Beruflich Dokumente
Kultur Dokumente
Escola de Engenharia
Departamento de Engenharia de Minas
Planejamento de Lavra I – Longo Prazo
Armazenamento e
Modelagem de Dados na
Indústria Mineral
Anna Luiza Batista;
Daniel Thereza;
Jeinsz.
Belo Horizonte
2019
Agenda
• Bancos de dados;
• Modelagem Geológica:
• Modelagem Explícita;
• Modelagem Implícita;
• Realidade Virtual;
• Inteligência Artificial.
Bancos de Dados
Onde vivem? Do que se alimentam?
Fonte:
https://pt.wiki
pedia.org/wik
i/Banco_de_d
ados
Bancos de Dados
Modelo Relacional
Fonte:
https://
pt.wikip
edia.org
/wiki/Ba
nco_de_
dados
Bancos de Dados
Bancos de dados Geológicos – Modelo e esquema
• Modelo – Entidades, relações,tipos de dados e restrições.
• Esquema é a descrição visual do modelo
• O modelo define as transações e o esquema apresenta visualmente
estas.
Fonte:http://opengeostat.
com/drillhole-database-
design-2/
Bancos de Dados
Relational Database Management Systems - RDBMS
Fonte:
https://pt.wikip
edia.org/wiki/Ba
nco_de_dados
Bancos de Dados
Softwares de gerenciamento de dados geológicos
• Sistemas “montados” sobre os bancos de dados.
• Permitem pesquisa (querys) e geração de relatórios, além da
entrada, exclusão e manutenção de dados.
Fonte:
Micromine
Geobank e
Datamine
Databases
Bancos de Dados
Structured Query Language SQL
Fonte:
http://opengeostat.com/drillhole-
database-design-2/
Modelagem
Sucesso do
empreendimento: Características
médio a alto grau de similares/reais da
incerteza dos jazida
resultados
Modelagem Geológica
Modelagem Modelagem
explícita Implícita
Modelagem Geológica
Modelagem Explícita
• Substitui o processo de
digitalização manual por
procedimentos automáticos =
rápido;
• Modelos têm maior grau de
precisão = menor risco geológico;
• Vários modelos alternativos
podem ser construídos;
• Modelos podem ser atualizados;
• Não depende de interpretações
Os dados do furo de sondagem podem ser codificados
de acordo a sua posição relativa da superfície de
subjetivas. contato. A interpolação espacial dos valores dos dados
e a subseqüente avaliação do valor zero no contorno da
superfíce produz a superfície de contato entre as duas
litologias. Fonte: Büchi, 2018.
Modelagem Geológica
Modelagem Implícita
O modelo é dado por uma função definida no espaço - o volume
desta função é dado por uma interpolação espacial e a superfície
do sólido é extraída de triangulações dessa função.
Função Implícita:
• R(x1, ..., xn) = 0;
• Ex: círculo unitário x² + f(x)² − 1 = 0;
• Valor:
•f(x) = 0 na interface; 0
•f(x) < 0 na região interna; e -
•f(x) > 0 na região externa. +
Modelagem Geológica
Modelagem Implícita
Exemplo:
• Camada de carvão à esquerda;
• Valor da função distância assinalada para essa
litologia à direita.
• O valor da função:
• decresce à medida que um ponto ao longo do furo se
aproxima da camada,
• vale zero na interface, e
Furo de sonda interceptando uma camada de
carvão e o valor da função distancia assinalada. • passa a ser negativo para pontos no interior da camada.
Modelagem Geológica
Modelagem Implícita
Leapfrog:
• Utiliza a dual kriging:
• As influências ponderadasde cada
amostra são somadas para produzir
uma equação que possa ser usada
para estimar um valor em qualquer
local x.
Fonte Rolo, 2017
Fonte Kloeckner,2018
Modelagem Geológica
Modelagem Explícita x Modelagem Implícita
tradicional.
Modelagem Geológica
Realidade Virtual
GeoVisionary:
• Software que permite:
• Operacionalização ampla do processamento de dados;
• Recursos de integração de dados de campo e de escritório;
• Produção de geoinformações e geovisualização em contexto de RV.
Modelagem Geológica
Realidade Virtual
GeoVisionary:
• Pré-campo:
• Planejar e interpretar a área de
mapeamento definida;
• Montar banco de dados SIG
(shapes, imagens de alta
resolução, mapas geológicos,
Ambiente de realidade virtual, mostrando a integração
modelo digital de terreno);
de dados de seções geológicas com modelo geofisíco,
integrados no software GeoVisionary.
GeoVisionary:
• Campo:
• Profissional envolvido detém uma base de dados consistente para
execução dos trabalhos e toda pré-interpretação efetuada na etapa
anterior;
•A base de dados se encontra na plataforma ArcGIS, em um
computador portátil com câmera e receptor GPS integrados.
Modelagem Geológica
Realidade Virtual
GeoVisionary:
• Pós-campo:
• Reorganizar os dados: s mesmos devem
ser integrados em uma plataforma 3D;
• Dados produzidos: construirão uma
plataforma para serem consultados e
reutilizados em campanhas de campo
posteriores.
Perspectiva em subsuperfície dos furos de sonda, etapa
de pós-campo, em ambiente de realidade virtual, no
software GeoVisionary
Modelagem Geológica
Realidade Virtual
GeoVisionary:
• Pós-campo:
• A associação entre SIG e RV se faz
mais intensa nesta fase, além dos
modelos implícitos;
• Geovisualização integrada de
terabytes de dados, de
mapeamentos geológicos digitais,
de orto-imagens de alta
resolução, superfície de
modelagem topográfica em 3D,
modelos geológicos de sub-
Cruzamento de modelo geológico implícito com mapa
superfície, perfis de furos de
geológico de campo, etapa de pós-campo, em ambiente
sondagem geológica, dentre
de realidade virtual, no software GeoVisionary.
outros dados .
Modelagem Geológica
Objetivo:
• Remover as pessoas do aspecto de força bruta ;
• Avançar a capacidade de encontrar, extrair e processar materiais extraídos, mais
rápido, mais barato e com melhor taxa por tonelada;
Objetivo:
• As minas serão inteligentes e todos os ativos conectados;
• A cadeia de valor desde a mina até o usuário final dos materiais será conectada, para que
a produção possa ser planejada e flexionada para atender a demanda e se adaptar às
mudanças resultantes dos preços das commodities;
Inteligência Artificial
4ª Revolução Industrial!
Rio Tinto:
• Há 10 anos começou a usar caminhões de transporte totalmente autônomos;
• Caminhões autônomos: podem transportar 350 toneladas e operar de forma
totalmente independente;
Rio Tinto:
• Operações: cria 2,4 terabytes de dados a cada minuto de todos os
seus equipamentos móveis e sensores que coletam e transmitem
dados em tempo real para ajudar a monitorar equipamentos;
• Ex-CEO Sam Walsh: a
inteligência artificial e o
aprendizado de máquina
podem ajudar as empresas de
mineração a encontrar
minerais para extrair, um
componente crítico de
qualquer operação de
mineração inteligente.
Inteligência Artificial
Rio Tinto:
• Está criando uma mina inteligente
• Deverá entregar seu primeiro minério até 2021.
• Iniciativa chamada twinning digital:
• Criar um modelo virtual que é
alimentado com dados em tempo real
do campo,
• Os cenários podem ser testados
rapidamente e as operações e a
produção podem ser otimizadas.
• A capacidade de testar as decisões
antes que elas sejam implementadas
em um sistema de réplica leva a
melhores resultados e economias.
Inteligência Artificial
Classificando minerais:
• Algumas empresas usam máquinas inteligentes de
classificação que podem classificar o material extraído
com base em qualquer critério que uma empresa queira.