Tecnologia em Metalurgia, Materiais e Mineração
https://tecnologiammm.com.br/article/doi/10.4322/2176-1523.20191830
Tecnologia em Metalurgia, Materiais e Mineração
Artigo Original

ANÁLISE DE AGRUPAMENTO APLICADA AO RECONHECIMENTO DE DIFERENTES TIPOS DE ITABIRITOS SILICOSOS FRIÁVEIS DA MINA DE BRUCUTU

CLUSTER ANALYSIS APPLIED TO RECOGNITION OF DIFFERENT TYPES OF FRIABLE SILICEOUS ITABIRITES FROM BRUCUTU MINE

Gizele Maria Campos Gonçalves, Geriane Macedo Rocha, Paula Bernardes Barreto, Tiago Martins Pereira, Rosa Malena Fernandes Lima

Downloads: 0
Views: 39

Resumo

A análise de agrupamento é uma técnica de estatística multivariada que permite separar as unidades amostrais em grupos homogêneos internamente e heterogêneos externamente. Neste estudo essa técnica foi aplicada, através do software R, com o objetivo de estratificar em subgrupos os minérios classificados como itabiritos silicosos friáveis da Mina de Brucutu, Quadrilátero Ferrífero-MG. A matriz de dados era composta por 3.519 amostras e 10 variáveis granulométricas e químicas. A análise hierárquica de agrupamento mostrou que as amostras podem ser subdivididas em quatro grupos, e então, as mesmas foram agrupadas pelo método não hierárquico K-means. Através da análise das características de cada grupo formado, os mesmos foram classificados e relacionados com a geologia da jazida. A Tipologia 1 (itabirito silicoso friável rico e fino), é localizada no topo do depósito e estratigraficamente acima das rochas intrusivas máficas. A Tipologia 2 (itabirito silicoso friável pobre e grosseiro) é marcado pela direção NW-SE, evento Brasiliano. A Tipologia 3 (itabirito silicoso friável pobre e fino) é dispersa ao longo do depósito, dificultando sua correlação com alguma fase geológica. A Tipologia 4 (itabirito semi-compacto pobre) concentra-se na região SW do depósito.

Palavras-chave

Análise de agrupamento; Minério de ferro; K-means.

Abstract

Cluster analysis is a multivariate statistical technique that allows to separate the sample units into internally homogeneous and externally heterogeneous groups. In this study the cluster analysis was applied through R software, with the aim of stratifying into subgroups the ores classified as friable siliceous itabirite from the Brucutu Mine, Quadrilátero Ferrífero, state of Minas Gerais, Brazil. The data matrix consists of 3519 samples and 10 variables related to granulometric and chemical data. The hierarchical clustering analysis showed that the samples could be subdivided into four groups, and then they were grouped by the non-hierarchical K-means method. Through the analysis of the features of each group formed they were classified and related to the geology of the deposit. Typology 1 (friable, Fe-rich and fine siliceous itabirite) is located at the top of the deposit and stratigraphically above the intrusive mafic rocks. Typology 2 (– friable, low grade and coarse siliceous itabirite) is marked by NW-SE direction, Brasiliano event. Typology 3 (friable, low grade and fine siliceous itabirite) is dispersed throughout the deposit, making it difficult to correlate with some geological phase. Typology 4 (low grade semi-compact itabirite) is demarcated by concentration in the SW region of the reservoir.

Keywords

Iron ore; Cluster analysis; K-means.

Referências

1 Luz AB, Lins FF. Introdução ao tratamento de minérios. In: Luz AB, Sampaio JA, França, SCA. Tratamento de minérios. 5. ed. Rio de Janeiro: CETEM/MCP; 2010. p. 3-15.

2 Alkmim AR. Investigação geoquímica e estratigráfica da formação ferrífera Cauê na porção centro-oriental do Quadrilátero Ferrífero [dissertação]. Ouro Preto: Universidade Federal de Ouro; 2014.

3 Amorim LQ, Alkmin FF. New ore types from Cauê Banded Iron Formation Quadrilátero Ferrífero, Minas Gerais, Brazil – Responses to the growing demand. In: Proceedings of the Iron Ores Conference; 2011; Perth, WA. Nova Zelândia: The Australasian Institute of Mining and Metallurgy; 2011. p. 59-71.

4 Roberto JB. Influência dos diversos tipos litológicos nas operações de concentração da instalação de beneficiamento de Brucutu [dissertação]. Belo Horizonte: Universidade Federal de Minas Gerais; 2010.

5 Rocha JMP. Definição da tipologia e caracterização mineralógica e microestrutural dos itabiritos anfibolíticos das Minas de Alegria da Samarco Mineração S.A [tese]. Belo Horizonte: Universidade Federal de Minas Gerais; 2008.

6 Sousa DVM. Estudo geoquímico-mineral das formações ferríferas bandadas do Sinclinal Gandarela, Quadrilátero Ferrífero (MG) [dissertação]. Ouro Preto: Universidade Federal de Ouro Preto; 2016.

7 Hagemann SG, Angerer T, Duuring P, Rosière CA, Figueiredo e Silva RC, Lobato L, et al. BIF – hosted iron mineral system: a review. Ore Geology Reviews. 2016;76:317-359.

8 Endo I, Silva AG, Mariano DF, Espinoza JAA, Lopes AP, Angeli G. Estratigrafia e arcabouço estrutural dos distritos ferríferos de Brucutu e Dois Irmãos, Quadrilátero Ferrífero, MG. Ouro Preto: Convênio Vale - Universidade Federal de Ouro Preto e Fundação Gorceix; 2008. Relatório Final Vale (Projeto Brucutu-Dois Irmãos).

9 R Core Team. R: a language and environment for statistical computing. Vienna: R Foundation for Statistical Computing; 2017 [acesso em 19 set. 2018]. Disponível em: https://www.R- project.org/

10 Maechler M, Rousseeuw P, Struyf A, Hubert M, Hornik K. Cluster: cluster analysis basics and extensions. R package version 2.0.6. Vienna: R Development Core Team; 2017.

11 Kassambara A, Mundt F. Factoextra: extract and visualize the results of multivariate data analyses. R package version 1.0.5. Vienna: R Development Core Team; 2017 [acesso em 19 set. 2018]. Disponível em: https://CRAN.R-project. org/package=factoextra

12 Johnson P. devEMF: EMF Graphics Output Device. R package. Version 3.6-2. Vienna: R Development Core Team; 2019 [acesso em 19 set. 2018]. Disponível em: https://CRAN.R-project.org/package=devEMF

13 Pereira TM. Estatística multivariada I – Uma abordagem aplicada utilizando o software R. Ouro Preto: Departamento de Estatística, Universidade Federal de Ouro Preto; 2017. Notas de aula.

14 Lindsey CR, Neupane G, Spycher N, Fairley JP, Dobson P, Wood T, et al. Cluster analysis as a tool for evaluating the exploration potential of Known Geothermal Resource Areas. Geothermics. 2018;72:358-370.

15 Linden R. Técnicas de agrupamento. Revista de Sistemas de Informações da FSMA. 2009;4:18-36.

16 Moita JM No, Moita GC. Uma introdução à análise exploratória de dados multivariado. Química Nova. 1998;21(4):467-469.

17 Raposo FO. Formações ferríferas e metassedimentos químicos de áreas selecionadas do quadrilátero ferrífero e suas relações com níveis rudáceos [dissertação]. Belo Horizonte: Universidade Federal de Minas Gerais; 1996.

18 Girelli E, Bassani M, Chatelier NL, Costa RA, Vicenzi R. Estudo de previabilidade de um depósito de ferro [trabalho de conclusão de curso]. Porto Alegre: Universidade Federal do Rio Grande do Sul; 2012.

5db08af20e8825043261d429 tmm Articles
Links & Downloads

Tecnol. Metal. Mater. Min.

Share this page
Page Sections