O Seequent Driver ajuda a OceanaGold a identificar ouro adicional, indicando mais de 2.000 onças

Autora: Colleen O’Hanlon

Ao adotar uma nova plataforma tecnológica baseada em inteligência artificial, a OceanaGold, empresa listada na Bolsa de Valores de Toronto, resolveu problemas críticos de compartilhamento de dados entre suas equipes de geologia e de plano de lavra, o que levou à identificação de mais de 2.000 onças de ouro (US$ 10 milhões na data desta publicação), com uma parte já recuperada em uma única área de sua mina Waihi, na Nova Zelândia.

A descoberta de uma ramificação de veios anteriormente não modelada foi possível graças à implementação do Seequent Evo e de sua ferramenta de inteligência estrutural, o Driver. A integração das ferramentas de plano de lavra da Deswik por meio do Evo, alinhada ao aprimoramento da interpretação geológica com o Driver, permitiu que a empresa migrasse de fluxos de trabalho manuais e menos confiáveis para uma abordagem mais estratégica e orientada por insights. Os resultados incluíram economia de tempo significativa, redução de riscos, melhoria da colaboração e maior recuperação de ouro.

Willi Vigor-Brown, superintendente de geologia de minas na operação em Waihi da empresa, falou sobre os desafios enfrentados por sua equipe e como a nova tecnologia agregou valor significativo. As 2.000 onças indicadas representam um aumento de 2% no ano para o local, e Vigor-Brown afirmou que havia potencial para encontrar mais ouro à medida que o Driver fosse aplicado a outras áreas em Waihi.

A operação em Waihi da OceanaGold inclui o projeto Martha Underground, um corpo de minério de alta qualidade e longa duração que revitalizou a mineração na região e ampliou o futuro produtivo de Waihi.
Fonte: OceanaGold

Conteúdo relacionado:
* Assista: <strong>Mining challenged by global competition and accelerating change</strong> (A mineração diante do desafio da concorrência global e das mudanças aceleradas)
* Assista: <strong>Technology can shift mining mindsets, ways of working</strong> (A tecnologia pode mudar a mentalidade e as formas de trabalho na mineração)
* Assista: <strong>Better targeted mining a step towards wider public acceptance</strong> (Mineração mais precisa: um passo rumo a uma maior aceitação pública)

O desafio geológico: a subjetividade da modelagem

A mina subterrânea de Waihi é um local geologicamente complexo, onde equipes exploram novos veios e realizam mineração em torno de áreas históricas, algumas com mais de um século de existência. Isso representa um desafio significativo de modelagem.

“Qualquer depósito epitermal pode ser desafiador. Temos várias áreas de mineração aqui, cada uma com sua própria complexidade geológica e estrutural. Além disso, estamos extraindo material remanescente… em torno de antigas áreas de mineração. Isso torna a modelagem e a estimativa desse corpo de minério bastante complexas”, destaca Vigor-Brown.

Essas complexidades introduzem subjetividade e risco no processo de modelagem.

“É possível que cada geólogo interprete os dados de forma diferente. O principal risco é interpretar erroneamente a geologia antes de realizar um investimento significativo”, reforça.

“Um domínio geológico robusto é crucial. Sem esse conhecimento, corre-se o risco de modelar estruturas descontínuas como um único veio. Você pode minerar até chegar ao veio interpretado e, então, perceber que as informações não correspondem.”

Willi Vigor-Brown, superintendente de geologia de minas, na operação em Waihi da OceanaGold
Crédito: OceanaGold

O desafio do fluxo de trabalho: o atrito dos dados

Antes da implementação de um fluxo de trabalho totalmente integrado, o processo de compartilhamento de dados entre a equipe de geologia (usando o Leapfrog Geo da Seequent) e a equipe de plano de lavra (que usava o Deswik) era manual e ineficiente.

Vigor-Brown ressaltou que o método antigo de compartilhamento de dados entre as equipes de geologia (Leapfrog Geo) e de engenharia (Deswik) consumia muito tempo. Ele exigia a exportação e a importação manual de vários arquivos, mas a principal dificuldade era que o retorno dos planos de lavra ao software de geologia implicava a perda de todos os dados associados, criando um gargalo significativo.

Isso gerou atrito. A maior questão, pontuou Vigor-Brown, era “o tempo consumido e a necessidade de abrir diferentes pacotes de software”.

Isso não apenas atrasava a equipe de geologia, mas também deixava as licenças de software indisponíveis para que os engenheiros realizassem outros trabalhos técnicos.

O ponto de virada: encontrar um novo caminho a seguir

A implementação da plataforma baseada na nuvem da Seequent, o Evo e sua ferramenta de análise estrutural por aprendizado de máquina, o Driver, marcou um ponto de virada. Vigor-Brown disse que percebeu imediatamente o potencial do Driver e decidiu testar a nova tecnologia.

“Eu estabeleci uma meta para mim mesmo: quero processar meus dados com essa ferramenta, e identificar ou encontrar um veio não modelado. Quero modelar esse veio, estimá-lo e integrá-lo ao modelo de vida útil da mina para que os engenheiros executem o Deswik Stope Optimiser e analisem os resultados.”

A inteligência artificial do Driver é capaz de aprender feições estruturais, como a orientação e a distribuição de veios individuais, diretamente a partir dos dados brutos de sondagem. Trata-se de uma máquina que gera uma interpretação estrutural objetiva que pode ser usada para orientar análises e basear modelos de depósitos. Vigor-Brown começou validando a interpretação de veios feita pelo Driver, comparando-a com a geologia conhecida.

”Os resultados estavam muito alinhados com todos os dados de controle de minério de subsuperfície e com os dados de mapeamento de subsuperfície. Isso me deu confiança no Driver”, comemora.

Elipsoides (azul e laranja) do Driver mostrando ramificações de veios a partir do veio mapeado. (vermelho)
Fonte: OceanaGold

Depois disso, Vigor-Brown explorou os dados e encontrou “um grupo de elipsoides agrupados”, no qual nenhum veio havia sido modelado. Esse insight foi fundamental.

“A precisão e a velocidade do Driver na identificação de tendências estruturais permitem detectar com facilidade veios menores que antes poderiam passar despercebidos. Nesse caso, todo o processo levou uma hora, o que representa um ótimo retorno sobre o investimento do meu tempo”, disse Vigor-Brown. “Sem o Driver, provavelmente isso não teria acontecido. Eu não o teria modelado.”

A figura à esquerda mostra onde os elipsoides do Driver destacaram uma tendência estrutural mineralizada não modelada no conjunto de dados de furos de sondagem. A figura à direita mostra a ramificação após wireframing e depois de identificada com os elipsoides do Driver.
Fonte: OceanaGold

O impacto: um fluxo de trabalho otimizado e resultados quantificáveis

A descoberta dessa nova ramificação de veios, um ramo secundário do depósito principal, teve um impacto imediato e quantificável. Do insight inicial baseado em dados até a elaboração de um modelo de blocos totalmente estimado e pronto para o plano de lavra, levou apenas uma hora.

Vigor-Brown destaca que a empresa já tinha começado a extrair ouro da ramificação e que planejava realizar mais perfurações para comprovar as mais de 2.000 onças restantes indicadas pelo modelo.

Além da descoberta, o novo fluxo de trabalho integrado que conecta o Deswik e o Leapfrog Geo por meio do Evo melhorou fundamentalmente a eficiência da equipe. “A capacidade de carregar, de forma rápida e integrada, os planos de lavra totalmente atribuídos no Evo e importá-los para o Leapfrog fez com que a revisão de planos de lavra de curto e longo prazo ficasse mais fácil e rápida. A revisão ficou mais rápida e mais completa.”

O modelo do Leapfrog acima mostra a ramificação de veios identificada na área de subsuperfície de Waihi da OceanaGold. A área em rosa indica uma amostra de canal com teor alto de ouro.
Fonte: OceanaGold

Precisão e sustentabilidade: redução da pegada ambiental

Além dos ganhos financeiros imediatos e da eficiência do fluxo de trabalho, a precisão oferecida por essa nova abordagem integrada aponta para um futuro mais sustentável para a operação em Waihi. A capacidade de criar subdomínios precisos em corpos de minério grandes e complexos traz benefícios ambientais significativos, principalmente por meio da redução de resíduos de rochas.

Na mineração, diluição refere-se à extração de rocha estéril junto com o minério valioso. Esses resíduos precisam ser transportados, processados e armazenados, o que consome energia e aumenta a pegada ambiental geral da mina. Com mais precisão em seus modelos, uma operação pode minimizar a diluição e, assim, reduzir seu impacto geral.

É aqui que Vigor-Brown vê a próxima grande oportunidade para o Driver. Ao usar aprendizado de máquina para analisar zonas amplas de veios, sua equipe consegue localizar e identificar as ramificações específicas de teor alto dentro da estrutura maior.

“O que eu quero fazer com o Driver é investigar o uso do aplicativo para orientar a criação de subdomínios com esses veios de minério para minimizar a diluição”, explicou ele. “Acredito que o Driver poderia ser uma ferramenta muito poderosa para tentar destacar essas zonas mineralizadas reais, criar subdomínios de veios a partir do veio principal e, em seguida, entregar isso aos engenheiros para que possamos extrair o máximo possível e minimizar a diluição.”

Essa abordagem direcionada significa que menos resíduos de rochas são deslocados. Os benefícios ambientais incluíram:

• Menos resíduos: ao deixar mais rocha estéril no local, a mina reduz o volume total de material residual que precisa ser manejado na superfície.
• Redução do consumo de energia: transportar e processar menos resíduos de rochas leva a um menor consumo de combustível e energia, reduzindo diretamente a pegada de carbono da operação.
• Desmonte mais eficiente: modelos geológicos mais precisos também podem levar a um uso mais eficiente de explosivos, visando apenas a rocha que precisa ser extraída.

Ryan Lee, gerente sênior de produtos da Seequent, afirmou que, em última análise, essa tecnologia permite que a OceanaGold alinhe suas metas de produção com seus compromissos de sustentabilidade, comprovando que a mineração eficiente também pode ser uma mineração responsável.