SISTEMA DE CLASSIFICAÇÃO DE ESTABILIDADE DE REALCES COM AUXÍLIO DE TÉCNICA DE INTELIGÊNCIA ARTIFICIAL

A mineração subterrânea tem se tornado cada vez mais relevante devido à redução da disponibilidade de recursos minerais aflorantes. Nesse contexto, o controle da diluição, caracterizada pela contaminação do minério com estéril, é um fator crítico para a produtividade e sustentabilidade das operações. Métodos empíricos, como os gráficos de estabilidade propostos por Mathews et al. (1981) e Potvin et al. (1988), embora utilizados, têm limitações em contextos geológicos distintos como o brasileiro. Este artigo aplica a técnica de Inteligência Artificial Floresta Aleatória para classificar a estabilidade de realces em uma mina de ouro. Utilizou-se um banco de dados com 55 registros de realces, os dados foram organizados com 18 variáveis independentes (geomecânicas, geométricas e operacionais) e uma variável dependente (condição de estabilidade do realce). Foram realizadas 40 execuções do modelo, com diferentes divisões de amostras treino e teste. O modelo apresentou acurácia média de 72,3%, variando entre 58,8% e 82,3%. A análise de importância indicou os fatores operacionais como mais influentes na previsão da estabilidade. Os resultados demonstram o potencial da técnica para reduzir a subjetividade dos métodos tradicionais e aprimorar o processo decisório no planejamento da lavra subterrânea.