A Largo Brasil lançou mão da utilização de técnicas de machine learning (aprendizado de máquina) para predição do teor de magnetita e dos elementos de interesse do minério magnético de sua mina de Vanádio de Maracás (Cava Campbel), localizada na cidade de mesmo nome na Bahia.

De acordo com a empresa, o uso da inteligência artificial possibilitou a substituição dos ensaios de concentração magnética de laboratório (Tubo de Davis) e análises por fluorescência de raios X pela predição feita pelo algoritmo, o que permitiu a redução no tempo de liberação de resultados sem diminuição na confiabilidade das informações. Essa redução provocou ganhos na velocidade e eficiência das tomadas de decisão operacionais e gerou diminuição de custo do laboratório em 21%, como consequência da redução do consumo dos insumos e horas trabalhadas necessários para realização dos ensaios.

O laboratório da Largo em Maracás realiza em média 150 mil ensaios por ano, sendo que destes, aproximadamente 18 mil ensaios são de concentração magnética via Tubo de Davis e cerca de 12 mil ensaios de fusão de pastilha vítrea e leitura via fluorescência de raios X da alíquota magnética.

No projeto, foram usadas técnicas de machine learning para modelagem de algoritmos de regressão para avaliação dos modelos, com aplicação métricas de MAE (erro médio absoluto) e RMSE (raiz do erro médio quadrático), evidenciando a capacidade de previsão do modelo para dados desconhecidos. Antes da criação do algoritmo oficial foi feito um teste piloto utilizando regressões múltiplas com Minitab e Excel para verificar viabilidade do estudo.

Para a inteligência criada foram utilizados aproximadamente 7.800 dados de treino e 7.800 dados de teste. Os algoritmos criados durante o processo foram avaliados utilizados as métricas de MAE e RMSE, enquanto os resultados das predições obtidas foram avaliados por meio de testes de hipótese realizados com o Minitab.

O algoritmo foi utilizado para tentar predizer os resultados de concentração magnética (%MAG) e de V2O5 e SiO2 nas alíquotas magnéticas das amostras de geologia, mina e tratamento de minério da Largo Vanádio de Maracás. Todos os erros médios para predição da concentração magnética nos materiais ficaram abaixo de 1 ponto percentual, que significa que o algoritmo na mediana dos dados pode errar 1 ponto para mais ou para menos.

Para verificação de igualdade ou não entre os resultados previstos e os resultados reais, foram realizados testes de hipótese no software Minitab, levando em consideração igualdade entre média e desvio padrão. O teste de hipóteses de igualdade entre médias dos resultados de concentração magnética de todas as amostras do estudo, confrontado com as previsões do algoritmo considerou que ambos os dados podem ser considerados iguais.

Já o teste de hipóteses de igualdade entre desvio padrão dos resultados de concentração magnética de todas as amostras do estudo, confrontado com as previsões do algoritmo também considerou que ambos os dados podem ser considerados iguais.

 De acordo com a empresa, os principais benefícios alcançados com a implementação do algoritmo de predição em substituição dos ensaios de laboratório foram: redução do tempo de liberação de amostras de geologia, mina e tratamento de minério em 33%; aumento de capacidade de análise de amostras de geologia, mina e tratamento de minério em 43%, que representa uma elevação de 9 % da capacidade total de liberação de resultados do laboratório; e redução de custos total de ensaios realizados anualmente no laboratório estimado em 21%.

AUTOR: Felipe Silva de Carvalho – Analista de Qualidade da Largo Brasil