Escolar Documentos
Profissional Documentos
Cultura Documentos
Tete, MZ
2018
ANIVALDO IDELSON VICENTE CHEVANE
Tete, MZ
2018
i|Page
Dados Internacionais de Catalogação na Publicação (CIP)
C527g
Chevane, Anivaldo Idelson Vicente
Geometalurgia no planejamento de lavra de carvão-Moatize/ Anivaldo
Idelson Vicente Chevane - Ouro Preto, ITV, 2018.
114 f.: il.
ii | P a g e
iii | P a g e
Dedico esta obra a minha filha:
Lora Idelson Chevane
iv | P a g e
AGRADECIMENTOS
v|Page
“O Executivo perguntou, qual era o segredo para
uma vida bem-sucedida.
- Faça todos os dias uma pessoa feliz – respondeu o
Mestre. E completou:
- Ainda que essa pessoa seja você mesmo.
Depois de um minuto, o Mestre voltou à carga:
- Principalmente se essa pessoa for você mesmo”.
(De Mello, Anthony)
vi | P a g e
RESUMO
Este estudo foi proposto justificado pela necessidade buscar entendimento do fundamento
geológico deposicional e pós deposicional para a distribuição das variáveis de qualidade nos
carvões de Moatize com vista a permitir a correta previsão de recuperação de produto tendo em
conta o efeito temporal e local da vida do projeto. Os resultados obtidos mostram que o estudo
variográfico para além de permitir a categorizar os recursos tendo em conta as estruturas que
controlam tal variação e seu grau de incerteza, também permitiram definir identidades
geometalúrgicas distintas em termos de recuperação mássica. Uma análise de sensibilidade por
categoria e por domínio definida a partir da análise multivariada mostrou que para a escala de
curto prazo não é recomendável a aplicação da média de blocos de categorias e blocos distintos,
pois podem resultar em subestimativa ou superestimativa, inviabilizando assim a optimização.
vii | P a g e
ABSTRACT
This research has been proposed with objective of understanding the geological and post
geological influence of coal quality variability on Moatize coals to allow better prediction on
coal recovery thought the project life of mine. Based on the results obtained by the variogram
models it was possible not only correctly categorize the resources by considering the factors
that controls the variability and uncertainty associated, also allowed to define Geometallurgical
domains of coal recovery. Sensibility analysis integrating both categories and domains showed
that on short term perspective use of nominal recovery of blocks of different domains and
categories can results on overestimation or underestimation recovery impacting on recovery
optimization.
Key-words: Coal Geometallurgical. Variogram. Moatize coal deposits. Moatize coal quality.
viii | P a g e
LISTA DE ILUSTRAÇÕES
x|Page
por horizonte ---------------------------------------------------------------------------------------------- 90
Figura 68: Semi-variogramas omnidirecionais do fósforo por horizonte ----------------------- 90
Figura 69: Mapas variográficos de para teor de fósforo nos horizontes UCT, LCUT e LCUB
-------------------------------------------------------------------------------------------------------------- 91
Figura 70: Semi-variogramas ajustados para a variável fósforo por horizonte ---------------- 92
Figura 71: Função distribuição acumulada dos erros dos modelos variográficos usados ---- 93
Figura 72: Categorizção de Recursos ---------------------------------------------------------------- 95
Figura 73: Base para distinção do carvão fresco das subcategorias de carvão afectado pelos
corpos intrusivos: TC2_A: carvão transicional levemente afectado, TC2_B: carvão
transicional moderadamente afectado e BC: carvão significativamente afectado. ------------- 96
Figura 74: Mapas de variação de raw ash por ply. Nota: os mapas não tem a mesma escala. 98
Figura 75: Mapas de variação de recuperação por ply. Nota: os mapas não tem a mesma
escala de variação ---------------------------------------------------------------------------------------- 99
Figura 76:Validação estatística dos dados estimados sobre os observados com recurso a
função de distribuição acumulada e correlação. ---------------------------------------------------- 100
Figura 77: Domínios geometalúrgicos resultantes da análise multivariada destacando os
domínios de alta recuperação, recuperação moderada e baixa recuperação baixa ------------- 102
Figura 78: Estatísticas dos parâmetros de cinza, reflectância, fósoro e recuperação teórica.
------------------------------------------------------------------------------------------------------------- 103
Figura 79: Definição de domínios com a profundidade por domínio geometalúrgico espacial
------------------------------------------------------------------------------------------------------------- 104
Figura 80: Curvas de análise de sensibilidade de recuperação cam a mudança de categoria e
domínio geometalúrgico. ------------------------------------------------------------------------------- 105
xi | P a g e
LISTA DE TABELAS
xii | P a g e
LISTA DE SIGLAS E ABREVIATURAS
xiii | P a g e
SUMÁRIO
xiv | P a g e
2.1.7.1 Dureza, densidade, granulometria ................................................................................. 28
2.1.8 Variação da qualidade numa camada carvão ............................................................ 32
2.2 MODELAGEM GEOESTATÍSTICA ........................................................................... 33
2.2.1 Modelagem variográfica ............................................................................................ 34
2.2.2 Estimativa de incertezas ............................................................................................ 36
2.2.2.1 Densidade amostral dentro do alcance variográfico........................................................ 37
2.2.2.2 Alcance variográfico ................................................................................................... 38
2.2.2.3 Variância da Krigagem e da Interpolação ...................................................................... 38
2.2.2.4 Erro da Krigagem da média ......................................................................................... 39
2.2.2.5 Tangente do ângulo da regressão linear ......................................................................... 39
2.2.2.6 Eficiência do bloco ...................................................................................................... 41
2.2.2.7 Índice de risco............................................................................................................. 41
2.3 DEFINIÇÃO DE DOMÍNIOS ..................................................................................... 42
2.4 GEOMETALURGIA DO CARVÃO ............................................................................ 43
CAPÍTULO 3 – ESTUDO DE CASO ................................................................................... 45
3.1 METODOLOGIA ....................................................................................................... 45
3.2 MINA CARVÃO MOATIZE ....................................................................................... 47
3.2.1 Sondagem Geológica e aquisição de dados ................................................................. 49
3.2.1.1 Banco de dados ........................................................................................................... 51
3.2.2 Geologia da Secção 2a camada Chipanga .................................................................. 53
3.2.3 Modelagem Geológica ............................................................................................... 54
3.2.4 Estudos analíticos Camada Chipanga Secção 2a........................................................ 55
3.2.5 Efeitos genéticos e pós-genéticos sobre camada Chipanga ......................................... 58
3.2.6 Planta de processamento ........................................................................................... 61
3.2.6.1 Circuito de meio denso ................................................................................................ 62
3.2.6.2 Espirais ...................................................................................................................... 63
3.2.6.3 Flotação...................................................................................................................... 64
3.2.7 Comportamento geometalúrgico dos carvões de Moatize .......................................... 64
3.2.7.1 Granulometria ............................................................................................................. 64
3.2.7.2 Ensaios densimétricos por fração granulométrica........................................................... 66
3.2.7.3 Flotação...................................................................................................................... 67
3.3 DEFINIÇÃO, DETERMINAÇÃO E QUANTIFICAÇÃO DAS VARIÁVEIS
GEOMETALÚRGICAS ......................................................................................................... 68
3.4 ESTATÍSTICA DESCRITIVA E EXPLORATÓRIA DAS VARIÁVEIS
GEOMETALÚRGICAS ......................................................................................................... 72
3.4.1 Análise exploratória e descrição univariada das variáveis geometalúrgicas ............... 72
3.4.2 Descrição bivariada das variáveis geometalúrgicas ................................................... 76
3.4.3 Análise exploratória de padrão de amostragem ......................................................... 80
xv | P a g e
3.4.4 Análise exploratória de padrão espacial .................................................................... 82
3.4.4.1 Variografia do grade por horizonte ............................................................................... 82
3.4.4.2 Variografia do grau de incarbonização por horizonte ..................................................... 86
3.4.4.3 Variografia do fósforo por horizonte ............................................................................. 90
3.4.5 Validação cruzada ..................................................................................................... 93
3.4.6 Estimativa das variáveis geometalúrgicas .................................................................. 93
CAPÍTULO 4 – RESULTADOS E DISCUSÕES.................................................................. 94
4.1 CATEGORIZAÇÃO DE RECURSOS E MAPAS DE ESTIMATIVA DAS VARIÁVEIS
GEOMETALÚRGICAS ......................................................................................................... 94
4.1.1 Detalhamento por categoria de recursos .................................................................... 96
4.2 MAPAS DE ESTIMATIVA DE VARIÁVEIS GEOMETALÚRGICAS ......................... 98
4.2.1 Raw ash e Recuperação ............................................................................................. 98
4.2.2 Validação das estimativas ........................................................................................ 100
4.3 DOMÍNIOS GEOMETALÚRGICOS ......................................................................... 101
4.3.1 Resultado das estatísticas por domínio .................................................................... 103
4.3.2 Análise de sensibilidade da variável recuperação .................................................... 104
CAPÍTULO 5 – CONCLUSÕES E SUGESTOES .............................................................. 106
5.1 CONCLUSÕES ........................................................................................................ 106
5.2 TRABALHOS FUTUROS......................................................................................... 107
REFERÊNCIAS ................................................................................................................. 108
xvi | P a g e
CAPÍTULO 1- INTRODUÇÃO
1.1 INTRODUÇÃO
1.2 PROBLEMATIZAÇÃO
1|Page
1.3 OBJECTIVOS DA PESQUISA
1.3.1 Geral
1.3.2 Específicos
1.5 GENERALIDADES
2|Page
Moçambique, devido a sua natureza estrutural e geológica, é subdividida em sub-bacias
denominadas secções (S1, S2A, S2B, S2C, S2D, S3, S4, S5, S6 e S. Central).
A área do projeto localiza se dentro da concessão Vale Moçambique a escassos
quilómetros da vila de Moatize e cerca de 30 km da cidade de Tete. A área está integrada numa
expansão de desenvolvimento de uma segunda cava no triângulo de cavas da S2A, a atual mina
da Vale, à cerca de 9 km e a cerca de 7 km da mina de International Coal Ventures Limited
(ICVL), antes comprada pela internacional Rio Tinto à Riversdale no povoado de Benga.
Pode se chegar a área seguindo a estrada que dá acesso ao complexo mineiro da Vale
Moçambique através da estrada nacional número 7 e seguindo a estrada da Vale Moçambique
após a ponte sobre o rio Rovúbuè. Alternativamente pode se aceder usando a via que vai a vila
de Moatize passando pela ponte sobre o rio Moatize, figura 1.
Figura 1: Mapa de localização geográfica da área de estudo (destacado a azul), as principais vias de acesso e
rede de drenagem, modificado.
LOCALIZAÇÃO E ACESSOS
4|Page
1.5.3 Ocorrências de Carvão em Moçambique
A área de estudo sob ponto de vista tectónico faz parte do graben de Moatize inserida
no graben do Zambezi. Sob ponto de vista estratigráfico, insere se no Grupo do Karoo Inferior,
Formação de Moatize (PeM) de idade Pérmica Inferior a Médio correspondente ao Grupo Ecca
5|Page
(PeE) do Karoo tipo na África do Sul, GTK CONSORTIUM ( 2006).
Os sedimentos deste graben são continentais e foram depositados sob forte influência
tectónica durante a estabilização da distensão do grande continente Gondwana numa Bacia
sedimentar do tipo graben orientado no sentido NW – SE, assentando discordantemente às
formações Pré-câmbricas e coberto ocasionalmente por depósitos do quaternário, figura 3.
A discordância do Karoo (Fanerozóico) sobre o Pré-câmbrico é marcado por um hiatos1
deposicional nas sub-eras Câmbrico a Devónico, o que faz com que, depósitos sedimentares do
Carbonífero superior e Pérmico assentem-se deposicionalmente às formações ígneas do Meso
e Proterózoico. O período de hiatos é subentendido como contemporânea à formação do Graben
a quando da distensão do continente Gondwana. A deposição e conservação das camadas de
carvão em ambientes do sistema lacustrino parecem estarem associados a um abrandamento da
atividade tectónica durante o Pérmico inferior a médio. Este abrandamento foi sucedido por
reativação tectónica que resultou em deposição de sedimentos grosseiros de sistemas fluviais
durante o Pérmico superior e na fase marginal do início do Triássico. Estudos recentes de
palinologia feitos por Pereira et al. (2014) confirmam também a forte influência climática
durante a deposição desses sedimentos; desde os climas glaciários para a Formação de Vúzi
que é a base de Karoo, passando por climas temperados húmidos na fase intermédia a quando
a deposição da Formação de Moatize e fechando o evento Karoo com climas quentes e áridos
nas Formações de Matinde e Cádzi.
Mapeamento e descrição de fácies em campo feitos por Chevane (2012) também
confirmam esta constatação para Matinde que é evidenciado pela presença frequente de material
carbonático, arcose, anéis de liesegang e ausência total de material orgânico no topo da
Formação. Também há nas formações do topo, contrariamente às formações da base, arenitos
com tons avermelhados, que segundo Selley (1996) sugerem processos diagenéticos acima do
nível freático que para Reading (1996) devem se aos climas quentes e semiáridas. As variações
climáticas e tectónicas teriam efeito na formação e qualidade do carvão.
1 No estudo litoestratigráfico entende se por hiatos a ausência de registo estratigráfico (deposição) em um determinado
tempo geológico.
6|Page
Figura 3: Geologia Regional
2
Conjunto de rochas delineadas por uma determinada feição estrutural.
3
Associação de rochas intrusivas ou metamórficas de alto grau, formadas apenas por um tipo de rochas.
4
Sedimentação sincrónica de camadas em extensas áreas.
5 Reunião de rochas de diversos tipos (sedimentares, ígneas ou metamórficas).
8|Page
1.5.4.2 Supergrupo do Karoo
6
Reunião de grupos com características lito estratigráficas inter-relacionadas.
7
Formação da base de deposição do evento Karoo na Bacia Carbonífera de Moatize constituído por sedimentos
fluvioglaciários.
8
Karoo de referência que aflora na África do Sul com sequências estratigráficas completas.
9
Sub bacia sedimentar que se distingue estruturalmente das áreas à volta e geralmente delimitada por falhas
9|Page
Figura 4: Estratigrafia detalhada da Formação de Moatize na Área de concessão da Vale Moçambique
10 | P a g e
c. Formação de Cádzi (PeC)
1.5.4.3 Quaternário
10
Unidade lito estratigráfica fundamental constituída por um corpo de relativa uniformidade litológica, contínuo e
mapeável em subsuperfície e ou em superfície e fisicamente distinta das formações adjacentes, sobrepostas e subpostas.
11
Associação de duas ou mais Formações com feições ou características comuns.
11 | P a g e
Figura 5: Bloco diagrama idealizado da configuração estrutural, editado.
12 | P a g e
CAPÍTULO 2 - REVISÃO BIBLIOGRÁFICA
2.1.1 Definição
12
Grau de concentração de Carbono com a diminuição progressiva de Hidrogénio e Oxigênio devido ao efeito de
temperatura e pressão com o tempo.
13 | P a g e
permitiram a acumulação e preservação de grandes espessuras de turfas e sedimentos límicos
que com o soterramento progressivo e consequente atuação da temperatura e pressão com o
tempo conduziu às transformações químicas e físicas para diferentes estágios de incarbonização
do carvão.
O relatório da BP (2016) na sua última atualização realizada em 2015, descreve que as
maiores reservas de carvão na categoria de provadas distribuem se geograficamente na América
do Norte, Ásia (Austrália inclusa) e Europa, figura 6. Existem também a participação
significativa da América do Sul e África. A África de maneira particular faz parte das regiões
com alto potencial pois, é das regiões menos exploradas. Segundo EIA (2016), a Indonésia e a
Austrália fazem parte dos países mais exportadores enquanto que a China e Estados unidos são
os países mais importadores, figura 6.
Figura 6: Países exportadores e importadores no mundo de negócio de carvão 2008 e 2018 (milhões de
toneladas)
Figura 7: Distribuição geográfica das reservas provadas, modificado e de idade da formação de carvão,
modificado.
A matéria orgânica uma vez acumulada e soterrada, passa por diversos processos
diagenéticos que lhe conferem o seu grau de incarbonização. A sua natureza composicional
enquadra se em hidrocarbonetos (HC-O), com cerca de, segundo Nalbandian & Dong (2013)
50% a 98% de carbono, 3% a 13% de hidrogénio, oxigênio e menores quantidades de
nitrogénio. Contêm também água, e graus de minerais inorgânicos que permanecem como
resíduos durante a combustão do carvão conhecidos como cinzas.
A matéria inorgânica é tida como impúria e representa o grade do carvão, enquanto o
estágio de maturação do material orgânico representa o grau de incarbonização do carvão.
Os agentes de incarbonização com a ação de soterramento progressivo são a temperatura
que é catalisador de reações químicas, a pressão que agiliza a libertação da água e gases por
compacção e o tempo de exposição desses fatores no pacote sedimentar.
Alguns autores como Finkelman, et al. (1991) e Thomas (2013), sustentam que pressão
entra na resultante de temperatura e a sua significância de forma isolada é relevante apenas nos
primeiros estágios de incarbonização onde ocorre necessariamente a compacção e consequente
redução de poros e da humidade.
15 | P a g e
Durante o processo de exposição à temperatura e pressão com o tempo, o carvão passa
por diversos estágios de incarbonização. A figura 8, mostra as diferentes fases de
incarbonização recorrendo a terminologia americana ASTM descrita por Riley (2007), sendo
que cada fase reflete composição e constituição diferentes.
A sua classificação pode ser feita a partir da variação da composição e constituição,
como também, de acordo com a sua aplicação. As macro utilizações do carvão são o uso de
carvão como metalúrgico/coque nas indústrias de fundição de ferro e térmico para usinas
termoelétricas na geração de energia.
16 | P a g e
distinguindo desse modo os carvões de alto, médio, baixo, muito baixo grades, rochas
carbonosas e rochas, figura 9. A natureza da matéria inorgânica pode ser detrítica quando são
transportados aos locais de formação de carvão por agentes naturais de transporte ou
autogenética por precipitação química durante a diagênese.
A escala de alto grade representa melhor carvão com menor teor de cinzas e densidade
específica. Não está claro, contudo, nesta classificação se as classificações são na base carvão
in situ como o título sugere ou carvão após beneficiamento como a apresentação dos dados
mostram.
Figura 9: Classificação do Carvão in seam.
Vitrain caracteriza se pela sua cor preta, com brilho vítreo, fratura conchoidal e clivagem
cúbica, é limpo e sem estrutura ocorrendo em bandas finas ou lentes. O Clarain tem brilho lustre
e finamente laminado com fratura lisa ou irregular com acamação paralela. Durain é de cor de
cinza a preto acastanhado, bandado, sem brilho, granular com superfícies ásperas, é mais dura
que a vitrain e é o maceral mais comum. A Fusain é de cor preta de fuligem, brilho à seda,
friável e fibrosa sendo a sua coerência fina e inconsistente.
Segundo Thomas (2013) nos grupos macerais as vitrinites provêm de material lenhoso,
as exinites ou liptinites provêm de esporos, resinas e cutículas, enquanto que as inertinites
provêm de material de plantas oxidadas. Bustin, et al. (1983), sugeriram um diagrama de
definição de grupos macerais a partir de percentagens de macerais. As vitrinites e as exinites
são reativas, enquanto que as inertinites são não reativas exceto uma porção da semifusinite,
figura 10.
Os carvões de Moatize em função do grau de incarbonização, classificam se como
betuminosos e constituídos por mais de 80% de vitrinites na sua composição maceral. Os
macerais reativos com a participação da semifusinite reativa superam os 85%. Os da secção 4
concretamente, são carvões de betuminosos de baixos voláteis ou peri betuminosos (A) e os da
secção 2A, betuminosos de médios voláteis ou meta betuminosos (B) segundo a classificação
sugerida por ECE-UN (1998), com largo potencial de serem aplicadas tanto nas indústrias
siderúrgicas como nas usinas termoelétricas, sendo esta última aplicação condicional devido ao
18 | P a g e
seu alto valor calorífico e do índice de intumescimento.
Figura 10: Classificação dos grupos macerais e sua reatividade
Pela descrição feita por Thomas (2013), o principal objetivo da pesquisa é determinar a
localização, extensão e qualidade dos recursos em um determinado espaço geográfico, junto
aos fatores geológicos restritivos ou facilitadores para o desenvolvimento de uma mina. Esta
atividade é suportada por dados pré-existentes, mapeamento geológico e amostragem, dados
geofísicos e sondagem por perfuração para permitir os estudos de viabilidade do depósito
integrando outros fatores não necessariamente inerentes a geologia do depósito já conhecidos.
As fases descritas por Thomas (2013), são um processo interativo e devem, contudo, ser
antecedidas por um trabalho de cartografia de grande escala para permitir um trabalho de
delimitação de anomalias de áreas potenciais. O trabalho cartografia de grande escala nos
últimos anos passou a ser feita ou financiado de forma estratégica por governos e seus parceiros
principalmente nos países em via de desenvolvimento com o objetivo de conhecer o seu
potencial em recursos minerais e captar investimentos e licenciamentos de forma mais
sustentável que maximize a captura dos dividendos que possam advir da extração de recursos.
As principais fases de pesquisa de depósitos de carvão em particular convergente com outras
literaturas são apresentadas num fluxograma mais integrado por Thomas (2013) na figura 11.
19 | P a g e
Figura 11: Fluxo diagrama das principais atividades durante a fase de pesquisa
Obtenção do Título
de pesquisa
Obtenção de mapas,
Aval. de inf. Geol. Aquisição de novas fotos
planos, fotos aéreas,
existentes aéreas se necessário
imagens satélites, relatórios
geol.
Programação de Prod.demapasfotogramétri
pesquisa no terreno cas e planos
Quant. de reservas in
situ e cálculos de REM
Relatório geológico
Geologia de Carvão
Qualidade de Carvão
E Reservas
20 | P a g e
2.1.4 Classificação de Recursos e Reservas em depósitos de carvão
13 Os relatórios devem conter todas informações relevantes que os investidores e seus assessores profissionais normalmente
necessitam para permitir um julgamento racional e balanceado da mineralização relatada.
14 Permitir que o leitor do relatório receba informação clara, inequívoca e suficiente para compreender e não ser induzido
a erros
15 O relatório deve ser baseado em um trabalho de responsabilidade de pessoa devidamente qualificada e experiente,
sujeita um código de ética profissional que possa ser devidamente monitorado e auditado.
21 | P a g e
O conhecimento geológico e a consequente redução das incertezas geológicas seguem
o fluxo proposto por Ribeiro, et al. (2012), figura 13. O fluxo fundamenta-se no uso da
metodologia front end loading (FEL)16. A FEL1 corresponde a fase da definição do negócio e
de definição do alinhamento estratégico. Fel 2 visa refinar as premissas estudando as opções e
direcionar o projeto, a engenharia conceptual. A FEL3 corresponde a fase onde se desenvolve
a engenharia detalhada, o plano de execução e estimativa do custo Barbosa et al. (2013).
16
Metodologia desenvolvida por Independent Project Analysis (IPA) e que descreve as técnicas, métodos e ferramentas a
serem aplicadas a cada fase de um projeto.
22 | P a g e
impossível tomar amostras que refletem verdadeiramente as características do depósito
(representatividade). A caracterização é feita com objetivo de conhecer o depósito para permitir
a otimização e eficiência de mineração, beneficiamento e uso (comercialização).
A caracterização geológica dos depósitos com foco na metalurgia, ou seja,
beneficiamento passou a ser foco dos empreendimentos mineiros uma vez que é onde se
concentram mais os custos de produção D´Arrigo (2012). Os resultados operacionais mostram
que a mina Carvão Moatize não é uma exceção.
A amostragem para depósitos de carvão é largamente feita por via de furos de sondagem
de diversos tamanhos de diâmetro, canais e amostragem de volume suportada com informações
geofísicas. Das amostras obtidas a partir de processos de sondagem geológica são analisadas
diferentes características químicas, físicas e petrográficas inerentes a composição e constituição
do carvão. Essas características devem ser devidamente reportadas na referência da sua base,
quer seja na base recebida, seco ao ar, seca, seca e livre de cinzas e seca livre de matéria mineral.
A falta de indicação dessas bases pode inutilizar ou gerar interpretações imprecisas na
caracterização e avaliação dos depósitos de carvão. As conversões e correlações de uma base
para outra estão padronizadas em equações disponíveis em várias literaturas (e.g. JORC (2014);
THOMAS (2013); SANDERS et al., (2009) e WARD (1984)). A figura 14, sumariza as bases
mais usadas e a sua significância, na indústria de carvão.
23 | P a g e
Tanto os procedimentos de tentativa de obtenção de amostras representativas, de
preparação, como das análises são descritos em códigos internacionais sendo os mais
proeminentes as normas ISO e ASTM. Segundo Sanders et al. (2009), o nível e a quantidade
de amostras a serem tomadas dependerá do nível de variabilidade da qualidade na camada. A
variabilidade da qualidade carvão na singênese é largamente controlada pela temperatura e
pressão com o tempo, que por sua vez determina o grau de incarbonização, associado também
a quantidade e tipo da matéria mineral, tipo da matéria vegetal.
A qualidade original pode ser modificada por fatores pós-gênese como a oxidação por
exposição, tectónica (falhamento, dobramentos e cisalhamentos) e intrusões ígneas. A fase mais
crítica é a obtenção de amostras, pois é a fonte geral de imprecisões nos resultados, segundo
Zhu (2014), estatisticamente a amostragem contribui com mais de 80% de resultados não
representativos, seguido por preparação com menos de 15% e remanescente atribuído a análises
associado ao instrumento e ao operador. Os desvios de instrumentação são normalmente
reconhecíveis, sendo os problemas de operador minimizados por repetitividade17 e
reprodutibilidade18.
a. Teor de Humidade
17 Repectividade consiste segundo Lau (2009), JORC (2014), a precisão de testes feitos em curto espaço de tempo da
mesma amostra, nas mesmas condições de instrumentação, operador e aparatos, com aderência dos diferentes resultados
em 95%.
18 Reprodutibilidade está associada a precisão de testes em condições diferentes e em tempos não rigorosamente específicos
de incrementos da mesma amostra Lau (2009), JORC (2014).
24 | P a g e
Existem basicamente duas formas de humidade, aquela que é inerente a composição do
carvão (humidade inerente) e outra que o carvão adquire na interação com o meio (humidade
superficial). As subclassificações são disponíveis e detalhadas por várias bibliografias e.g.
Sanders et al. (2009), Zhu (2014) e Thomas (2013).
A humidade superficial é removida com a secagem às condições normais de temperatura
e pressão, enquanto que a humidade inerente determina se com secagem um pouco agressiva (a
150 graus Celsius no vacum ou atmosfera nitrogénica).
Ao somatório dessas humidades denomina se por humidade total. Segundo Sanders et
al. (2009), alta humidade é inatrativo para o valor económico do carvão pois para além de
consumir a energia por evaporação durante a combustão, também pode acarretar problemas de
manuseio. A baixa humidade também pode originar muita poeira. A humidade total é função
do tipo de carvão, granulometria e histórico de manuseio.
b. Teor de Cinzas
Cinzas são resíduos inorgânicos dos tecidos vegetais e da matéria mineral que
permanecem após a combustão de carvão Thomas (2013). Classificam se em cinzas de fundo,
escória e cinzas volantes. A determinação de cinzas não significa determinação de matéria
mineral, embora a cinza provenha maioritariamente do conteúdo mineral. Altas cinzas tem a
principal desvantagem de reduzir o valor calorífico do carvão e eficiência nas indústrias de altos
fornos. Na metalurgia (beneficiamento) a cinza é fator chave, pois, correlaciona se diretamente
a densidade do carvão que condiciona a recuperação mássica por meios densimétricos. Segundo
ECE-UN (1998) o limite superior para ser considerado carvão é cerca de 50% de teor cinzas.
c. Matéria Volátil
25 | P a g e
d. Carbono fixo
a. Análises Elementares
26 | P a g e
Para carvão de Moatize, especialmente para a camada Chipanga da secção 2A foi
desenvolvido uma regressão linear que se ajusta aos valores medidos de CSR e sua relação com
as propriedades relevantes que determinam a sua variação (a matéria volátil, a fluidez, a
refletância máxima das vitrinites, a quantidade de macerais reativos, e a relação entre óxidos
básicos e ácidos que definem o índice de alcanidade). A equação 1 mostra a estimativa de CSR
para a camada Chipanga, Moatize secção 2A.
27 | P a g e
Figura 15: Correlação de estimativa de CSR entre os modelos de Kobe àquela desenvolvida para a camada
Chipanga S2A.
a. Densidade
28 | P a g e
associada a ao conteúdo mineral que tem alta variação de densidade e classificada como rejeito
por processos densimétricos; a densidade da matéria orgânica é relativamente baixa e de baixa
variabilidade.
Preston & Sanders (1993) desenvolveram uma equação empírica da relação de
densidade específica determinada em laboratórios e densidade especifica in situ a partir da
humidade in situ ou densidades na base de diferentes humidades. A equação 4 é a estimativa de
densidade in situ a partir das diferenças de humidade Preston & Sanders (1993). A equação 4 é
largamente usada para estimar volumes das reservas in situ:
Onde:
Rdis - Densidade específica in situ, RDad – Densidade especifica na base seco ao ar, Mad -
Humidade na base seco ao ar, Mis – Humidade in situ.
29 | P a g e
b. Ensaios de lavabilidade e análises de granulometria
A habilidade de carvão de ser beneficiado por meios densimétricos é feita por testes de
flutua/afunda, ou seja, lavabilidade. Após a cominuição e homogeneização da amostra o carvão
é submerso a um líquido de densidade conhecida. As densidades são incrementos sucessivos de
ordem crescente donde são registadas as recuperações (flutuados) e afundados, figura 17.
Nos flutuados de cada incremento são testadas as qualidades relevantes a cada fração,
geralmente as análises imediatas. Esses resultados se traduzem numa curva de lavabilidade que
permite de forma teórica prever as recuperações e as qualidades a determinadas densidades de
corte que são insumos vitais a metalurgia.
A densidade inicial praticada na indústria para projetos iniciais é de 1.30g/cm3, sendo a
última dependente do comportamento do carvão que geralmente coincide com a recuperação
cumulativa de 100% e com incrementos de 0.05 ou 0.1 g/cm3. Para melhor compreensão da
variação da qualidade com a variação da granulometria na maioria das vezes os testes de
lavabilidade são antecedidos das análises granulométricas, permitindo assim, o teste de
lavabilidade por fração granulométrica. O teste de granulometria é feito com peneiramentos
sucessivos da malha maior até a menor possível. O desenho das plantas de beneficiamento é
largamente guiado por comportamento da granulometria e qualidades em meios de separação
densimétricos.
Figura 17: Curvas de lavabilidade de carvão
30 | P a g e
c. Dureza, moabilidade abrasão e testes adicionais
31 | P a g e
intumescimento do carvão. Normalmente o teste de CSN é aceitável quando se faz no flutuado
da densidade mínima possível, onde se expurga a influência da participação da maior parte da
matéria mineral.
A refletância máxima da vitrinite é largamente usado como indicador do grau de
incarbonização do carvão e tem pesado muito nas regressões de estimativa de CSR.
32 | P a g e
calorífico) por excesso de hidrogênio e oxigênio, também aumenta a vulnerabilidade à
combustão espontânea quando a energia gerada por reação de oxidação é maior àquela
dissipada por condução térmica e ou evaporação.
Em muitos depósitos de carvão é frequente encontrar corpos intrusivos na forma de
soleiras e diques. Esses corpos a quando a sua intrusão, trazem calor que queima as camadas de
carvão na sua área de influência e alteram o padrão da variação espacial dos indicadores
associados ao grau de incarbonização, humidade e cinzas. As intrusões em camadas
sedimentares podem ser detectadas por anomalias magnéticas altas.
A precipitação de minerais na forma de sulfuretos ou óxidos de ferro e carbonatos quer
na forma bandada ou nodular, também impacta na alteração do padrão de variação de qualidade,
principalmente nas cinzas, enxofre e fósforo. As formas mais frequentes são a Pirite (FeS2) e
Apatite (Ca5(PO4)3(F, OH, Cl)) para o caso de carvões de Moatize.
O termo geoestatística surge entre os anos 50/60 com a teorização da aplicação das
variáveis regionalizadas por Matheron (1971), com os seus colaboradores (destacando Krige e
Sichel) quando faziam observações empíricas da continuidade do minério de ouro na África do
Sul, com a constatação de que a dispersão ou concentração de uma variável aleatória é
controlado por processos e fenómenos. Esses processos e fenómenos estão bem estruturados
em termos de sua ocorrência seja no tempo como no espaço, que ajudam não só em termos
teóricos a expressar de forma mais consistente as propriedades estruturais, como também, em
termos práticos a resolver os problemas das estimativas das variáveis regionalizadas a partir
representação de uma população por meio da amostragem.
Na sequência Matheron G. também popularizou a krigagem que se baseia no best linear
unbiased estimator (B.L.U.E), ou seja, melhor estimador linear sem viés, usando premissas da
regionalização das variáveis previstas nos modelos variográficos, ou seja, procura sempre
ajustar a média dos erros entre os valores estimados e reais para que sejam nulas, a assumindo
assim variância mínima de estimação.
A aplicação da teoria das variáveis regionalizadas (geoestatística) surge como
alternativa aos métodos determinísticos de inferência espacial que não se preocupam e associar
o fenómeno físico através de fatores que estão na sua origem, ou seja, variações nas direções
nas quais a variação é privilegiada (anisotropia), mas que simplesmente tem o objetivo de
33 | P a g e
interpolar espacialmente os valores observados assumindo uma combinação linear entre estes
Soares (2006). O enquadramento do fenómeno físico nas estimativas das variáveis
regionalizadas permite estimar a incerteza associado a estimativa, ajudado assim a otimizar as
malhas de sondagem posteriores. A sua aplicação ultrapassa os limites de geologia, sendo que
o mais correto seria o termo aplicação das variáveis regionalizadas que não cria
subentendimento e abrange todas as ciências da terra, como, meteorologia, biologia, pedologia,
agricultura e florestas incluído a própria geologia Soares (2006).
É considerada de variável regionalizada quando uma realização, ou seja, distribuição de
uma variável y (x) é função aleatória (processo/fenómeno) Y (x) e vice-versa, tornando assim
possível a aplicação da teoria probabilística das funções aleatórias para as variáveis
regionalizadas, sendo que, para a hipótese ter um significado real, deve ser possível reconstruir
pelo menos em parte, a lei da distribuição de probabilidade da função aleatória Y (x). As
variáveis aleatórias são caracterizadas por localização e suporte, continuidade/descontinuidade
espacial, anisotropia e transição.
1 (5)
γ(h) = E {[Z(u) − Z(u + h)]2 }
2
.
Para um conjunto amostral, {z (u1), z (u2), ..., z (uN)}, o semi-variograma pode ser
estimado pela equação 6
34 | P a g e
𝑁(ℎ) (6)
1
𝛾(ℎ) = ∑ [𝑍(𝑢𝑖 ) − 𝑍(𝑢𝑖 + ℎ)]2
2𝑁(ℎ)
𝑖=1
.
Onde:
Calculada a variância com a sua correlação com o espaçamento a uma direção obtém se
o semi-variograma com as características seguintes, figura 18:
Figura 18: Elementos de um semi-variograma e seus respetivos parâmetros
A auto correlação espacial entre pares de amostras separados por uma distância h (lag)
em uma certa direção existe até ao ponto em que observa variância máxima, o patamar (sill)
que é a variância a priori dos dados, cuja equivalente distância é o alcance (range). Até este
ponto um determinado domínio numa dada direção, diz-se haver continuidade da variável em
análise e, portanto, a variável distribui se seguindo um padrão genético estruturado, ou seja,
existe maior similaridade para amostras próximas que aquelas mais afastadas até ao ponto que
não se verifica nenhuma dependência espacial. O maior alcance possível representa a direção
35 | P a g e
de maior continuidade e geralmente a direção perpendicular àquela é a de menor continuidade.
Ambas são geralmente correspondentes a mesmo patamar.
Devido a erros de amostragem mais comumente e raramente, erros analíticos ou mesmo
variabilidade natural da variável em estudo, amostras tiradas a uma distância quase nula não
exibem mesmo valor, fazendo que a variância dessas amostras seja diferente do zero. A esse
fenómeno denomina se efeito pepita (nugget). Para fenómenos totalmente aleatórios, onde não
se verifica estruturação o efeito pepita coincide com a variância máxima. Este efeito, pepita
puro, que é muito raro para casos de mineração pode estar associado segundo Guerra & Salles
(1998), a uma malha de sondagem que não é suficientemente apertada para detectar estruturas,
dando a interpretação de que os pesos das amostras independentemente das distâncias que as
separam são iguais. Nesse caso o recurso de uso da geoestatística para estimativa não agrega
nenhuma vantagem sobre os métodos tradicionais (e.g. distância inversa).
O sumário das regras para ajuste de semi-variograma experimental é apresentada por
Issaks & Srivastava (1989) e Andriotti (2002). Algumas práticas sustentam que o efeito pepita
deve ser 1/3 do patamar, mas Issaks & Srivastava (1989), sustentam que a melhor prática é usar
o semi-variograma omnidirecional (tolerância angular >90º) para ajustar o efeito pepita, e
seguir depois com ajuste de semi-variogramas direcionais (tolerância angular <90º).
O semi-variograma pode se comportar de maneira similar para qualquer direção,
fenómeno que se denomina isotropia. Quando diferentes direções mostram diferentes
características variográficas diz anisotropia. Anisotropia pode ser geométrica quando nas
diferentes direções o semi-variograma exibe mesmo patamar, mas com alcances diferentes;
zonal ou estratigráfica quando o semi-variograma em diferentes direções tiver mesmo alcance
para patamares diferentes; híbrida quando nem o patamar nem o alcance são diferentes para
direções distintas. Os modelos semi-variográficos podem ser com patamar (esféricos,
exponencial, gaussianos e periódicos) ou sem patamar (potencial ou linear) segundo a sua
morfologia.
36 | P a g e
ajudar a categorizar recursos de maneira mais realística ao conhecimento e fundamentada. O
juízo de considerar incertezas geológicas nas estimativas de recursos e reservas é plena da
pessoa competente segundo norma JORC (2014).
As diversas técnicas de estimativa de incertezas recorrendo a geoestatística são
sumarizadas por Souza (2007).
É uma técnica rápida e largamente difundida, mas peca por ser muito intuitivo na
definição do número mínimo e do percentual de alcance para um determinado nível de
confiança, deixando à sorte a experiência e conhecimento sobre o depósito da pessoa
competente. Maior alcance variográfico como a anisotropia zonal, condiciona o uso desta
técnica.
37 | P a g e
2.2.2.2 Alcance variográfico
38 | P a g e
Alternativamente usa se desvio padrão da interpolação, ou seja, a raiz quadrada da
variância da interpolação, após alguns autores (ISSAKS & SRIVASTAVA (1989) ;
YAMAMOTO (2001)) questionarem a variância da krigagem como índice de quantificação de
incertezas.
Valente (1980) diz que o erro da krigagem média pode ser calculado com um limiar de
95% de probabilidade de acordo com a equação, recomendada pela ONU às instituições de
financiamento internacionais. A equação 7 mostra o erro da krigagem.
∑𝑛𝑖=1 𝜎 2 𝑘𝑖 (7)
√
𝑛2 √∑𝑛𝑖=1 𝜎 2 𝑘𝑖
Ԑk = 2 ∗ ∗ 100 = 200 ∗
∑𝑛𝑖=1 𝑡𝑘𝑖 ∑𝑛𝑖=𝑘 𝑡𝑘𝑖
𝑛
.
Onde tki e σ²ki são, respetivamente, os valores estimados por krigagem e a variância de
krigagem dos blocos.
39 | P a g e
Figura 22: Uso da regressão linear para estimativa de incertezas incerteza
40 | P a g e
2.2.2.6 Eficiência do bloco
Proposto por Krige (1996), pode ser determinada pela equação 8, seguinte:
𝑉𝐵 − 𝑉𝐾 (8)
𝐸𝑓𝑖𝑐𝑖ê𝑛𝑐𝑖𝑎 = , (%)
2VB𝑎
.
Onde
VB é a variância da distribuição dos teores dos blocos e VK é a variância de krigagem
Eficiência ≥ 0.5 como medidos, 0.5 > Eficiência > 0.3 como indicados e Eficiência ≤
0.3 como inferidos.
2 (9)
RI(u)= √[1 − 𝐼𝑘 (𝑢)]2 + [𝑆𝑖𝑘 (𝑢)]2 .
Onde:
Ik é a krigagem do indicador “minério” para o suporte u e Sik é a respetiva variância de krigagem.
41 | P a g e
RI ≤ 0.6 como medidos, 0.6 < RI < 0.9 como indicados e Eficiência ≥ 0.3 como inferidos.
42 | P a g e
2.4 GEOMETALURGIA DO CARVÃO
O carvão na sua forma natural apresenta muitas impurezas para sua aplicação. A
valorização do carvão para a especificação do mercado é feita por processos metalúrgicos, que
consiste em redução da matéria inorgânica e concentração da matéria orgânica.
Devido as densidades diferentes entre a matéria orgânica e inorgânica os métodos de
beneficiamento de carvão são densimétricos que traduzem a curva de lavabilidade de cada
domínio de carvão. O processo todo que envolve técnicas da concentração do minério de carvão
rejeitando as impúrias denomina se metalurgia. Existe literatura suficiente das diversas técnicas
de beneficiamento de carvão, sendo o mais completo o livro de Nicol & Swanson (1997).
A otimização do processo de metalurgia depende muito do conhecimento da natureza
geológica e das características intrínsecas do minério do carvão. Segundo Lamberg (2011) a
geometalurgia combina informações metalúrgicas e geológicas para criar um modelo espacial
preditivo para plantas de processamento de minerais. Starkey & Scinto (2010) sustenta que essa
é uma visão limitada do conceito, pois, a não integração do conceito de regionalização e
significância geoestatística na amostragem pode comprometer a acurácia.
Os modelos preditivos em campo têm o dilema de escala necessária de amostragem e
custos associados para chegar ao nível desejado de acurácia, o que leva ao uso de diversos
fatores de correção ao longo de toda cadeia produtiva.
O recurso a uso de fatores de correção para conciliar as previsões dos valores observados
pode mascarar as oportunidades de melhoria dentro dos mesmos fluxos, pois não estão
associadas as características intrínsecas do depósito e a sua resposta a processos de lavra e
beneficiamento.
A Geometalurgia no conceito mais alargado integra todas as premissas de otimização a
partir do conhecimento geológico de como as variáveis metalúrgicas variam no depósito e as
estruturas de controle associadas com as premissas de como essas variáveis se comportam numa
planta de beneficiamento, a magnitude de riscos bem como da maximização de valor para o
mercado. Segundo SGS (2013) a geometalurgia, pode ser feita em qualquer fase mineira, desde
a exploração, estudos de viabilidade até a produção, figura 25.
43 | P a g e
Figura 25: Integração de estudos geometalúrgicos em várias fases de mineração, adaptado.
44 | P a g e
CAPÍTULO 3 – ESTUDO DE CASO
3.4 METODOLOGIA
A fundamentação para este estudo baseia se no facto de a metodologia aplicada para a
geometalurgia clássica apenas combinar diretamente informações de geologia com as da
metalurgia para criar modelos preditivos sem, no entanto, associar os fenómenos físicos
responsáveis pela variação de teores no depósito.
A proposição metodológica para este estudo é comtemplar informações ligados a
estruturas que controlam a distribuição de variáveis geometalúrgicas, através da geoestatística,
para a correta previsibilidade no tempo e no espaço da vida dos projetos.
Para o efeito foram seguidos os seguintes passos metodológicos, figura 26:
a. Geologia
Esta fase consistiu em organizar a partir de dados existentes duas bases de dados. Uma
base de dados dos furos de sondagem referentes a HQ e LD e outra de dados históricos obtidos
durante a produção.
Estudos de reconciliação entre as duas bases de dados permitiram nos dar visibilidade
entre os valores estimados e os valores obtidos durante o mesmo período. Este estudo permitiu
nos tirar ideia das variáveis que impactam o processamento através de correlações.
b. Geoestatística
Esta fase, que por sinal corresponde a nossa proposta adicional ao processo de geração
de modelos geometalúrgicos consistiu em a partir das variáveis que mostraram ter impacto no
processamento e daquelas sugeridas pela bibliografia fazer o estudo de determinação e
quantificação das variáveis geometalúrgicas por análise de variância (ANOVA) recorrendo ao
estudo de efeito principal e de interação de fatores no programa Minitab.
Após determinação das variáveis geometalúrgicas seguiu-se a análise exploratória dos
dados (AED) com recurso a análise descritiva univariada e bivariada no Minitab, análise de
padrão de amostragem e variografia no programa Isatis.
A análise descritiva nos permitiu ter sensibilidade estatística e estabelecer correlações e
significância estatística entre as variáveis. A análise do padrão de amostrava foi feita com o
objetivo de verificar provável impacto de amostragem preferencial que pudesse enviesar os
dados estatísticos.
45 | P a g e
A variografia consistiu em analisar os semi-variogramas omnidirecionais, mapas
variográficos, semi-variogramas experimentais e por fim o ajuste dos semi-variogramas finais.
Os semi-variogramas omnidirecionais permitiram nos determinar os horizontes que
tinham estruturas e apurar o efeito pepita. Os horizontes que mostraram alguma estruturação
passaram por análises em mapas variográficos para apurar direções preferencias de
continuidade para posterior elaboração dos semi-variogramas experimentais e por fim
determinar os variogramas finais
Com ajuste de semi-variogramas finais seguiu se a validação antes do processo de
estimativa.
Para o processo de estimativa recorreu-se aos blocos operacionais convencionados pela
Engenharia de curto prazo (Planejamento de Curto Prazo).
Os dados estimados foram validados contra os resultados originais com recurso a
funções de distribuição acumulada e correlações.
Figura 26: Fases metodológicas seguidas na pesquisa com destaque a incorporação da geoestatística para suportar os
modelos geometalúrgicos.
46 | P a g e
integrando as variáveis geometalúrgicas.
c. Metalurgia
47 | P a g e
Figura 27: Tipo e fases adotadas para mineração em Moatize
A mina operacional desde 2011 foi feita na secção 2A para camada Chipanga (CH) por
ser possante e com melhor qualidade e com carvão sob aflorante. Em 2016 iniciaram as
atividades de mina para a camada mais a baixo de CH, a camada Sousa Pinto (SP) para a mesma
secção e a camada CH e Bananeiras (BN) para a secção 4. A figura 28 mostra o layout da mina
na atualidade.
Figura 28: Layout da infraestrutura Mina Carvão Moatize
48 | P a g e
3.5.1 Sondagem Geológica e aquisição de dados
50 | P a g e
Figura 30: Fluxo analítico de análise de amostras de carvão (cortesia VALE)
A base de dados utilizado provem da sondagem HQ de 63 mm, nas fases raw e clean
coal. A fase clean coal é a densidade de corte fixada de 1.45 que representa a qualidade do
produto metalúrgico. A fase raw contêm 10341 amostras dos 144 furos, cujas variáveis de
interesse para este estudo neste estágio são o teor de cinza do carvão bruto (raw ash) e densidade
específica, acompanhada de dados de identidade do furo, posição (x, y, z, from e to de cada
amostra), nome do horizonte e espessura. A fase clean coal contêm número de amostras
reduzidas pois os furos reconhecidos como queimados e com todas propriedades extinguidas
são interrompidos nas fases anteriores ao clean coal. São 626 amostras correspondentes a 106
furos que para além das informações descritivas idênticas do estágio anterior contém dados de
recuperação mássica (yield), teor enxofre, teor fósforo, a refletância (RoV) e a matéria volátil,
tabela 2. As amostras resultam da composição de subamostras em função de definição de
horizontes com recurso a perfis geofísicos. Todas as unidades reportadas na base seco ao ar
(adb), exceto especificado.
52 | P a g e
Tabela 2:Estatística da base de dados utilizada
Stage Plies UCT UCB1 UCB2 UCB3 MCC LCUT LCUB LC456 Total
Nr Samples 1017 841 981 1993 2693 972 945 899 10341
Raw Relative density 1017 841 981 1993 2693 972 945 899 10341
Raw Ash 1017 841 981 1993 2693 972 945 899 10341
Nr Samples 60 53 62 80 85 93 97 96 626
Yield 60 53 62 80 85 93 97 96 626
Total Sulfur 60 52 61 79 84 92 96 95 619
Clean Coal
Phosphorous 56 52 62 80 85 90 93 92 610
Reflectance of Vitrinite 60 53 62 80 85 93 97 96 626
Volatile Mater 60 53 62 80 85 93 97 96 626
53 | P a g e
Figura 32: Mapa geológico da secção 2A
54 | P a g e
Figura 33: Fases do processo de modelagem geológica (cortesia Lino Jeque)
Figura 34: Esboço de corte de um modelo de blocos secção 4 (cortesia Lino Jeque)
56 | P a g e
Os horizontes com restrições especiais como o fósforo e enxofre alto, difíceis de serem
controlados por processos de separação densimétrica são agrupadas onde for possível em um
único horizonte de lavra e processamento para permitir o doseamento posterior durante o
processo de carregamento de produtos para a venda, figura 35 e 36.
Figura 36: Foto panorâmica de delimitação de horizontes em campo e com ajuda de geofísica (cortesia Ernesto
Sousa)
57 | P a g e
Figura 37: Definição de produtos para diferentes horizontes com a relação da matéria volátil e reflectância das
vitrinites
Como descrito no capítulo 2.1.2, a camada Chipanga da secção 2A sofreu por influência
dos agentes singenéticos (temperatura e pressão com o tempo) aumento progressivo de grau de
incarbonização com aumento da profundidade de soterramento. A taxa de maturação (gradiente
de maturação) depende do grade e do tipo da matéria vegetal associado. Os litotipos
constituintes do topo são basicamente as durains enquanto para a base essencialmente são as
vitrains.
A taxa de maturação média é de cerca 0.13% de RoV/100m de profundidade. Esse
gradiente é similar aquele observado por Vasconcelos (2009) de 0.12% de RoV/100 m de
profundidade, equivalente ao gradiente geotérmico de cerca de 2.13 ºC/100m de profundidade.
O comportamento inicial da curva de grau de incarbonização é perturbado pela oxidação do
carvão nas áreas de exposição, figura 38.
O modelo da variação do grau de incarbonização com o a profundidade para cada
Chipanga é típica da prevalência dos efeitos singenéticos (temperatura e pressão com o tempo)
durante o processo diagenético do pacote sedimentar, com interferência mínima dos agentes
pós-genéticos nas áreas de exposição (oxidação). Espacialmente, ou seja, ao longo da direção
da camada existe uma inclinação aparente suave da camada para sul, fazendo com que a camada
a sul esteja ligeiramente mais profunda que o norte, figura 40, enquanto a inclinação real é para
58 | P a g e
nordeste (NE) cerca de 15 graus.
59 | P a g e
Figura 39: Perfil de variação do grau de incarbonização para norte
60 | P a g e
Figura 40: Demonstrativo do gradiente de inclinação real e aparente das camadas (cortesia Lino Jeque)
O circuito de meio denso e composto por dois estágios e usa princípio densimétrico de
flutua/afunda. O primeiro estágio de separação em meio denso consiste em separar o rejeito do
produto para essa fração granulométrica a densidades relativamente altas antes do processo de
separação posterior de carvão metalúrgico e térmico a densidades relativamente mais baixas no
circuito de DMC metalúrgico. O meio denso é controlado com suspensão de sólidos de
magnetite de alta dureza e fácil recuperação, figura 42.
Figura 42: Fluxograma do circuito de meio denso
62 | P a g e
3.5.6.2 Espirais
63 | P a g e
3.5.6.3 Flotação
3.5.7.1 Granulometria
64 | P a g e
grade da secção 4, fator importante para as diferenças, como pode ser observado na figura 45.
A distribuição de partículas por tamanho (PSD), figura 46 que é similar para as duas
secções (S4 e S2A), mostra que maior proporção e estimada ao circuito de espirais seguida do
circuito de ciclones de meio denso e no fim células com apenas cerca de 7%. A quantidade de
cinza na alimentação diminui com a diminuição do tamanho das partículas.
Figura 46: Distribuição das partículas por tamanho vs. avaliação de cinzas
65 | P a g e
3.5.7.2 Ensaios densimétricos por fração granulométrica
Os ensaios densimétricos são feitos para replicar a recuperabilidade nos circuitos de dos
dois estágios de meio denso (fração 1x50 mm) e de espirais (fração1x25 mm). A diminuição da
cinza com a diminuição do tamanho das partículas confere aumento significativo da
recuperação nas frações finas a baixos teores de cinza no produto. Contudo não se pode esperar
que se faça cominuição excessiva para garantir maior recuperação. Maior recuperação é
otimizada pela repartição ideal das frações granulométricas por cada circuito, evitando
sobrecarga de um determinado circuito. A sobrecarga de circuito origina perdas operacionais e
desbalança proporcionalmente a cinza no produto a partir do obtido individualmente por cada
circuito, figura 47.
A camada Chipanga na secção 4 representado por UCS (UCT, UCB1 e UCB2) e MCS
(UCB3 e MC) tem melhor recuperação a cinza relativamente mais baixas quando comparado a
camada bananeiras independentemente das frações granulométricas. Isso concorda com o
aumento relativo do grau de incarbonização da camada Chipanga sobre a camada bananeiras
ainda com relativo alto grade da parte basal de Bananeiras em relação ao topo da camada
Chipanga nesta secção.
66 | P a g e
3.5.7.3 Flotação
67 | P a g e
3.6 DEFINIÇÃO, DETERMINAÇÃO E QUANTIFICAÇÃO DAS VARIÁVEIS
GEOMETALÚRGICAS
As variáveis geometalúrgicas são entendidas para fins deste projeto àquelas que fazem
parte da natureza geológica do carvão e que impactam nos processos de obtenção de produto
dentro da especificação e de recuperação mássica de produto. Alarga se á a este domínio as
variáveis que ainda que sem impacto nos indicadores dependentes, devido à natureza geológica
de depósitos de Moatize são críticos para a comercialização, nomeadamente o fósforo e enxofre.
No levantamento bibliográfico antes feito os principais indicadores que tem efeito na
recuperação mássica são a cinza que também se relaciona a sua densidade, o grau de
incarbonização que é definida pela matéria volátil ou refletância de vitrinites e a granulometria
associada.
Os diversos indicadores de qualidade de carvão serão testados sobre a sua influência na
recuperação mássica do produto e sobre a variação de cinzas no produto a partir dos dados de
produção obtidos no ano de 2015 e 2016 na planta de processamento da planta de Moatize 1.
Em regra geral, para carvões de Moatize a maior recuperação se obtém nas
granulometrias mais finas que nas grosseiras. Uma análise mais detalhada indica que tal facto
deve se a concentração da matéria mineral nas frações grosseiras. Sendo a variação de
granulometria altamente influenciada pelo manuseio e de difícil previsibilidade in situ não será
discutida para os modelos variográficos. Mas a sua natureza poderá ser interposta por fatores
correlacionáveis e que se manifestarem significativos.
A determinação da qualidade no estágio de carvão bruto é limitada às análises imediatas
(humidade, cinzas, matéria volátil e carbono fixo) adicionando os parâmetros críticos como o
fósforo e enxofre.
E desejável que durante o beneficiamento do carvão, se obtenha maior recuperação
mássica com menor cinza de produto possível, sendo que, a referência de especificação é de
10.5% de teor de cinzas.
Uma matriz de impacto principal de cada indicador na alimentação para a recuperação
mássica e cinza do produto demonstra que para se obter melhor recuperação com cinza no
produto abaixo de 10.5% deve se assumir domínios por sub-horizontes que tenham cinza na
alimentação abaixo de 35%, com densidade específica abaixo de 1.6 g/cm3 e carbono fixo acima
de 42%. Alta cinza/densidade específica na alimentação implicará cumulativamente em baixa
recuperação e alta cinza no produto.
68 | P a g e
Na verdade, melhor grau de incarbonização que pode ser demonstrada por baixa matéria
volátil e maior carbono fixo em carvões de alto grade (i.e., baixa cinza e densidade), favorece
a recuperação mássica com menor cinzas nos produtos.
A magnitude de impacto de cinza, densidade e carbono fixo é correlacionável para
indicador recuperação mássica. Essa magnitude também se observa para o indicador cinza no
produto, com uma pequena restrição no carbono fixo onde o impacto para redução de cinza só
se observa quando estiver a cima de 42%. Os mais significativos são, a combinação entre
densidade e cinza, figura 49.
69 | P a g e
Figura 49: Matriz de efeito principal para os indicadores metalúrgicos recuperação mássica e cinza no produto. Notar efeito da recuperação (yield) acima da média e com cinza no produto abaixo da média quando cinza na alimentação (feed ash) for menor 40%,
densidade (RD) menor que 1.7 g/cm3, matéria volátil (VM) acima de 19%, fósforo (phos) acima de 0.100% e carbono fixo (FC) acima de 42%.
42
40
38
36
M ean
34
42
40
38
36
34
10.6
10.5
10.4
10.3
10.2
M e an
10.1
01_Low(<35) 02_Mid(35-40) 03_High(>40) 01_Low(<1.6) 02_Mid(1.6-1.7) 03_High(>1.7) 01_Low(<18) 02_Mid(18-19) 03_High(>19)
Feed TS Feed Phos Feed FC
10.6
10.5
10.4
10.3
10.2
10.1
01_Low(<0.8) 02_Mid(0.8-1) 03_High(>1) 01_Low(<0.08) 02_Mid(0.08-0.1) 03_High(>0.1) 01_Low(<40) 02_Mid(40-42) 03_High(>42)
70 | P a g e
A facilidade ou dificuldade de remoção do enxofre e fósforo irá depender da natureza
da sua fonte. Para fins metalúrgicos é classificado em o que tem afinidade orgânica ou
inorgânica. A afinidade não descreve, contudo, a fonte, mas sim, descreve se esses elementos
podem ou não se concentrar no produto ou no rejeito após o processamento.
A matriz da figura 49 mostra que o enxofre tenderá ser alto quando a cinza do produto
for mais baixa, sustentando a sua concentração ou afinidade na matéria orgânica.
O diagrama ternário na figura 50 demonstra que o enxofre nos carvões de Moatize é
essencialmente orgânico com alguma predominância do enxofre pirítico. Apenas o enxofre
pirítico é possível ser reduzido por processos de separação em meios densimétricos.
A cinza no produto não varia muito com a variação de fósforo embora a recuperação
alta se obtenha com carvões que tem alto teor de fósforo.
Uma análise de interação dos fatores demonstra que o padrão de variação do fósforo
com alta variação cinza na alimentação e com baixa variação de cinza no produto é similar ao
71 | P a g e
que sustenta que o fósforo tem afinidade orgânica que é proporcionalmente invariável tanto
antes do processo como depois de processo.
Devido à alta correlação entre cinzas na alimentação, densidade específica e carbono
fixo e com magnitude de impacto na recuperação mássica e cinza no produto similar, apenas o
modelo variográfico de cinzas na alimentação, matéria volátil/refletância das vitrinites (RoV) e
fósforo serão modelados para delimitação de domínios de qualidade e análise de sensibilidade
geometalúrgica.
72 | P a g e
Figura 51: Sumário estatístico das variáveis no estágio Raw
Ainda na figura 51, pode se inferir a partir dos histogramas, a normalidade de dados
para os indicadores, porém, essa hipótese é rejeitada pelo teste de normalidade de Ryan-Joiner
(p-value<0.010). A falta de normalidade é atribuída aos valores extremos, devido a horizontes
que são intercalados por siltitos com valores extremos e valores pontuais devido a influência de
diques. Visto que o padrão espacial visa entender a influência nos mesmos no depósito não
serão expurgados. Os dados para as três variáveis estão ligeiramente skweed positivamente,
pelo que as suas respetivas médias aritméticas estão possivelmente subestimadas.
73 | P a g e
Figura 52: Estatística por horizonte no estágio raw
Variable RD RW Yield
Seam 01_UCT 02_UCB1 03_UCB2 04_UCB3 05_MCC 06_LCUT 07_LCUB 08_LC456 01_UCT 02_UCB1 03_UCB2 04_UCB3 05_MCC 06_LCUT 07_LCUB 08_LC456 01_UCT 02_UCB1 03_UCB2 04_UCB3 05_MCC 06_LCUT 07_LCUB 08_LC456
Minimum 1.61 1.53 1.44 1.49 1.32 1.47 1.44 1.34 36.0 25.8 23.6 15.7 18.2 21.9 19.6 13.9 13.9 0.7 19.3 20.6 4.7 22.3 21.8 23.7
Q1 1.74 1.65 1.61 1.57 1.65 1.57 1.56 1.42 45.4 39.4 34.9 31.4 37.0 31.3 31.2 17.3 20.1 22.5 30.5 32.3 20.4 34.6 36.4 53.6
Median 1.82 1.70 1.64 1.65 1.92 1.61 1.59 1.46 48.7 41.7 36.8 35.0 56.5 34.2 33.1 21.4 23.7 26.3 33.4 35.5 26.6 40.5 40.3 63.5
Mean 1.85 1.73 1.67 1.68 1.91 1.63 1.61 1.49 50.1 43.0 37.9 39.0 54.6 35.3 33.3 23.4 23.3 25.3 33.1 34.7 26.1 39.0 39.1 61.4
Q3 1.89 1.79 1.68 1.76 2.13 1.66 1.62 1.53 52.8 45.9 39.1 45.9 69.6 37.8 34.7 28.8 26.2 29.2 35.3 38.2 33.1 43.7 42.7 69.6
Maximum 2.32 2.38 2.27 2.46 2.59 2.03 2.20 1.90 77.3 73.7 64.2 71.4 85.5 61.2 74.1 57.2 36.7 38.5 44.6 44.5 42.1 50.0 52.4 79.6
IQR 0.150 0.135 0.070 0.190 0.480 0.090 0.060 0.110 7.400 6.450 4.200 14.500 32.600 6.500 3.500 11.500 6.053 6.750 4.780 5.940 12.665 9.055 6.340 15.990
SE Mean 0.005 0.004 0.004 0.003 0.005 0.003 0.003 0.003 0.237 0.222 0.181 0.209 0.325 0.200 0.146 0.233 0.542 0.876 0.626 0.526 0.949 0.660 0.585 1.060
StDev 0.148 0.128 0.120 0.146 0.269 0.099 0.091 0.087 7.564 6.448 5.676 9.350 16.852 6.237 4.494 6.972 4.201 6.377 4.926 4.701 8.751 6.362 5.766 10.430
Variance 0.022 0.017 0.014 0.021 0.073 0.010 0.008 0.008 57.213 41.580 32.220 87.425 284.002 38.901 20.194 48.603 17.649 40.664 24.262 22.102 76.573 40.479 33.246 108.730
CoefVar 8.020 7.400 7.180 8.650 14.090 6.090 5.660 5.890 15.110 14.980 15.000 24.010 30.840 17.680 13.480 29.800 17.990 25.170 14.900 13.550 33.490 16.310 14.750 16.980
Skewness 1.470 1.980 2.010 1.380 0.180 1.850 3.120 1.350 1.560 1.270 1.540 0.820 -0.090 1.480 1.350 0.680 0.230 -1.070 -0.100 -0.790 -0.450 -0.500 -0.720 -0.740
Kurtosis 1.900 6.040 5.090 2.340 -1.150 4.230 14.570 2.840 3.220 3.720 3.830 0.210 -1.380 3.750 8.850 -0.320 0.760 3.380 0.530 0.600 -0.410 -0.200 1.300 0.530
Count 1017 841 981 1993 2693 972 945 899 1017 841 981 1993 2693 972 945 899 60 53 62 80 85 93 97 96
76 | P a g e
Figura 55: Correlação estatística da cinza com a densidade e yield
A recuperação é guiada pela densidade nos ensaios de flutua e afunda, sendo que maior
densidade se obtém menor recuperação e vice-versa. Como a variação de cinza uma relação
direta com a densidade, então a cinza como demostrado terá relação inversa com a recuperação
ainda que com correlação relativamente mais fraca devido a presenças de siltitos carbonosos no
MCC de alta cinza, mas com grande grau de liberação após o processo de cominuição. O
modelo cúbico ajusta se melhor chegando a 77.44% do coeficiente de correlação, figura 56.
79 | P a g e
3.7.3 Análise exploratória de padrão de amostragem
Conforme demonstrado na base de dados os dados raw coal contem maior número de
amostras que que o estágio clean coal. Em visão 3D são mostrados os padrões de distribuição
do teor de cinzas e refletância de vitrinites, figuras 59 e 60.
80 | P a g e
Uma das armadilhas da análise estatística é a maior densidade amostral ou amostragem
preferencial em determinados domínios. Zonas específicas podem ser selecionadas para adensar
a malha de sondagem como alvos prioritários de uma determinada sequência de lavra. Este
facto leva a que a morfologia estatística seja de maior frequência nas zonas mais adensadas,
visto que, não há proporcionalidade nos pesos entre os pares amostrais.
O desagrupamento, é uma técnica estatística que visa atribuir pesos proporcionais a
todas amostras para depois se analisar se os dados estatísticos são ou não influenciados pelos
dados agrupados.
Não foi feita nenhuma amostragem preferencial que possa afetar a análise estatística
pelo que seria inútil fazer o processo de desagrupamento. Uma tentativa de desagrupamento
mostrou efeito dos pesos quase similar para pelo menos raw ash, recuperação e refletância das
vitrinites, fósforo e a análise estatística mostrou se similar àquela mostrada os dados
desagrupados, figura 61.
81 | P a g e
3.7.4 Análise exploratória de padrão espacial
82 | P a g e
Figura 62: Semi-variogramas omnidirecionais para teor de cinza por horizonte
83 | P a g e
Conforme se pode apurar dos mapas variográficos rotacionado na convenção geologist
plane a azimute N135 e inclinação de 10 graus, existem direções preferenciais de continuidade
para os três horizontes selecionados. Para o UCB1 existem duas direções de alta e baixa
variância (N295/N25) indicando diferentes patamares, mas com alcances similares, típico de
anisotropia estratigráfica. O LCUB mostra hibridade com patamares e alcances diferentes nas
direções N45 que é de maior continuidade e N135 de menor continuidade. O LC456 com
aparência de similaridade nos patamares e alcances diferentes, a anisotropia geométrica nas
direções N115 de maior alcance e N205 de menor alcance. A tabela 3 sumariza os parâmetros
usados para gerar os semi-variogramas omnidirecionais e mapas variográficos.
Tabela 3: Tabela de parâmetros usados para o semi-variogramas omnidirecionais e mapas variográficos para
teor de cinza
Tabela 4: Parâmetros para semi-variogramas experimentais nas direções de maior continuidade e de menor
continuidade para teor de cinza
Regular reference plane Orthogonal plane
Value Value
Parameter UCB1 LCUB LC456 UCB1 LCUB LC456 Unit
Derection N295 N45 N115 N25 N135 N205 degress
Dip 10 10 10 10 10 10 degress
Number of regular directions 2 2 2 2 2 2 -
Tolerance on angle 20 45 45 10 45 45 degress
Lag value 120 127 130 120 127 130 m
Number of lags 10 10 10 10 10 10 -
Tolerance on Distance 50% 50% 50% 50% 50% 50% m
Slicing height - - - - - - m
84 | P a g e
A partir dos semi-variogramas experimentais foram ajustados os modelos variográficos
finais. O resumo das estruturas encontradas para os semi-variogramas ajustados estão na tabela
5.
Tabela 5: Parâmetros para semi-variogramas ajustados por horizonte de cinza
Horizonte Estrutura Modelo Patamar Alcances (m) Rotação
U V W
1 Efeito Pepita 4.15 A 135
UCB1
85 | P a g e
Figura 64: Semi-variogramas ajustados para a variável teor de cinza (grade) para os horizontes selecionados
86 | P a g e
Figura 65: Semi-variogramas omnidirecionais do grau de incarbonização por horizonte
87 | P a g e
Figura 66: Mapas variográficos de grau de incarbonização nos horizontes UCT, UCB1, UCB3, MCC e LCUB
Tabela 6: Parâmetros para semi-variogramas experimentais nas direções de maior continuidade e de menor
continuidade para reflectância
88 | P a g e
finais. O resumo das estruturas encontradas para os semi-variogramas ajustados estão na tabela
7.
A figura 67 mostra os semi-variogramas ajustados da refletância e que representa a
variação do grau de incarbonização do carvão. Os alcances e os patamares para o grau de
incarbonização são diferentes, ou seja, anisotropia híbrida para as duas direções preferências e
que representam as direções da camada e direção da inclinação da camada, sendo conforme
esperado maior variância na direção ao longo dos estratos e no geral com menor alcance de
continuidade. O ajuste variográfico ficou largamente afetado pelo número reduzido de amostras
na base de dados de clean coal principalmente na direção de referência N300.
2 Cúbico 0.00000 75 75 75 X 10
3 Esférico 0.00118 412.400092 412.4001 779.5231 Z 0
4 Exponencial 0.00207 3143.93716 3143.937 897.4921
89 | P a g e
Figura 67: Semi-variogramas ajustados para a variável reflectância (grau de incarbonização) por horizonte
Figura 69: Mapas variográficos de teor de fósforo nos horizontes UCT, LCUT e LCUB
Tabela 8: Parâmetros para semi-variogramas experimentais nas direções de maior continuidade e de menor
continuidade para fósforo
92 | P a g e
3.7.5 Validação cruzada
A validação cruzada não é feita necessariamente para validar se o semi-variograma é
correto, mas sim, para testar condicionalmente se os semi-variogramas adotados dão adequada
reprodução dos valores observados.
A metodologia consiste em remoção temporária dos pontos amostrais Z (x) e suas
posições substituídas por estimativas pontuais Z*(x) obtidas por via da krigagem das
informações de vizinhança e do modelo variográfico considerado.
A sua representação é através de mapa de pontos cujo tamanho é representa
proporcionalmente o erro cometido, correlação entre valores estimados e observados e seu
respetivo coeficiente de correlação linear, FDA dos erros cometidos, correlação entre o erro
padronizado e valor estimado.
Não existindo um semi-variograma na prática, perfeito, cabe ao pesquisador ponderar a
consideração ou não dos erros, pois segundo Arroyo (2014), a validação cruzada pode revelar
problemas cuja solução não é imediata. A figura 71 representa os histogramas dos erros após a
validação cruzada.
Figura 71: Função distribuição acumulada dos erros dos modelos variográficos usados
Com vista a proceder com a estimativa por krigagem foi criado uma malha para blocos
de 100x100x5m, correspondentes a XY e Z respetivamente. A razão de escolha de blocos
regulares com variação de 5m nos bancos é justificada em parte pelo longo alcance ao longo
dos extratos e menor com a profundidade e pela necessidade de regularizar os blocos para
adequá-los ao nível real de seletividade em função do tamanho dos equipamentos e intensidade
de lavra.
93 | P a g e
CAPÍTULO 4 – RESULTADOS E DISCUSÕES
Existem várias formas que podem ser adoptadas para categorização de recursos, sendo
que o mais adequado é algo virtual e depende muito do pesquisador quanto ao nível de
conhecimento sobre o depósito. Com base no alcance variográfico, que adopta percentagens da
variância (patamar), assumindo o acréscimo do nível de incerteza com aumento da distância,
foi feito a categorização de recursos. Foi adoptado o alcance variográfico do grade (250 m) por
ser mais conservador e de maior correlação com a recuperação mássica, tabela 10 e figura 72.
O recurso ao uso de coeficiente de correlação dos valores observados sobre os estimados
também mostrou resultados similares:
01_MEDIDO
8,894,138 26,472,789 43,371,765 14,583,789 93,322,480
02_INDICADO
6,736,013 4,245,510 7,194,448 1,838,442 20,014,412
03_INFERIDO
189,736 444,121 480,052 85,396 1,199,304
TOTAL
15,819,886 31,162,419 51,046,264 16,507,626 114,536,196
94 | P a g e
A categoria dos recursos medidos representa cerca de 82%. Tal facto deve se a malha
de sondagem convencionada no curto prazo de 175x175 m para categorizar recursos como
medido, sendo que o curto prazo trabalha apenas dentro de recurso medido. 82% de recursos
caem na categoria de medido tendo em conta o alcance variográfico do grade de 250 m, o que
resulta em uma densidade amostral provavelmente desnecessária para a variabilidade espacial
dos indicadores geometalúrgicos, tabela 11.
VariableCATEGORIA Mean SE Mean TrMean StDev Variance Minimum Q1 Median Q3 Maximum IQR Skewness Kurtosis
01_MEDIDO 39.7 0.0703 39.7 9.0180 81.3 15.2 33.7 38.1 46.4 72.4 12.8 0.17 -0.01
RW_ASH 02_INDICADO 40.4 0.1740 40.4 9.2310 85.2 16.5 33.7 39.0 48.2 65.7 14.5 0.12 -0.44
03_INFERIDO 42.9 0.6040 43.0 8.9990 81.0 21.4 35.7 43.0 49.2 60.5 13.6 -0.2 -0.34
01_MEDIDO 33.5% 0.00086 32.5% 0.11036 0.0122 9.2% 26.2% 31.2% 37.0% 76.1% 10.8% 1.44 2.22
YD145 02_INDICADO 32.5% 0.00195 31.6% 0.10366 0.0108 13.5% 26.1% 30.7% 35.2% 73.8% 9.1% 1.52 2.47
03_INFERIDO 30.4% 0.00573 29.3% 0.08531 0.0073 21.4% 24.4% 29.6% 32.4% 61.5% 8.0% 2.14 5.49
01_MEDIDO 1.40 0.00127 1.39 0.16350 0.0267 1.19 1.30 1.33 1.50 1.88 0.20 1.34 0.78
ROV_MX 02_INDICADO 1.36 0.00220 1.34 0.11670 0.0136 1.20 1.30 1.32 1.35 1.88 0.05 2.56 6.52
03_INFERIDO 1.32 0.00254 1.32 0.03790 0.0014 1.25 1.29 1.31 1.34 1.40 0.05 0.27 -0.56
01_MEDIDO 0.079 0.00038 0.076 0.04883 0.002384 0.002 0.045 0.070 0.108 0.281 0.063 0.92 1.1
PHOS 02_INDICADO 0.066 0.00073 0.064 0.03861 0.001490 0.005 0.040 0.064 0.090 0.210 0.050 0.81 0.87
03_INFERIDO 0.075 0.00263 0.074 0.03914 0.001530 0.008 0.047 0.065 0.094 0.180 0.047 0.83 0.48
95 | P a g e
4.4.1 Detalhamento por categoria de recursos
Devido a efeitos pós genéticos que afetam as camadas de carvão, houve necessidade de
subcategorizar o carvão fresco das subcategorias de carvão afetado pelos corpos intrusivos. Este
detalhamento surgiu pelo facto de ter se observado que o efeito de alteração por efeitos de
soleiras e diques, com exceção das zonas mais proximais (até 10 m), está a associado a alteração
de parâmetros de fluidez e de dilatação do carvão e não da resposta geometalúrgica destas
subcategorias quando comparado ao carvão fresco. Esta percepção acabou gerando um ganho
de 36% nos recursos pois foi possível destacar carvão que embora afetado pelo dique, pode ser
reaproveitado, tendo em conta que antes todo recurso naquela categoria era carimbado como
estéril, tabela 12.
Fez-se a categorização com base nos parâmetros de qualidade que se mostraram
sensíveis ao efeito de calor como demostra o fluxograma, figura 73.
Figura 73: Base para distinção do carvão fresco das subcategorias de carvão afetado pelos corpos intrusivos:
TC2_A: carvão transicional levemente afetado, TC2_B: carvão transicional moderadamente afetado e BC:
carvão significativamente afetado.
96 | P a g e
Tabela 12: Tabela de detalhamento de recursos por categoria e por nível de quão afetado por intrusões
97 | P a g e
4.5 MAPAS DE ESTIMATIVA DE VARIÁVEIS GEOMETALÚRGICAS
4.5.1 Raw ash e Recuperação
Figura 74: Mapas de variação de raw ash por ply. Nota: os mapas não têm a mesma escala.
98 | P a g e
Figura 75: Mapas de variação de recuperação por ply. Nota: os mapas não têm a mesma escala de variação
99 | P a g e
Os mapas espaciais de raw ash que são inversamente proporcionais a recuperação
mássica, evidenciam o efeito pós genético no Sul onde tende a ter maior cinza, figura 74, sendo,
que estratigraficamente a cinza decresce com a profundidade. Este efeito é similar ao grau de
maturação que também aumenta para sul onde o efeito da soleira é mais intenso. Este cenário é
como esperado inversamente proporcional para a recuperação mássica, figura 75.
Figura 76:Validação estatística dos dados estimados sobre os observados com recurso a função de distribuição
acumulada e correlação.
Density
Density
60
2
0.02
40
1
0.01
20
0 0.00
0.0 0.4 0.8 0.00 0.11 0.22 0.33 0.44 0.55 0.66 0.77 18 27 36 45 54 63 72
YIELD YIELD RW_ASH
TI PO TI PO TI PO
ESTI MADO ESTI MADO ESTI MADO
ORI GI NAL 3 ORI GI NAL 8 ORI GI NAL
3
Mean StDev N Mean StDev N Mean StDev N
1.395 0.1577 19514 0.8700 0.1302 19514 0.07747 0.04761 19514
1.290 0.1196 1118 0.8826 0.1537 1110 0.08889 0.05960 1093
6
2
Density
2
Density
Density
1
1
2
0 0 0
1.08 1.26 1.44 1.62 1.80 1.98 2.16 2.34 0.60 0.72 0.84 0.96 1.08 1.20 1.32 -0.05 0.00 0.05 0.10 0.15 0.20 0.25 0.30
ROV_MX T_SULF PHOS
100 | P a g e
Os valores da variável recuperação, enxofre e fósforo reproduzem se estatisticamente,
embora, os valores estimados tendem a ter menor desvio padrão e consequentemente menor
variância. Este facto deve se ao facto de efeito de suavização durante o processo de estimativa.
Os valores de cinza e refletância tendem a ter aparentemente um viés negativo e positivo
respectivamente, mantendo a tendência de menor variância nos valores estimados. Uma
fragmentação dos parâmetros com viés mostrou que essa tendência deveu se ao facto de durante
a estimativa ter se usado todo data-base disponível incluindo zonas já lavradas para garantir
número de amostras razoáveis para esses parâmetros e na validação ter se usado apenas dados
originais apenas dos blocos disponíveis.
Esse facto originou uma espécie de agrupamento aparente associado a facto a zona
remanescente ter uma tendência de alta cinza e refletância devido a sua sensibilidade a
intensidade dos efeitos de soleira e dique para o sul.
101 | P a g e
Figura 77: Domínios geometalúrgicos resultantes da análise multivariada destacando os domínios de alta
recuperação, recuperação moderada e baixa recuperação baixa
102 | P a g e
4.6.1 Resultado das estatísticas por domínio
Figura 78: Estatísticas dos parâmetros de cinza, reflectância, fósforo e recuperação teórica.
19
A afinidade orgânica que aqui se refere não é propriamente química ou que o fósforo seja de proviniência orgânica, mas sim
no sentido de que o fósforo tende a concentrar nas partículas de carvão após lavagem por processos densimétricos, pois, o seu
hospedeiro, a apatite encontra se dispersa em pequenos granulos da composição da parte orgânica do carvão o que torna ele difícil
ser eliminado durante o processamento.
103 | P a g e
e a espessura mínima considerado operacional, figura 79.
Figura 79: Definição de domínios com a profundidade por domínio geometalúrgico espacial
104 | P a g e
Figura 80: Curvas de análise de sensibilidade de recuperação com a mudança de categoria e domínio
geometalúrgico.
Não feito aqui o nível de detalhe para perceber a variação com a estratigrafia, mas pelo
facto de os variogramas terem indicado maior variação ao longo dos estratos remete-nos a
convicção de que deve se considerar também a participação proporcional dos horizontes
individuais nos planos de lavra, principalmente de curto prazo.
105 | P a g e
CAPÍTULO 5 – CONCLUSÕES E SUGESTÕES
5.4 CONCLUSÕES
106 | P a g e
5.5 TRABALHOS FUTUROS
107 | P a g e
REFERÊNCIAS
BARBOSA, P. T., PINHEIRO, N. P., & JUNIOR, W. L. (2013). Metodologia FEL: Sua
Importância na avaliação de Riscos e redução de impactos em escopo, tempo e
custo de projetos complexos de Engenharia. XXXIII Encontro nacional de engenharia
de produção, 2-6.
BARRY, D., RYAN, B. C. & JOHN, T. P. 1992. The Predicted Coke Strength afer
Reaction Values of British Columbia Coals, with Comparisons to International
Coals. British Columbia Geological Survey. [Online] 1992. [Citação: 29 de 07 de 2016.]
BARRY, R.B.C. & KHAN, M. 1997. Maceral Affinity of Phosphorus in Coals from
the Elk Valley Coalfield, British Columbia. s.l.: Geological Survey & Fording Coal
Limited, Calgary, 1997.
BP. 2016. BP Statistical Review. Energy BPstats, BP. s.l.: BP, 2016. p. 30 to 34, Energy
Report.
BUSTIN, R. M., et al. 1983. Coal Petrology, Its principles. Methods, and Applications.
Canada: Geological Association of Canada, 1983.
CVRD. 2006. Geological Exploration Report. Geology, Vale. Tete: s.n., 2006. pp. 73-
120, BFS Report.
DÍEZ, M. A., ALVAREZ, R. & BARRIOCANAL, C. 2002. Coal for Metallurgical coke
production: Prediction of coke quality and future requirments for cokemaking.
Spain: Elsevier, 2002. pp. 389-412, International Journal of coal Geology. INCAR. PII:
S0166-5162(02)00123-4.
ECE-UN. 1998. International Classification of In-Seam Coal. Geneva & NY: UN,
1998. pp. 5-10. Vol. 1.
EIA. 2016. International Energy Outlook 2016. U.S. Department of Energy, U.S.
Energy Information Administration. Washington, DC: EIA, 2016. p. 76, Independent
Statistics & Analysis. DOE/EIA-0484(2016).
FINKELMAN, R. B., FEDER, G. L. & OREM, W.H. 1991. Relation between low-rank
coal deposits and Balkan Endemic Nephropathy. [Ed.] AGID. s.l.: AGID, 1991. pp.
100-160.
GOSCINSKI, J.S., GRAY, R. J. & ROBINSON, J.W. 1985. A Review of American coal
quality and its effect on coke reactivity and after reaction strength of cokes. 1985. pp.
21-43. Vol. 4.
JORC. 2014. Australian Guidelines for the Estimation and Classification of Coal
Resources. The Coal Guidelines. 2014, 2014, p. 34.
KRIGE, D. G. 1996. A practical analysis of the effect of spatial structure and data
available and accessed, on conditional biases in ordinary kriging. 1996.
NALBANDIAN, H. & DONG, N. 2013. Coal and Gas Competition on global markets.
Clean Coal Center, IEA. s.l.: IEA, 2013. p. 9. ISBN 978-92-9029-540-2.
110 | P a g e
NICOL, S.K. & SWANSON, A.R. 1997. The Principles of Coal Preparation. [ed.]
Australian Coal Preparation Society. 3. Brisbane: Australian Coal Preparation Society,
1997. p. 370. 0646344129, 9780646344126.
PRESTON, K.B. & SANDERS, R. H. 1993. Estimating the In-Situ Relative Density of
Coal. [ed.] Journal of the Coal Geology Group of the Geological Society of Australia Inc.
s.l.: Australian Coal Geology, 1993. pp. 22-26. Vol. Vol.9.
SAMREC. 2007. The South African Code for the Reporting of Exploration Results,
Mineral Resources and Mineral Reserves. SAMREC, South African Institute of Mining
and Metallurgy and the Geological Society of South Africa. JHB: South African Institute
of Mining and Metallurgy and the Geological Society of South Africa, 2007. pp. 5-21,
Guidelines.
STARKEY, P. & SCINTO, J. 2010. Sag Mill Grinding Design Versus Geometallurgy –
Getting It Right for Competent Ores. Brisbane, Qld, Australia: Xxv International
Mineral Processing Congress (Impc) 2010 Proceedings, 2010. pp. 6 - 10.
112 | P a g e
STOPES, M. C. 1919. On the four visible ingredients in banded bituminous coals. s.l.:
Proc. Royal Society 90 B, 1919. pp. 470-489.
STUBBLES, J. R. 1986. Phosphorus and Sulphur in Steel Making. s.l.: Iron and Steel
Making Journal, 1986. Vol. Series Three.
THOMAS, L. 2013. Coal Geology. [ed.] Ltd John Wiley & Sons. 2nd. Oxford:
Blackwell, 2013. pp. 110-151. ISBN 978-1-119-99044-4 (cloth).
WARD, C. R. 1984. Coal Geology and Coal Technology. s.l.: Blackwell Scientific
Publication, Oxford, 1984. p. 345.
113 | P a g e
YAMAMOTO, J.K. 2001. Computacional of global estimation Variance in mineral
deposits. Beijing. IN: 29th INTERNATIONAL SYMPOSIUM ON COMPUTER
APPLICATIONS IN MINERAL INDUSTRIES (APCOM2001), 2001. pp. 61-65.
Proceedings.
ZHU, Q. 2014. Coal Sampling and Analysis. London: IEA Clean Coal Centre, 2014. pp.
18-104, Standards Compilation. ISBN-978-92-9029-555-6.
114 | P a g e