ISSN 2594-5335
27th Seminar on Automation & IT — Vol. 27, Num. 27 (2025)
Title
Authorship
DOI
Downloads
Abstract
Com o avanço da Inteligência Artificial (IA) e Machine Learning (ML), sua aplicação no processo industrial está se tornando estratégica, trazendo inovação para prever comportamentos e melhorar a eficiência em tempo real. O lítio é essencial para a matriz energética global, especialmente pela fabricação de baterias para veículos elétricos e dispositivos portáteis. O hidróxido de lítio de alta pureza, usado em catodos de baterias Li-íon com elevado potencial energético, destaca-se economicamente em novos projetos mundiais devido à crescente demanda em veículos elétricos e armazenamento em larga escala. No Brasil, as reservas de lítio concentram-se principalmente em minerais como espodumênio e ambligonita encontrados em pegmatitos litiníferos. O processo Hydrofloat usa flotação por partículas grossas com menor consumo energético, enquanto o Crossfloat combina flotação e classificação hidráulica para otimizar a recuperação e pureza do espodumênio. A implantação de uma robusta malha de controle é fundamental, pois garante estabilidade operacional, redução de variabilidade e maximiza eficiência no beneficiamento mineral. Integrada a algoritmos de IA, essa malha é capaz de prever cenários e otimizar continuamente parâmetros do processo, aumentando significativamente a produtividade e a qualidade do concentrado final de Espodumênio.
WITH THE ADVANCEMENT OF ARTIFICIAL INTELLIGENCE (AI) AND MACHINE LEARNING (ML), THEIR APPLICATION IN INDUSTRIAL PROCESSES IS BECOMING STRATEGIC, DRIVING INNOVATION TO PREDICT BEHAVIORS AND IMPROVE REAL-TIME EFFICIENCY. LITHIUM IS ESSENTIAL TO THE GLOBAL ENERGY MATRIX, ESPECIALLY DUE TO ITS USE IN THE PRODUCTION OF BATTERIES FOR ELECTRIC VEHICLES AND PORTABLE DEVICES. HIGH-PURITY LITHIUM HYDROXIDE, USED IN THE CATHODES OF LI-ION BATTERIES WITH HIGH ENERGY POTENTIAL, STANDS OUT ECONOMICALLY IN NEW GLOBAL PROJECTS DRIVEN BY THE GROWING DEMAND FOR ELECTRIC VEHICLES AND LARGE-SCALE ENERGY STORAGE. IN BRAZIL, LITHIUM RESERVES ARE MAINLY CONCENTRATED IN MINERALS SUCH AS SPODUMENE AND AMBLYGONITE, FOUND IN LITHIUM-BEARING PEGMATITES. THE HYDROFLOAT PROCESS EMPLOYS COARSE PARTICLE FLOTATION WITH LOWER ENERGY CONSUMPTION, WHILE CROSSFLOAT COMBINES FLOTATION AND HYDRAULIC CLASSIFICATION TO OPTIMIZE SPODUMENE RECOVERY AND PURITY. THE IMPLEMENTATION OF A ROBUST CONTROL LOOP IS ESSENTIAL, AS IT ENSURES OPERATIONAL STABILITY, REDUCES VARIABILITY, AND MAXIMIZES EFFICIENCY IN MINERAL PROCESSING. WHEN INTEGRATED WITH AI ALGORITHMS, THIS CONTROL NETWORK CAN PREDICT SCENARIOS AND CONTINUOUSLY OPTIMIZE PROCESS PARAMETERS, SIGNIFICANTLY INCREASING PRODUCTIVITY AND THE QUALITY OF THE FINAL SPODUMENE CONCENTRATE.
Keywords
Otimização Processo, Espodumênio, Hydrofloat, CrossFloat
Process Optimization, Spodumene, Hydrofloat, CrossFloat
How to cite
FERREIRA, MARCO ANTONIO SIMOES.
APLICAÇÃO DE ALGORITMOS DE MACHINE LEARNING PARA OTIMIZAÇÃO DO CONTROLE DOS PROCESSOS HYDROFLOAT E CROSSFLOAT NA PRODUÇÃO DE ESPODUMÊNIO,
p. 73-85.
In: 27th Seminar on Automation & IT,
São Paulo, Brasil,
2025.
ISSN: 2594-5335, DOI 10.5151/2594-5335-41940