ajustamentos por substituies sequenciais
24. Os passos anteriores, 20 a 23, so executados separadamente para cada
constituinte. Todavia, em cada um desses clculos so usados os mesmos
valores de fluxos encontrados como Melhores Estimas para o circuito. Alis
este o significado do ajuste os teores (determinados) s Melhores Estimas
adoptadas.

3.6 Diagramas de polpas

Tudo o que anteriormente foi estudado sobre BALANOS DE MASSA de
constituintes, a respeito do clculo dos fluxos mssicos em anlise de circuitos,
incluindo as tcnicas de reconciliao de dados em excesso, directamente aplicvel
ao constituinte GUA.

De facto, num curso de DIAGRAMAS DE PROCESSO muito vocacionado para os
tratamentos de minrios deve ser dada uma ateno para a importncia do constituinte
GUA, universalmente presente nos fluxos dos processos que se desenvolvem por
VIA HMIDA, desempenhando esse constituinte o meio de transporte e de
homogeneizao dos materiais em processamento. neste facto que radica o termo
LAVARIA, significando um processamento realizado via hmida.

Ora, porque necessrio gerir os fluxos de gua, cuja melhor prtica envolve
necessariamente circuitos de retorno para minimizar custos e diminuir a severidade
dos impactes ambientais ligados ao consumo de gua, o DIAGRAMA DE POLPAS
uma parte importante do DIAGRAMA QUANTITATIVO.

Uma das formas correntemente utilizadas para recolher
dados sobre as POLPAS envolve a colocao em cada ramo
do circuito de uma matriz de 4, 6, posies devidamente
preenchidos, como representado na figura anexa com a
seguinte legenda:

Qs fluxo de slidos (secos) massa slidos/unidade de tempo
Qw fluxo de gua massa de gua/unidade de tempo
P percentagem de slidos na Polpa, em massa
D diluio (razo entre a massa de gua e a massa de slidos.

Notar, de passagem, que ambos os parmetros P e D avaliam o teor em gua do
respectivo fluxo. Contudo, como nas equaes geralmente utilizadas nos Balanos de
Massa escritos sobre cada N do circuito, os fluxos mssicos totais se referem apenas
massa de slidos secos (e no massa total de polpa, slidos+gua), notar que:

massa do constituinte gua =massa de slidos secos x diluio D ( e no x P)

Deduzamos, rapidamente, as relaes entre estes parmetros:

Qw Qs
Qs
P
+
= por definio
( )
P
P Qs
Qw

=
1
resolvendo a anterior expresso em ordem a Qw
P
P
Qs
Qw
D

= =
1
por definio
1
1
+
=
D
P resolvendo a anterior expresso em ordem a P

Qs D
Qw P

Como exemplo de aplicao, suponhamos que se efectuou uma amostragem a um
circuito fechado de moagem, utilizando a metodologia que recomenda a definio da
Matriz das Ligaes e, com base nesses dados e na lei de FREW, se efectuaram as
anlises granulomtricas dos circuitos amostrados. Seguidamente procedeu-se ao
clculo do circuito e respectiva reconciliao de dados, comeando,
naturalmente, pela determinao das melhores estimativas dos fluxos mssicos
relevantes.

Seja, ento, o diagrama da figura anexa, j devidamente calculado, figurando na
posio superior esquerda da matriz de dados os respectivos caudais de slidos Qs
que flem em cada ramo do circuito (seja a Alimentao de 1 ton/h). De imediato se
conclui que o Circuito est a trabalhar com uma Carga Circulante de 300%.

Considerem-se, agora, as seguintes imposies do funcionamento dos equipamentos,
as quais figuram na posio inferior direita das respectivas matrizes (com fundo negro
e texto a branco):
O moinho deve trabalhar com uma percentagem de slidos de 50%;
O Hidroclassificador Akins deve ter uma alimentao mais diluda 40% de
slidos;
O Underflow do Akins (embora dependendo do calibre das areias) poder ter
uma percentagem de slidos de 80%;

Calculemos os restantes parmetros do circuito, a saber:
Caudal (m
3
/h) de gua entrada do moinho (para satisfazer a exigncia de
50% slidos)
Caudal (m
3
/h) de gua entrada do Akins (para satisfazer a exigncia de 40%
slidos)
Caudal (m
3
/h) de gua arrastada no Underflow do Akins
Caudal (m
3
/h) de gua de transbordo pelo Overflow do Akins (como
diferena entra a gua que entra e a que sai pelo Underflow)
Finalmente, calcule-se a percentagem de slidos do Overflow

1 4
50
4
40
1
16
3
80


Chegados a este ponto estamos em condies de determinar que os pontos crticos de
adio de gua so os seguintes, devidamente assinalados:
entrada do Moinho
entrada do Hidroclassficador Akins

Entretanto, na posio superior direita efectuaram-se os clculos das Diluies,
correspondentes s respectivas Percentagens de Slidos na polpa.

1 4
4 50
4
6 40
1
5,25
16
3
0,75
80
1 4 1
4 50
4
1,5
6 40
1
5,25
5,25
16
3
0,25
0,75
80
3,25 m
3
/h
2,0 m
3
/h

Pensemos agora no problema inverso!

Suponhamos que o circuito no estava ainda calculado. Isto , ainda no sabemos qual
a Carga Circulante do Circuito e queremos conhecer esse valor, at para ficarmos com
uma ideia do grau de optimizao do funcionamento do moinho.

Para esse efeito podemos escrever a equao de Balano de gua em torno do
Hidroclassificador e dela extrair o valor do Rendimento Ponderal do Supra.

A resoluo dessa equao exige que seja colhidas 3 amostras, uma em cada um dos
ramos do respectivo N, a saber, a Alimentao do Akins, o Underflow e o Overflow,
e sobre elas seja determinado o teor em gua. Para tal bastar as amostras em
vasilhas previamente taradas, seguidamente pesam-se as vasilhas com as amostras e,
em seguida, levam-se as amostras secura e pesam-se os materiais slidos depois de
secos. Desta operao obtm-se directamente as respectivas Percentagens de slidos
e, por clculo, as Diluies.

Conhecidos estes valores, poderemos efectuar o Balano de gua em volta do
classificador, calculando o respectivo Rendimento Ponderal do Supra.

Admita-se, ento, que da amostragem se obtiveram os seguintes dados:

D
alimentao
=1,5
D
underflow
=0,25
D
overflow
=5,25

Faam-se as contas do Rendimento Ponderal e conclua-se que:

R
p
= 0,75 isto , o Underflow vale 0,75, quando a alimentao do Akins vale 1,
com o Overflow a valer 0,25, naturalmente!

Assim sendo, de imediato concluiramos que

Como, alis, quereramos demonstrar.
% 300 100
,25 0
0,75
Circulante Carga = =


BIBILOGRAFIA:

WILLS, B.A. "Mineral Processing Technology" - 4th Edition, Pergamon
Press, Oxford, 1988

LYNCH, A.J . "Mineral Crushing and Grinding Circuits - Their Simulation,
Optimisation, Design and Control", Elsevier, Amsterdam, 1977

Diagramas IV

Enviado por

Dados do documento

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

Diagramas IV

Enviado por

Direitos autorais:

Formatos disponíveis

DIAGRAMAS DE PROCESSAMENTO DE MINRIOS

ANLISE DO DIAGRAMA DE TRATAMENTO - 20

Você também pode gostar