Modelagem estocástica aplicada na estimativa de velocidades de pico de partícula decorrentes das operações de desmonte de rochas com explosivos
Stochastic modeling applied in the estimation of particle peak speeds arising from explosive rock removal operations
Edson José dos Santos Júnior; Hernani Mota de Lima; Iuri Viana Brandi
Resumo
Esse estudo apresenta uma metodologia de estimativa de velocidades de pico de partícula decorrentes das operações de desmonte de rochas com explosivos, através da construção e simulação de um modelo estocástico que emprega o método de Monte Carlo. Os modelos tradicionais largamente utilizados têm natureza determinística, que incorrem em estimativas pouco precisas e carentes de informações complementares e dificultam a tomada de decisão. A modelagem estocástica de estimativa de velocidades de pico de partícula, utilizando simulação de Monte Carlo proposta, se configura como alternativa interessante frente ao viés mencionado, uma vez que possibilita construir cenários distintos de análise, além de permitir o estudo estatístico dos resultados obtidos, bem como avaliar a sensibilidade desses às variações nos parâmetros de entrada, com economia e eficácia. Os resultados encontrados mostraram-se promissores, o modelo proposto mostra que pode contribuir para o aumento da confiabilidade das estimativas de velocidade de pico de partícula, reduzindo significativamente os níveis de incerteza das mesmas e aumentando a segurança das operações de desmonte de rochas com explosivos.
Palavras-chave
Abstract
This study presents a methodology for estimating peak particle velocities resulting from the rock blasting, through the construction and simulation of a stochastic model using the Monte Carlo method. The traditional models widely used, have a deterministic nature, which are associate with inaccurate estimates and poor complementary information, and hinder decision making. The stochastic modeling of the estimation of peak particle velocities, using proposed Monte Carlo simulation, is an interesting alternative to this bias, since it makes it possible to construct distinct analysis scenarios, besides allowing the statistical study of the obtained results, as well as how to assess their sensitivity to variations in input parameters, with economy and efficiency. The proposed results show that it can contribute to the increase of the reliability of the estimates of the peak particle velocity, reducing significantly the levels of uncertainty of these same ones and increasing the safety of the operations of rock blasting.
Keywords
Referências
1 Tejada Cervantes LM. Resistência de maciços rochosos estruturalmente complexos de mineração submetidos a carregamentos dinâmicos [tese]. Brasília: Departamento de Engenharia Civil e Ambiental, Universidade de Brasília; 2011.
2 Brasil. Resolução CONAMA nº 347, de 10 de setembro de 2004. Dispõe sobre a proteção do patrimônio espeleológico. Diário Oficial da União. 2004 Set 13.
3 Jimeno CL, Jimeno EL, Francisco JAC. Drilling and blasting of rock. Rotterdam: A.A. Balkema; 1995.
4 Santos EJ Jr. Modelagem estocástica aplicada na estimativa do raio de proteção de cavidades naturais subterrâneas [dissertação]. Ouro Preto: Departamento de Engenharia de Minas, Universidade Federal de Ouro Preto; 2017.
5 Banks J. Handbook of simulation: principles, methodology, advances, applications and practice. 1. ed. New York: Wiley-IEEE; 1998.
6 Kelton WD, Sadowski RP, Sturrock DT. Simulation with Arena. 3. ed. New York: McGraw-Hill Professional; 2004.
7 Banks J, Carson JSI, Nelson BL. Discret event system simulation. Upper Saddle River: Prentice Hall; 1996.
8 Takeda MN, Dias MS, Koskinas MF. Aplicação do método de Monte Carlo no estudo da padronização de radionuclídeos com esquema de desintegração complexos em sistema de coincidências 4πβ-γ [tese]. São Paulo: Instituto de Pesquisas Energéticas e Nucleares; 2004.
9 Santos SL. Uma aplicação de modelos de simulação em sistemas de apoio à decisão [dissertação]. São Paulo: Faculdade de Economia e Administração, Universidade de São Paulo; 1992.
10 Taha HA. Pesquisa operacional: uma visão geral. 8. ed. São Paulo: Person Prentice Hall; 2008.
11 Soares JARA. Análise de risco, segundo o método de Monte Carlo, aplicada à modelagem financeira das empresas [dissertação]. Porto Alegre: Universidade Federal do Rio Grande do Sul; 2006.
Submetido em:
21/02/2025
Aceito em:
27/02/2025