Title

Predição de Obstrução de Dragas na Recuperação de Rejeitos: Uma Abordagem utilizando Inteligência Artificial

Obstruction prediction in dredges for tailings recovery: An approach using artificial intelligence

Authorship

NUNES, TIAGO CAIXETA; GOMES, MATHEUS FERNANDES; CALDAS, FELIPE NOVAES; ALBUQUERQUE, KAIKE SILVA; ARAUJO, CARLOS EDUARDO DE LOIOLA; CARNEIRO, CAMILA RIBEIRO

NUNES, TIAGO CAIXETA

I am this author

GOMES, MATHEUS FERNANDES

I am this author

CALDAS, FELIPE NOVAES

I am this author

ALBUQUERQUE, KAIKE SILVA

I am this author

ARAUJO, CARLOS EDUARDO DE LOIOLA

I am this author

CARNEIRO, CAMILA RIBEIRO

I am this author

DOI

10.5151/2594-357X-44240

Downloads

Abstract

O reaproveitamento de rejeitos depositados em barragens por meio de dragas de sucção representa um pilar estratégico da mineração circular, transformando passivos ambientais em produtos de alto valor comercial. Este é o cenário de uma planta de minério de ferro que possui material acumulado desde a década de 80 e está utilizando dragagem para a produção de pellet feed. Durante a operação, a recorrente presença de matéria orgânica e a heterogeneidade do material reprocessado provocam obstruções na alimentação da draga, que resultam em paradas não programadas. Este trabalho propõe duas soluções baseadas em Inteligência Artificial capaz de antecipar eventos de entupimento, Rede Neural Convolucional e Isolation Forest, que visam monitorar continuamente variáveis operacionais aplicando técnicas de feature engineering por janela temporal para a construção dos atributos que alimentam o modelo de predição. Os resultados demonstram potencial de maximizar a disponibilidade física das dragas para reduzir intervenções corretivas, suportando a tomada de decisão com inteligência artificial para uma mineração sustentável.

The reuse of tailings deposited in dams through suction dredges represents a strategic pillar of circular mining, transforming environmental liabilities into high commercial value products. This is the scenario of an iron ore plant with material accumulated since the 1980s used for pellet feed production. During operation, the recurrent presence of organic matter and the heterogeneity of the reprocessed material cause blockages in the dredge's feed, resulting in unscheduled shutdowns. This work proposes two solutions based on Artificial Intelligence capable of anticipating clogging events: a Convolutional Neural Network and an Isolation Forest, which aims to continuously monitor operational variables. Temporal window feature engineering techniques are then applied to these variables to construct the attributes that feed the prediction model. The results demonstrate the potential to maximize the physical availability of dredges to reduce corrective interventions, supporting decision-making with artificial intelligence for sustainable mining.

Keywords

Inteligência artificial, Mineração circular, Predição, Recuperação de rejeitos

Artificial intelligence, Circular mining, Prediction, Tailings recovery