ISSN 2594-5335
28º Seminário de Automação e TI — Vol. 28 , num. 28 (2026)
Título
Autoria
DOI
Downloads
Resumo
A indústria de mineração opera predominantemente com sistemas de automação funcionalmente isolados, o que limita o potencial de otimização sistêmica das plantas de processamento mineral. Este trabalho propõe um framework de arquitetura funcional em camadas para a evolução de plantas minerais automatizadas rumo à autonomia operacional, integrando Controle Avançado de Processos (APC), Rastreamento de Massa, Gêmeo Digital, Otimização em Tempo Real (RTO) e Inteligência Artificial (IA). A metodologia adotada é de caráter propositivo, fundamentada na revisão da literatura especializada e na análise de arquiteturas industriais de referência. A arquitetura organiza-se em seis camadas funcionais, do processo físico à decisão supervisionada por IA, e quatro níveis progressivos de autonomia operacional: conectividade, visibilidade, predição e inteligência. Três interfaces críticas são identificadas e detalhadas: rastreamento de massa com APC, gêmeo digital com RTO e IA com decisão supervisionada. Como aplicação preliminar, apresenta-se a simulação de um circuito de britagem que materializa as camadas L3 e L4, demonstrando a viabilidade do rastreamento dinâmico e da modelagem como gêmeo digital operacional. Conclui-se que a autonomia de planta deve evoluir de forma incremental, e que a IA só contribui efetivamente quando integrada ao estado estimado da planta, a restrições operacionais e a critérios formais de confiança e supervisão humana.
The mining industry predominantly operates with functionally isolated automation systems, limiting the potential for systemic optimization of mineral processing plants. This paper proposes a functional layered architecture framework for the evolution of automated mineral plants towards operational autonomy, integrating Advanced Process Control (APC), Mass Tracking, Digital Twin, Real-Time Optimization (RTO), and Artificial Intelligence (AI). The methodology is propositional in nature, grounded in a specialized literature review and analysis of industrial reference architectures. The architecture is organized into six functional layers, spanning from the physical process to AI-supervised decision-making, and four progressive autonomy levels: connectivity, visibility, prediction, and intelligence. Three critical interfaces are identified and described in detail: mass tracking with APC, digital twin with RTO, and AI with supervised decision-making. As a preliminary application, a crushing circuit simulation is presented, materializing layers L3 and L4 and demonstrating the feasibility of dynamic material tracking and operational digital twin modeling. The paper concludes that plant autonomy must evolve incrementally, and that AI only contributes effectively when integrated with the estimated plant state, operational constraints, and formal criteria for model confidence and human supervision.
Palavras-chave
Planta Autônoma, Gêmeo Digital, Controle Avançado de Processos, Rastreamento de Massa
Autonomous Plant, Digital Twin, Advanced Process Control, Mass Tracking
Como citar
Marigo, Clara Temponi; Gustavo Rocha Pinheiro Coelho; Strassburg, Juliano Fogassa; Faria, Lucas Machado Barbosa de; Mateus Cabral.
Planta Autônoma: Uma Arquitetura Funcional em Camadas para o Processamento Mineral Integrando Gêmeo Digital, Controle Avançado e Inteligência Artificial,
p. 356-367.
In: 28º Seminário de Automação e TI,
São Paulo, SP - Brasil,
2026.
ISSN: 2594-5335, DOI 10.5151/2594-5335-43751
