Avaliação da perda por calcinação (PPC) na blendagem de minério
de ferro e as implicações no modelo geometalúrgico da Samarco

Thiago Lucas da Silva; Leonardo Esteves Bonfioli; Lucas da Silva Campos; Pedro Henrique Alves Campos; Douglas Batista Mazzinghy

doi:10.4322/2176-1523.20263274

Artigo Original

Avaliação da perda por calcinação (PPC) na blendagem de minério de ferro e as implicações no modelo geometalúrgico da Samarco

Evaluation of loss on ignition (LOI) in iron ore blending and its implications for Samarco’s geometallurgical model

Thiago Lucas da Silva, Leonardo Esteves Bonfioli, Lucas da Silva Campos, Pedro Henrique Alves Campos, Douglas Batista Mazzinghy

http://dx.doi.org/10.4322/2176-1523.20263274 Tecnol. Metal. Mater. Min., vol.23, e3274, 2026

PDF

Downloads: 0

Resumo

A integração da geometalurgia ao planejamento de produção tem ganhado destaque na mineração, sendo a aditividade das variáveis do modelo de blocos um aspecto relevante. Este trabalho teve como objetivo avaliar a aditividade da variável Perda Por Calcinação no concentrado (PPCc) de minério de ferro, como teor de corte no modelo geometalúrgico. A metodologia considerou o modelo geológico-tipológico para selecionar as principais tipologias de itabiritos previstas no plano de lavra, com a coleta de 52 amostras, caracterizadas quimicamente e utilizadas na composição de 28 blendagens. Os teores de PPCc foram calculados e comparados com valores obtidos em testes de flotação, cujos resultados indicaram desvios de até 21,6%, reforçando a hipótese de comportamento não aditivo. As análises mostraram que esses desvios não estão significativamente relacionados às tipologias, à etapa de deslamagem ou ao enriquecimento do PPC do ROM (Run of Mine) após o processo de beneficiamento, mas apresentaram correlação moderada com o desempenho da etapa de flotação. Simulações indicaram que os efeitos da não aditividade no sequenciamento de mina resultaram em variações na massa de minério de até 3,2% (Grupo 1, PPCc variando ±1,5%), 3,8% (Grupo 2, PPCc variando ±2,1%) e 12% (Grupo 3, PPCc variando ±8,0%).

Palavras-chave

Geometalurgia; Aditividade; Planejamento de mina; Perda por calcinação

Abstract

The integration of geometallurgy into production planning has gained prominence in mining, with the additivity of block model variables being a relevant aspect. This study aimed to evaluate the additivity of the variable Loss on Ignition in the iron ore concentrate (LOIc), used as a cutoff grade in the geometallurgical model. The methodology considered the geological-typological model to select the main itabirite types planned to be mined, with the collection of 52 samples, chemically characterized and used to compose 28 blends. The LOIc were calculated and compared with values obtained from flotation tests, whose results indicated deviations of up to 21.6%, reinforcing the hypothesis of non-additive behavior. The analyses showed that these deviations are not significantly related to the typologies, the desliming stage, or the enrichment of Run of Mine (ROM) LOI after the beneficiation process but presented a moderate correlation with the performance of the flotation stage. Simulations indicated that the effects of non-additivity on mine sequencing led to variations in ore tonnage of up to 3.2% (Group 1, LOIc variation of ±1.5%), 3.8% (Group 2, LOIc variation of ±2.1%), and 12% (Group 3, LOIc variation of ±8.0%).

Keywords

Geometallurgy; Additivity; Mine planning; Loss on ignition

Referências

1 Bonfioli LE, Mapa PS, Pinto LA, Rodrigues RS. Desenvolvimento de um modelo matemático para determinação do requerimento de energia de moagem da reserva de minério de ferro da Samarco Mineração S.A. In: Anais do 44º Seminário de Redução de Minério de Ferro e Matérias-Primas, 15º Simpósio Brasileiro de Minério de Ferro e 2º Simpósio Brasileiro de Aglomeração de Minério de Ferro; 2014; Belo Horizonte, Brasil. São Paulo: ABM; 2014. p. 5093-5105. https://doi.org/10.5151/2594-357X-25408.

2 Mourão JM. Evolution and growth of iron ore pelletizing. In: 4th EMECR - International Conference on Energy and Material Efficiency and CO2 Reduction in the Steel Industry; 2022; São Paulo, Brasil. São Paulo: ABM; 2022. p. 274-287. https://doi.org/10.5151/5463-5463-35035.

3 Parian M, Lamberg P, Rosenkranz J. Process simulations in mineralogy-based geometallurgy of iron ores. Mineral Processing and Extractive Metallurgy. 2021;130(1):25-30. https://doi.org/10.1080/25726641.2018.1507072.

4 Yao J, Liu C, Hauang G, Xu K, Yuan Q. Multi-source and multi-target iron ore blending method in open pit mine. Archives of Mining Sciences. 2022;67(4):631-644. https://doi.org/10.24425/ams.2022.143678.

5 Liu B, Zhang D, Gao X. A method of ore blending based on the quality of beneficiation and its application in a concentrator. Applied Sciences. 2021;11(11):5092. https://doi.org/10.3390/app11115092.

6 Mkurazhizha H. The effects of ore blending on comminution behaviour and product quality in a grinding circuit – Svappavaara (LKAB) case study. 2018. https://doi.org/10.13140/RG.2.2.18262.80964.

7 Moura FS, Santos GA Jr, Fonseca T, Mazzinghy DB. Aditividade de diferentes litologias nos ensaios geometalúrgicos de flotação de minério de cobre-ouro. In: Anais do XXIX Encontro Nacional de Tratamento de Minérios e Metalurgia Extrativa; 2022; Rio de Janeiro, Brazil. Rio de Janeiro: COPPE/UFRJ; 2022 [acesso em 15 ago. 2025]. Disponível em: https://proceedings.science/p/154370?lang=pt-br

8 Rajabinasab B, Asghari O. Geometallurgical domaining by cluster analysis: iron ore deposit case study. Natural Resources Research. 2019;28(3):665-684. https://doi.org/10.1007/s11053-018-9411-6.

9 Resende AJC. Influência da perda por calcinação na sedimentação de concentrados de minério de ferro da Samarco Mineração S.A. [dissertação]. Belo Horizonte: Universidade Federal de Minas Gerais; 2009.

10 Vieira CB, Araújo FGS, Rosiére CA, Seshadri V, Coelho LH. Geometallurgical approach for quality control of iron ores for agglomeration and reduction processes. In: 17th Steelmaking Conference - 7th Ironmaking Conference - 1st Cleaner Production Seminar (IAS-JICA); 2009; Rosário, Santa Fé, Argentina. Buenos Aires: Instituto Argentino de Siderurgia; 2009.

11 Lishchuk V. Bringing predictability into a geometallurgical program: an iron ore case study [thesis]. Luleå: Luleå University of Technology; 2018.

12 Coward S, Vann J, Dunham S, Stewart M. The primary-response framework for geometallurgical variables. In: Proceedings of the 7th International Mining Geology Conference; 2009; Perth, WA. Carlton: AusIMM; 2009 [acesso em 15 ago. 2025]. Disponível em: https://www.researchgate.net/publication/237532317.

13 Dominy SC, O’Connor L, Parbhakar-Fox A, Glass HJ, Purevgerel S. Geometallurgy: a route to more resilient mine operations. Minerals. 2018;8(12):560. https://doi.org/10.3390/min8120560.

14 Silva TL, Silva MC, Coelho PCFN, Correa AS, Campos PHA, Mazzinghy DB. Aditividade da variável perda por calcinação (PPC) para o modelo geometalúrgico da Samarco. In: Anais do I Simpósio de Geometalurgia; 2024; Belo Horizonte, Brazil. Belo Horizonte: Escola de Engenharia, UFMG; 2024.

15 Campos PHA, Coimbra Leite Costa JF, Koppe VC, Arcari Bassani MA. Geometallurgy-oriented mine scheduling considering volume support and non-additivity. Mining Technology. 2022;131(1):1-11. https://doi.org/10.1080/2572 6668.2021.1963607.

16 Rodrigues RS, Rodrigues KF, Brito-Parada P, Mazzinghy DB, Bonfioli LE, Brandão PRG. 2024. Investigating the additivity of geometallurgical variables in a low-grade iron ore. In: Anais do I Simpósio de Geometalurgia; 2024; Belo Horizonte, Brazil. Belo Horizonte: Escola de Engenharia, UFMG; 2024.

Submetido em:
15/08/2025

Aceito em:
23/11/2025