Dados do Trabalho

Título

REVISÃO DE LITERATURA: UTILIZAÇÃO DE MACHINE LEARNING E DADOS GEOTÉCNICOS PARA PROJETOS DE DISPOSIÇÃO DE ESTERIL E REJEITO PARA FEL-1

Resumo

O FEL 1, também conhecido como Front End Loading 1, é uma etapa crucial no processo de desenvolvimento de projetos, especialmente no setor de mineração. Nessa fase, é realizada a identificação e validação da Oportunidade de Negócio, além de estudos e análises fundamentais para aprovação do projeto. No caso específico, o FEL 1 é dividido em quatro etapas, com o objetivo de selecionar a melhor área para implantação da estrutura. A primeira etapa consiste no levantamento de áreas potenciais com baixo DMT, considerando as características geomorfológicas do terreno. A segunda etapa envolve levantamento dos aspectos legais que possam impedir a alocação da estrutura. Na terceira etapa, são considerados os aspectos relacionados à licença social e aos compromissos da empresa. É essencial analisar o impacto do projeto na comunidade local e garantir que todas as exigências sejam atendidas. Por fim, na quarta etapa, ocorre o ranqueamento das alternativas. Nesse processo, é feita uma avaliação criteriosa das áreas identificadas nas etapas anteriores, considerando critérios como viabilidade técnica, econômica e ambiental. No entanto, foi constatado pelo grupo de "Pesquisa e Desenvolvimento" que o FEL 1 atualmente realiza a identificação dessas áreas de forma manual e sem utilizar dados geotécnicos para a seleção. Nesse contexto, o objetivo deste estudo é conduzir uma revisão da literatura com o propósito de estabelecer uma base sólida para a criação de um mapa de favorabilidade geotécnica. Esse mapa será utilizado pelo FEL 1 para classificar as áreas alternativas, empregando técnicas de Machine Learning. Serão revisados diferentes modelos, como Random Forest, Rede Neural, Naive Bayes e Gradient Boosting, a fim de identificar o algoritmo com melhor desempenho. Essa revisão servirá de ponto de partida para posterior realização de criação de um modelo de aprendizado de maquina que esperamos treinar com diversas fontes, como sensoriamento remoto, geofísica, geologia e geotecnia. É importante ressaltar que os parâmetros geotécnicos serão validados pelo programa RCA (Rastreabilidade, Confiabilidade e Armazenamento), que garante a qualidade das informações geotécnicas obtidas em campo. Com a implementação desse modelo de seleção de áreas baseado em dados geotécnicos confiáveis, bem como os demais dados, espera-se otimizar o processo de identificação e seleção da melhor área para implantação da estrutura de disposição durante a etapa do FEL 1. Isso resultará em uma tomada de decisão mais precisa e embasada em informações técnicas confiáveis, contribuindo para a eficiência, segurança geotécnica e sucesso do projeto.

Palavras-chave

FEL1, Machine Learning, Favorabilidade Geotécnica, RCA

Arquivos