Escolar Documentos
Profissional Documentos
Cultura Documentos
3.2 - Amostragem de Minérios Fragmentados - Introdução À Teoria Matemática Da Amostragem
3.2 - Amostragem de Minérios Fragmentados - Introdução À Teoria Matemática Da Amostragem
Sumário do Parágrafo
representa o número de modos de retirar 25 grãos pretos dum total de 250, para cada
um dos quais existem, do mesmo modo,
750!
75
C750 =
75!⋅725!
25
C 250 ⋅ C 750
75
P= 100
= 0.0968 (1)
C1000
Teremos, obviamente
∑ Pn ( m ) = 1
m
e define-se valor médio, ou simplesmente média, de m como a esperança matemática
(2)
da variável m,
m = ∑ m . Pn ( m )
m
e variância de m como a esperança matemática do quadrado dos desvios da variável
para a média,
σ 2m = ∑ ( m − m )2 . Pn ( m )
m
m = np
(3)
σ 2m = npq
x = m−m (4)
q =1 − p
m = np
m = m + x = np + x
pelo que
n − m = n − ( np + x ) = n(1 − p ) − x = nq − x
Deste modo a anterior expressão da Lei Binomial passará a ser uma função
explícita da variável desvio, x :
Pn ( m ) = Pn ( m + x ) ⇒ Pn ( x )
n!
Pn ( x ) = p np + x q nq − x
( np + x )!( nq − x )!
a ! = a a .e − a 2 . π . a
obter-se-á uma formulação aproximada para Pn(x). Esta fórmula no caso em que p e
q são próximos e x não é muito elevado em face de npq (variância) é muito
aceitavelmente aproximada pela LEI NORMAL ou de GAUSS, de expressão:
x2 x2
1 − 1 −
Pn ( x) = ⋅e 2 npq
= ⋅e 2σ 2
(5)
2πnpq σ 2π
x m−m
ξ= = (6)
σ σ
ξ2
1 −
virá: Pn (ξ ) = e 2
2π
ξ2
h 1 −
Prob( ξ < h) = ∫ e 2
dξ =
−h
2π
(7)
ξ2
h 1 −
= 2⋅∫ e 2
dξ = Θ(h)
0
2π
Probabilidade Θ, expressa
em função do desvio ξ, medido em
unidades de desvio padrão
Θ(h) ξ Θ(h) ξ
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
f ( y ) ⋅ dy = f ( m ) ⋅ dm
dm
ou seja, f ( y ) = f ( m) ⋅
dy
dm
Mas como m = n ⋅ y e =n
dy
1 ( y − p )2
1 ( yn − np )2 − ⋅
− ⋅ 2 pq
n n 1
f(y ) = ⋅e 2 npq
= ⋅ ⋅e n
npq . 2 π npq 2π
de onde se conclui que y=m/n também segue a Lei Normal com os seguintes valores
da média, desvio padrão e variância, respectivamente:
y=p
npq pq
σ= =
n n
pq
σ2 =
n
(notar que na expressão da Lei Normal reduzida que tem vido a ser usada, a variável
reduzida é o desvio para a média e figura elevado ao quadrado no numerador do
expoente da exponencial, de onde se pode deduzir do valor da média da actual
variável y).
m ⋅ dm
t=
m ⋅ dm + ( n − m ) ⋅ dg
y ⋅ dm y ⋅ dm
t= = (8)
(n − m) y ⋅ (dm − dg) + dg
y ⋅ dm + ⋅ dg
n
e, fazendo
dt
a =( )
dy y
virá,
t − t = a ⋅( y − y )
obteremos
( t − t )2 ( t − t )2
− −
1 2 ⋅a 2 ⋅σ 2y 1 2 ⋅a 2 ⋅σ 2y
f(t ) = ⋅e = ⋅e (10)
a ⋅ 2 πσ y 2π ⋅a ⋅ σy
o que mostra que a nova variável t, teor em peso, segue uma Lei Normal com
variância
σ 2t = a 2 ⋅ σ 2y (11)
⎛ dt ⎞ 1 −t ⋅ dg t ⋅ dg
a=⎜ ⎟ = e sendo: y= =
⎝ dy ⎠ y ⎛ dy ⎞ t ( dm − dg ) − dm t ( dg − dm ) + dm
⎜ ⎟
⎝ dt ⎠ t
dy dm ⋅ dg
=
dt ( t ( dg − dm ) + dm )2
pelo que,
( t ( dg − dm ) + dm )2
a=
dm ⋅ dg
σ 2t = a 2 ⋅ σ 2y
1 t ⋅ (1 − t )
σ 2t = ⋅ ( t ⋅ ( dg − dm ) + dm )2 ⋅
n dm ⋅ dg
(12)
m − m Δt 0 .002 × n
ξ( n ) = = =
σt σt 0 .266
2 .576 × 0 .266 2
n =( ) = 117024 .6
0 .002
4 π
W = 117024 × × × 25 .4 3 × 2 .69 × 10 −6 ≈ 2700 kg
3 8
Se o calibre médio fosse de 100# (0.150 mm)
W = 0 .00056 = 0 .56 gr
Contudo, dever-se-á notar que para o cálculo das dimensões de uma amostra é
necessário conhecer-se de antemão alguma coisa sobre o lote a amostrar, em
particular o próprio teor médio, além das densidades do minério e da ganga, da
densidade média, calibre médio, composição, etc. Ora, como o que se pretende com a
própria amostragem é precisamente determinar esse teor médio, o problema da
determinação da dimensão da amostra não tem solução senão mediante uma
amostragem prévia. Estamos, pois, perante um processo iterativo que, embora
sendo algo fastidioso em termos de cálculo, tem as vantagens de ser ele próprio um
processo de cálculo construtivo em que o operador vai controlando os próprios
resultados do cálculo com a sua própria sensibilidade: toma-se uma amostra de
dimensões não calculadas da qual se determina o teor, a composição granulométrica
e a densidade; calcula-se a dimensão correcta da amostra a partir destes valores; se
esta for inferior à primeira, o cálculo pára neste ponto; caso contrário deverá
recolher-se uma amostra com as dimensões calculadas; procede-se sucessivas vezes
deste modo até que os valores do cálculo conduzam a valores iguais ou inferiores aos
da última amostra colhida. Em geral o processo converge rapidamente.
dm( dj − dg )
tj = (13)
dj ( dm − dg )
∑Wij ⋅ tj ∑ pij ⋅ Di ⋅ dj ⋅ tj 3
t= i,j
= i,j
(14)
∑Wij i,j
∑ pij ⋅ Di ⋅ dj
i,j
3
⎛ ∂t ⎞ ⎛ ∂t ⎞ ⎛ ∂t ⎞
2
1
σ = ∑⎜
2
⎟ ⋅ σ pij
2
− ⋅ ∑ ∑ pij ⋅ pkl ⋅ ⎜ ⎟ ⋅⎜ ⎟ (16)
ij ⎝ ∂pij ⎠ pij ⎝ ∂pij ⎠ pij ⎝ ∂pkl ⎠ pkl
t
n ij kl
Di 3 ⋅ dj ⋅ tj ⋅ ∑ pij ⋅ Di 3 ⋅ dj − Di 3 ⋅ dj ⋅ ∑ pij ⋅ Di 3 ⋅ dj ⋅ t j
⎛ dt ⎞ ij ij
⎜ ⎟ = (18)
⎝ dpij ⎠ pij ⎛ ⎞
2
⎜ ∑ Di 3 ⋅ dj ⋅ pij⎟
⎝ ij ⎠
Por outro lado, para a que a probabilidade com que o teor ocorre com
tolerância de 0.2% seja de P=99%, o desvio relativo será de 2.576, o que implica um
desvio padrão de :
0 .002
σt = = 0 .000776
2 .576
de onde se obtém
0 .002897
n= = 4806 partículas
0 .000776 2
Finalmente o peso total da amostra será dado pelo somatório da 24ª coluna -
- 111 kg
Também como anteriormente, o processo de cálculo deverá ser iterativo até se
encontrar a dimensão de amostra mais conveniente.
Como as amostras com que vamos trabalhar são, por definição, pequenas, não
é legítimo usar para variância da estimativa de xi a variância da população, sendo
então necessário fazer também uma estimativa dessa variância, naturalmente da
forma:
∑ ( xi − x ) 2
∑ ( xi − x * + x * − x ) 2
σ*2 = i
= i
=
n n
∑ ( xi − x* )2 + n ⋅ ( x * − x )2 + 2 ⋅ ( x * − x ) ⋅ ∑ ( xi − x* )
= i i
n
∑ ( xi − x* ) 2
σ* =2 i
+ ( x * − x )2
n
σ2
n
σ*2 = i
n −1
σ*2
4. Calcular a variância da média, pela equação [21], σ = como função de 2
t*
N
N, número de amostras que deverão ser colhidas para garantir a precisão
desejada
Δt
5. Calcular o desvio relativo aceitável, pela equação [6], ξ N = , como função
σ t*
de N
6. Calcular o desvio relativo na Lei Normal tal que Θ(ξP ) = P (na tabela
correspondente -- pág. 6)
Exemplo de Aplicação:
sendo o valor médio, no caso presente, a média aritmética dos valores da frequência
de cada calibre nos vários histogramas.
Conforme pode ser analisado, introduzindo um Δ relativo = 0.03 (3%), a que
correspondem Δ absolutos entre 0.007 e 0.002, os resultados mostram claramente que
os dois primeiros lotes iniciais possuem uma variância demasiado elevada,
conduzindo a valores de N inesperadamente elevados. Face a estes valores, e perante
um nível de significância de 95%, numa primeira fase seria aconselhável aceitar N=5
ou N=6 e realizar no Cyclosizer mais 2 ou 3 determinações, esperando-se que a
presença de mais valores viesse a reduzir a variância dos 2 primeiros lotes granulomé-
tricos para valores mais aceitáveis.
utilização de mais duas amostras para um nível de 99%. Notar que o Δ absoluto
varia agora entre 0.004 e 0.01.
na qual :
M - é o peso mínimo de amostra necessário (gr)
L - é 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 estatístico relativo cometido durante a amostragem , dado pelo
quociente entre o erro absoluto da amostragem e o teor médio a amostrar:
σ
s= t (22)
t
Na maioria dos casos M é muito pequeno quando comparado com L, pelo que
a a anterior equação é aproximada por:
C ⋅d3
M= (23)
s2
Perante um dado rigor a uma dada probabilidade de confiança para esse rigor,
aceitando um ajuste da Lei Normal, determina-se o respectivo desvio padrão reduzi-
Δ
do ξ P = t , sendo Δ t o erro absoluto cometido e P a probabilidade da sua
σt
ocorrência.
C = f ⋅g ⋅l ⋅m
onde:
f - factor forma [ = 0.5 minérios normais, = 0.2 para minério de ouro ]
g - factor relativo à gama granulométrica:
- seja d o calibre abaixo do qual existe 95% do peso total (K95)
- seja d´ o calibre acima do qual existe 95 % do peso total (K5),
então, 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
- a 1 libertação completa
Gy desenvolveu uma fórmula 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
centímetros, a que o material estará tecnicamente liberto (a determinar,
por exemplo, via microscópio ou lupa binocular, ou outros métodos
mais sofisticados como, por exemplo, líquidos densos, etc). Os valores
do factor l são determináveis por:
lb
l=
d
Quando l > 1 então deve ser forçado l = 1, a que corresponde libertação
absoluta.
A equação [23] conduz ao peso mínimo teórico que a amostra deve ter,
supondo que foi retirada como amostra simples, isto é, ao acaso e com um mínimo
de distorção. Na prática, por razões de segurança, é costume tomar-se o dobro do
peso calculado pela fórmula de GY, em particular no caso das pequenas amostras de
produtos sob finos calibres.
Rotina de Cálculo:
a = 0.0722
dm = 4
dg = 2.65
m = 50.149 gr/cm3
pelo que, qualquer rotina de cálculo do tamanho de amostra (Hassialis ou GY) poderá
ser aplicada a cada estágio, usando o respectivo calibre de trabalho e cada uma das
variâncias si2 , acima definidas. Note-se, de passagem, que ao usar uma variância
inferior logo no estágio a calibre graúdo vai ser necessariamente recolhida uma
amostra de maiores dimensões, pois diminuiu a variabilidade aceite.
st2 0 .0156 2
s =
2
2 = = 6 .084 E − 05
4 4
m = 50 .149
0 .15
l= = 0 .1732 d > 4 ⇒ g = 0 .5
5 d′
1.0857 × 0 .5 3
M2 = 2 × = 2 × 2230 .7 ≅ 5 kg
6 .084 E − 05
Contudo, uma exploração mais atenta deste algoritmo de cálculo sugere a sua
utilização segundo um outro ponto de vista. É evidente que uma amostra de 0.12 gr é
demasiado pequena, pelo que é aceitável recolher no fim cerca de 1 gr de material,
para enviar ao laboratório de análises. Desta feita, ao tomar no último estágio uma
amostra de tamanho superior ao calculado, comete-se um erro estatístico inferior, ou
seja, é tomada uma variância inferior da variância total do procedimento de
amostragem, o que por sua vez, autorizando erros um pouco maiores (variância
superiores) nos estágios de amostragem a calibres mais graúdos, permitirá recolha de
amostras ligeiramente inferiores a esses calibres.
Assim, segundo esta estratégia, o algoritmo deverá recomeçar a partir do
calibre mais fino solicitando ao operador a indicação do tamanho de amostra
aceitável, Mn, superior ao calculado. Seguidamente resolve-se a anterior equação do
cálculo de Mi em ordem à variância:
C × d3
sn2 = 2 ×
Mn
O operador poderá continuar optando por escolher para o estágio n-1 uma
amostra também ligeiramente maior que a agora recalculada tomando conta, da
mesma forma, neste estágio de uma variância menor e deixando mais folga para os
estágios de amostragem a calibres superiores, muito mais penalizados pelas
dimensões de amostra impostas pelo cálculo.
E assim sucessivamente até ao 2º estágio, de forma a reduzir o mais possível a
dimensão da amostra original.
3.2.8 Conclusões
Bibliografia:
TAGGART, A.F. "Handbook of Mineral Dressing" - Cap 19, (01 - 71), John
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.
Sumário do Parágrafo
Para escrita dessas equações é costume atribuir sinal + aos fluxos de entrada
no nó e atribuir sinal - aos fluxos de saída do nó, pelo que para um nó de separação
as equações de balanço total e de balanço em componente, assumem,
respectivamente, as formas:
X1 − X 2 − X 3 = 0 (1)
X 1 ⋅ x1, j − X 2 ⋅ x 2, j − X 3 ⋅ x3, j = 0 (2)
X2 X3
α= virá =1 − α (3)
X1 X1
( x1, j − x 3 , j )
α= (5)
( x2 , j − x3 , j )
x 2, j ( x1, j − x 3, j ) x 2, j
ρj = α ⋅ = ⋅ (6)
x1, j ( x 2, j − x 3, j ) x1, j
As fórmulas (5) e (6) são as chamadas two product formula acima referidas,
usadas para controlo do circuito a partir dos dados da amostragem e das análises.
Quando existem montados dispositivos de análise "on stream", para determinação de
teores e/ou percentagens de sólidos, os parâmetros anteriores podem ser obtidos
directamente das consolas dos dispositivos de controlo do circuito. Se as análises são
efectuadas em laboratório, como no caso das composições granulométricas, os tempos
de resposta são elevados e o cálculo apenas poderá ser realizado posteriormente.
∂ρ j x 2 , j ⋅ x 3, j
=
( )
(7)
∂x1, j x1, j 2 ⋅ x 2 , j − x 3, j
∂ρ j
=
(
− x 3, j ⋅ x1, j − x 3, j ) (8)
∂x 2 , j ( )
2
x1, j ⋅ x 2 , j − x 3, j
∂ρ j
=
(
− x 2 , j ⋅ x 2 , j − x1, j ) (9)
∂x 3, j ( )
2
x1, j ⋅ x 2 , j − x 3, j
Ora, demonstra-se que a variância duma função de várias variáveis pode ser
calculada por:
2
⎛ ∂F ⎞
VF ( x ) = ∑ ⎜ ⎟ ⋅ V xi (10)
i ⎝ ∂xi ⎠
isto é, é dada pela soma das variâncias dos argumentos ponderadas pelo quadrado da
variação da função com cada argumento, pelo que a variância associada ao cálculo da
recuperação através da fórmula (6) será dada por:
⎛ ∂ρ j ⎞ ⎛ ∂ρ ⎞ ⎛ ∂ρ ⎞
2 2 2
Vρ j = ⎜⎜ ⎟⎟ ⋅ V x + ⎜⎜ j ⎟⎟ ⋅ V x + ⎜⎜ j ⎟⎟ ⋅ Vx = (11)
⎝ ∂x1, j ⎠ 1, j
⎝ ∂x 2 , j ⎠ 2, j
⎝ ∂x 3, j ⎠ 3, j
⎛ x 2x 2
( ) ( ) ⎞
2 2
1 ⎜ 2 , j 3, j x 3, j 2 x1, j − x 3, j x 2 , j 2 x 2 , j − x1, j ⎟
= ⋅⎜ ⋅ Vx1, j + ⋅ V x2 , j + ⋅ V x3 , j ⎟
( ) ( ) (x )
2
x1, j 2 ⋅ x 2 , j − x 3, j x1, j 2 −
2
− x 3, j
2
⎝ x 2, j x 3, j 2, j ⎠
expressão que nos permite avaliar o erro esperado ao calcular a recuperação devido
aos erros afectos às determinações dos valores dos componentes (em geral, teores)
nos produtos amostrados (no caso vertente do nó separação, alimentação, concentrado
e estéril). Contudo, nesta expressão, a influência dos vários erros está ponderada
pelos valores absolutos dos teores determinados. Seja, por exemplo, o caso duma
concentração em que se determinaram os seguintes teores no componente zinco (j=1):
f (feed) = x1,1= 2% Zn
permite verificar de imediato que essa estimativa é muito sensível ao erro cometido na
determinação do teor dos estéreis e indiferente à precisão da determinação do teor do
concentrado.
Admitindo um erro relativo de 5%, igual para todas as determinações, então
os desvios absolutos dos três produtos em análise valem, respectivamente:
virá
Vρ = 1.1 x 10-4 e o desvio padrão dado por:
sρ = Vρ = 0.0105
ρ = 0.856 ± 0.021
Por outro lado, pense-se agora numa separação em que se opere uma menor
separação do componente (Zn) analisado, com valores de 2%, 2.2% e 1.3% em Zn,
respectivamente, para a alimentação, concentrado e estéril. Embora o cálculo da
recuperação conduza ao mesmo valor do exemplo anterior, a variância vem dada por:
EXEMPLO:
Numa lavaria de Cobre com analisadores "on line" foram obtidos os seguintes
teores e respectivos erros relativos (função das características técnicas dos
equipamentos ou, eventualmente, determinados ao longo da experiência com esses
equipamentos):
teores erros relativos
- alimentação f = 3.5% 4%
- concentrado c = 18% 2%
- estéril e = 1% 8%
∂α 1
= (12)
∂x1, j x2 , j − x3 , j
∂α
=
(
− x1, j − x 3, j ) (13)
∂x 2 , j ( )
2
x 2 , j − x 3, j
∂α x1, j − x 2 , j
= (14)
∂x 3, j ( )
2
x 2 , j − x 3, j
(x ) (x )
2 2
1 1, j − x 3, j 1, j − x2 , j
= ⋅Vx1, j + ⋅ V x2 , j + ⋅ V x3 , j
( ) (x ) (x )
2 4 4
x 2 , j − x 3, j 2, j − x 3, j 2, j − x 3, j
EXEMPLO:
Uma espiral, a funcionar como unit cell num circuito fechado de moagem, foi
amostrada e analisados os seus produtos:
- alimentação 0.92% ± 0.02% Sn
- concentrado 0.99% ± 0.02% Sn
- estéril 0.69% ± 0.02% Sn
Sumário do Parágrafo
x1, j − α j ⋅ x2 , j − (1 − α j ) ⋅ x3 , j = 0 (16)
TABELA I
Conponente alimentação Concentrado Estéril 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
x1, j − α ⋅ x2 , j − (1 − α ) ⋅ x3 , j = Δ j (17)
( )
3 n
S = ∑ ∑ Δx i , j
2
∗
sendo Δx i , j = x i , j − x i , j (18)
i = 1 j =1
O valor de S nunca poderá ser zero, a não ser que os dados sejam consistentes.
Contudo terá um mínimo quando a derivada se anular, dS dα = 0 , isto é:
(
2α ∗ ∑ x 2 , j − x 3, j ) ( )(
− 2 ∑ x1, j − x 3, j x 2 , j − x 3, j = 0 )
2
j j
∑(x 1, j )(
− x3, j x2 , j − x3, j )
α =∗ j
∑(x )
2 (21)
2, j − x3, j
j
Uma vez determinado α* o passo seguinte será ajustar o valor dos vários
componentes (teores medidos) xi,j de modo a torná-los consistentes com o valor do
rendimento ponderal calculado. Para tal os erros de fecho deverão ser distribuídos
entre todos os componentes de modo a obter-se equações de balanço coerentes:
∗ ∗ ∗ ∗
x1, j − α ∗ ⋅ x2 , j − (1 − α ∗ ) ⋅ x3 , j = 0 com Δx i , j = x i , j − x i , j (22)
pelo que:
(x 1, j ) ( )
− Δx1, j − α ∗ ⋅ x2 , j − Δx 2 , j − (1 − α ∗ ) ⋅ x 3, j − Δx 3, j = 0 ( ) (23)
x1, j − α ∗ ⋅ x 2 , j − (1 − α ∗ ) ⋅ x 3 , j = Δ j
Δ x1, j − α ∗ ⋅ Δ x2 , j − (1 − α ∗ ) ⋅ Δ x3 , j = Δ j (24)
expressão das restrições a que devem obedecer os valores Δxi,j face ao valor α* e aos
vários erros de fecho Δj minimizados por α*.
Notar que embora querendo minimizar os Δxi,j , a liberdade não é total visto
que os Δxi,j têm que satisfazer à equação (24), daí chamar-lhe uma CONSTRIÇÃO.
( )
n
S ′ = ∑ Δx1, j + Δx 2, j + Δx3, j
2 2 2
(25)
j =1
Δ j − Δ x1, j + α ∗ ⋅ Δ x2 , j + (1 − α ∗ ) ⋅ Δ x3 , j = 0
( ) (
L = ∑ Δx1, j 2 + Δx 2 , j 2 + Δx 3, j 2 + 2∑ λ j Δ j − Δx1, j + α ∗ Δx 2 , j + (1 − α ∗ ) Δx 3, j
j j
) (26)
∂L
= 2 Δ x1, j − 2 λ j = 0 ⇒ Δ x1, j = λ j (27)
∂Δ x1, j
∂L
= 2 Δx2 , j + 2 λ j ⋅ α ∗ = 0 ⇒ Δx2 , j = − λ j ⋅ α ∗ (28)
∂Δ x 2 , j
∂L
= 2 Δx 3, j + 2λ j ⋅ (1 − α ∗ ) = 0 ⇒ Δx 3, j = − λ j ⋅ (1 − α ∗ ) (29)
∂Δx 3, j
∂L
∂λ j
( ( )
= 2 Δ j − Δx1, j + α ∗ ⋅ Δx 2, j + 1 − α ∗ ⋅ Δx3, j = 0 ) (30)
2
(
Δ j = λ j + α ∗ λ j + (1 − α ∗ ) λ j = λ j 1 + α ∗ + (1 − α ∗ )
2 2 2
) = λ ⋅h
j
com
h = 1 + α ∗ + (1 − α ∗ )
2 2
(31)
Δj
λj =
h
Δj
Δ x1, j = λ j = (32)
h
Δj
Δ x 2, j = − λ j ⋅ α ∗ = − α ∗ ⋅ (33)
h
Δj
Δx 3, j = − λ j ⋅ (1 − α ∗ )⋅ = −(1 − α ∗ ) ⋅ (34)
h
Assim, uma vez calculado α*, calcula-se h pela equação (31). Em seguida
determinam-se todos os erros de fecho, Δj pela equação
x1, j − α ∗ ⋅ x 2 , j − (1 − α ∗ ) ⋅ x 3 , j = Δ j
para com eles calcular todos os ajustamentos Δi,j pretendidos pelas expressões (32) a
(34).
TABELA II
Componen- Alimenta- Concen- Estéril α - Rp Alim ajust Conc Ajust Est Ajust
te ção trado calc%
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 α * = 37.03
D=1
A=1 E=R
1 2
C=R-1
B=R-1
(
S = ∑ Δ 1, j 2 + Δ 2 , j 2
j
)
Note-se, de passagem, que o problema é ainda demasiado simples uma vez
que apenas existe uma única incógnita a minimizar. Isto é, o objectivo S a minimizar
é ainda função apenas de uma só variável, R.
Uma vez obtido esse valor R*, o passo seguinte será minimizar a soma dos
quadrados dos ajustamentos a fazer à determinação de cada componente.
(
S ' = ∑ Δa j 2 + Δb j 2 + Δc j 2 + Δd j 2 + Δe j 2
j
)
sujeita às respectivas constrições a cumprir em cada um dos nós do circuito,
expressas, como anteriormente, por:
Δ 1, j − Δa j − ( R ∗ − 1) ⋅ Δc j + R ∗ ⋅ Δe j = 0
Δ 2 , j − R ∗ ⋅ Δe j + ( R ∗ − 1) ⋅ Δb j + Δd j = 0
Δ a 2j , Δ b 2j , Δ c 2j , Δ d 2j , Δ e 2j
λ1, j , λ 2 , j
pelo que, por derivação em relação a cada um destes argumentos, para se obter a
condição de mínimo, se vão obter:
• equações lineares que exprimem directamente cada um dos ajustamentos
(deltas) em função dos multiplicadores (lambdas) e de R*
• sistemas de duas equações nos lambdas, exclusivamente função de R* e
dos erros de fecho das equações em cada nó.
Uma vez resolvidos estes sistemas, os vários valores dos lambdas para cada
componente vão permitir calcular os ajustamentos que tornam todo o balanço
coerente.
A4 A5
A
A7
A6
Δj
2
S=∑ (35)
j VΔ j
Não compensa mexer numa variável muito rigorosa (de variância pequena)
porque o seu peso na função objectivo é muito grande (devido à divisão por um
número muito pequeno). Na procura do mínimo compensa mais mexer numa variável
de grande imprecisão (de variância grande) dado o pequeno peso da sua participação
na função objectivo.
Tal como anteriormente, o cálculo da variância dos erros de fecho pode ser
calculada a partir do pressuposto expresso por (10), pelo que:
⎛ ∂Δ j ⎞ ⎛ ∂Δ j ⎞ ⎛ ∂Δ j ⎞
2 2 2
e como
(
Δ j = x1, j − x 2 , j ⋅ α − x 3, j ⋅ (1 − α ) = x1, j − x 3, j − α ⋅ x 2 , j − x 3, j) (37)( )
virá:
VΔ j = V x1, j + α 2 ⋅ Vx2 , j + (1 − α ) ⋅ V x3, j
2
(38)
⎡2 ⋅α ⋅ x − x
( ) ( )( )
2 ⋅ x1, j − x 3, j ⋅ x 2 , j − x 3, j ⎤
2
dS
= ∑⎢ ⎥=0
2, j 3, j
−
dα j
⎢ VΔ j VΔ j ⎥
⎣ ⎦
(x )(
− x 3 , j x 2 , j − x 3, j )
∑
1, j
j VΔ j
α= (39)
(x )
2
− x 3, j
∑
2, j
j VΔ j
equação que pode ser resolvida por iteração conjuntamente com a equação (38) :
1. introduz-se uma estimativa de α em (38)
2. calcula-se uma estimativa para VΔj
3. que introduzida em (39) permite calcular um novo valor de α
4. retorno ao ponto 2. até à convergência.
Uma vez determinado esta nova melhor estimativa para α, vai retomar-se a
rotina de cálculo dos ajustamentos Δxi,j dos componentes
∗
Δx i , j = x i , j − x i , j
que, de acordo com (24) tornam o balanço coerente com a melhor estimativa, α*, do
rendimento determinada pela anterior rotina de iteração:
Δ x1, j − α ∗ ⋅ Δ x2 , j − (1 − α ∗ ) ⋅ Δ x3 , j = Δ j
⎛ Δx1, j 2 Δx 2 , j 2 Δx 3, j 2 ⎞
S = ∑ ⎜⎜ + + ⎟ (40)
j ⎝ V x1, j V x2 , j V x3, j ⎟⎠
− Δ x1, j + α ∗ ⋅ Δ x2 , j + (1 − α ∗ ) ⋅ Δ x3 , j + Δ j = 0 (41)
⎛ Δx1, j 2 Δx 2 , j 2 Δx 3, j 2 ⎞
L = ∑ ⎜⎜
j ⎝ V x1, j
+
V x2 , j
+
V ⎟
x3 , j ⎠ j
(
⎟ + 2∑ λ j Δ j − Δx1, j + α ∗ Δx 2 , j + (1 − α ∗ ) Δx 3, j (42) )
Derivando L parcialmente em ordem aos ajustamentos Δi,j e a λj e igualando
a zero, libertamo-nos das formas quadráticas.
Assim, para cada j:
∂L Δx
= 2 1, j − 2 λ j = 0 ⇒ Δ x1, j = λ j ⋅Vx1, j (42)
∂Δ x1, j Vx1, j
∂L Δx
= 2 2 , j + 2 λ j α ∗ = 0 ⇒ Δ x 2 , j = − λ j ⋅ α ∗ ⋅Vx2 , j (43)
∂Δ x 2 , j Vx2 , j
∂L Δ x 3, j
=2 + 2λ j (1 − α ∗ ) = 0 ⇒ Δx 3, j = − λ j ⋅ (1 − α ∗ ) ⋅ V x3, j (44)
∂Δx 3, j V x3 , j
e, finalmente,
∂L
∂λ j
(
= 2 Δ j − Δx1, j + α ∗ Δx 2 , j + (1 − α ∗ ) Δx 3, j = 0 )
ou seja
Δ j = Δx1, j − α ∗ Δx 2 , j − (1 − α ∗ ) Δx 3, j (45)
(
Δ j = λ j V x1, j + α ∗2V x2 , j + (1 − α ∗ ) V x3, j
2
) (46)
em que o segundo membro é a expressão (38) da variância dos erros de fecho VΔj,
pelo que:
Δj
Δ j = λ j ⋅VΔ j ou λj = e, sucessivamente,
VΔj
Vx1, j
Δ x1, j = Δ j ⋅ = λ j ⋅Vx1, j (47)
VΔ j
Vx2 , j
Δx2 , j = −α∗ ⋅ Δ j ⋅ = − λ j ⋅ α ∗ ⋅Vx2 , j (48)
VΔ j
V x3 , j
Δ x 3, j = − ( 1 − α ∗ ) ⋅ Δ j ⋅ = − λ j ⋅ (1 − α ∗ ) ⋅ V x 3 , j (49)
VΔ j
TABELA III
Compo- Alimenta- Concentra Estéril α - Rp Alim ajust Conc Ajust Est Ajust
nente ção do calc%
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 α * = 41.30
Bibilografia:
Sumário do Parágrafo
Um diagrama de concentração, por mais complexo que seja, pode sempre ser
decomposto numa série de operações unitárias simples, podendo cada uma ser
avaliada pela aplicação das equações de balanço envolvendo dois produtos.
Neste caso simples é fácil determinar quais os fluxos que devem ser analisados
para produzir o sistema de equações que resolve o problema. Provavelmente o leitor
nem sequer chegou a escrever esse sistema e resolveu o problema em 2 estágios
sucessivos de cálculo, raciocinando como se se tratasse de 2 circuitos distintos sem
qualquer relação entre si.
Qualquer circuito complexo pode sempre ser reduzido a uma rede constituída
por uma série de nós simples onde os fluxos em processamento ora se juntam ou
separam. Um nó simples define-se como sendo, ou um separador simples, que
possui um entrada única e apenas duas saídas, ou uma junção (mistura) simples
constituída por duas entradas e apenas uma saída. Em princípio, qualquer separador
ou junção complexa pode ser substituída por uma cascata de separadores ou junções
simples em série.
N = 2 ⋅ ( F + S) − 1 (1)
em que:
F - número de caudais de entrada no circuito directamente do exterior
S - número de separadores simples
Uma vez construída a matriz de acordo com [2], como cada coluna representa
um fluxo real do diagrama, o somatório de todos os seus elementos deverá valer +1, -
Como vimos atrás, a matriz das ligações permite construir uma outra matriz
da forma:
Li , j = Ci , j ⋅ B j
∑C
j
i,j ⋅ Bj = 0 (4)
M i , j = Ci , j ⋅ B j ⋅ a j
∑Cj
i,j ⋅ Bj ⋅ a j = 0 (5)
M 11 , M 12 ,....., M 1 f
M 21 , M 22 ,....., M 2 f
...
M n1 , M n 2 ,....., M nf
Uma última equação poderá ser incluída, uma vez que o diagrama no seu
conjunto pode ser considerado como um nó simples em que o balanço se faz entre as
entradas que igualam as saídas do circuito. Se for possível utilizá-la, esta equação
pode ser muito útil porque, em geral, há uma boa separação ao nível deste nó.
Há casos em que é mesmo necessário recorrer a esta equação de balanço para
obter o número necessário de equações. Contudo haverá que estar atento pois
frequentemente esta equação não será independente das equações dos nós internos.
Como discutido anteriormente, esta situação deve ser evitada! Quanto mais
informação fidedigna existir sobre os vários fluxos, melhor será o conhecimento sobre
o circuito.
− Quer porque decidimos optar por um programa analítico que contemple vários
constituintes
Ora, porque é necessário gerir os fluxos de Água, cuja melhor prática envolve
necessariamente circuitos de retorno para minimizar custos e diminuir a severidade
dos impactes ambientais ligados ao consumo de Água, o DIAGRAMA DE POLPAS é
uma parte importante do DIAGRAMA QUANTITATIVO.
Qs
P= por definição
Qs + Qw
Qs ⋅ (1 − P )
Qw = resolvendo a anterior expressão em ordem a Qw
P
Qw 1 − P
D= = por definição
Qs P
1
P= resolvendo a anterior expressão em ordem a P
D +1
1 4
50
4
40
1
3
16
80
1 4
4 50
4
6 40
1
3
5,25 16
0,75 80
3,25 m3/h
2,0 m3/h
1 4 1
4 50
4 1,5
6 40
1 5,25
3 0,25
5,25 16
0,75 80
Suponhamos que o circuito não estava ainda calculado. Isto é, ainda não sabemos qual
a Carga Circulante do Circuito e queremos conhecer esse valor, até para ficarmos com
uma ideia do grau de optimização do funcionamento do moinho.
A resolução dessa equação exige que seja colhidas 3 amostras, uma em cada um dos
ramos do respectivo Nó, a saber, a Alimentação do Akins, o Underflow e o Overflow,
e sobre elas seja determinado o “teor em água”. Para tal bastará as amostras em
vasilhas previamente taradas, seguidamente pesam-se as vasilhas com as amostras e,
em seguida, levam-se as amostras à secura e pesam-se os materiais sólidos depois de
secos. Desta operação obtêm-se directamente as respectivas Percentagens de sólidos
e, por cálculo, as Diluições.
Dalimentação = 1,5
Dunderflow = 0,25
Doverflow = 5,25
BIBILOGRAFIA: