Arbor 
Rastrear a origem de cada carga
Entender de onde veio o minério
Do modelo e bloco desmontado à concha e ao caminhão
Conectar a operação em uma cadeia rastreável do minério
Solução para mineração · Grade Control Copilot
Cada concha, cada carga
Para um destino mais adequado
Gestão de teores nativa de IA
Menos diluição e perda, teor mais estável
Destaques
O modelo de teores chega à operação
Evidência em cada etapa
Rastrear a origem de cada carga
Avaliar primeiro a confiança
Depois decidir se medir e para onde enviar
Transformar incerteza de teor e custo de medição
Em recomendações de destino explicáveis
Relacionar cada otimização
Às contas reais da operação
Calibrar previsões com análises e conferir a execução com a produção
Considerar benefícios e custos adicionais juntos
01 / 03
Grafo operacional do fluxo de minério · OreFlow Graph
De um bloco de minério
Até a análise final
O modelo descreve o material; os registros operacionais mostram seu destino. Conectar objetos, eventos e resultados permite rastrear a base de cada recomendação.
Uma carga, uma cadeia completa de rastreabilidadePosições e conexões ilustram o mecanismo
Um modelo com versão e nível de confiança
Teor, impurezas e incerteza dos blocos são o ponto de partida. Desmonte, carregamento, transporte, alimentação e análises preservam a identidade do material para rastrear resultados até a origem.
Drones · Atualização frequente da geometria
O terreno muda
A base da lavra acompanha
Observar a forma da pilha desmontada, o avanço da frente e os volumes para alinhar o modelo geológico ao terreno real.
Trazer o terreno atual para o modeloCamadas demonstrativas, não levantamentos reais
Drones atualizam a geometria
Geologia e análises determinam o teor
Alinhar superfície recente, versões do modelo e evidências de deslocamento do desmonte no mesmo sistema de coordenadas para revisar limites de lavra. Imagens aéreas comuns não medem diretamente Fe no subsolo; verificar também precisão do registro e erros geométricos.
Escavadeiras e caminhões · Estimativa de origem
O teor desta carga
Começa em cada carregamento
Demonstração interativa · Não são dados de produçãoUm mesmo caminhão
Um mesmo caminhão
Pode receber material de vários blocos
Associar posição da concha aos blocos e calcular a mistura ponderada por massa. Alterar a proporção carregada da área A.
Área A · Fe 62%Área B · Fe 54%
% FeMédia prevista da carga. Considerar também erros de atribuição de origem, incerteza geológica e escala de medição.
Teor da carga = Σ (fração mássica da origem × teor da origem)
Rastrear cada concha quando houver posição precisa
Manter desconhecidas as origens não comprovadas
Horários de carga, trajetória da concha, limites e pesagem determinam a confiança na origem. Sem dados por concha, registrar por frente ou lote verificável, sem forçar uma origem exata.
Decisão sob incerteza
O mesmo teor médio
Diferentes níveis de confiança
A média não basta. Quanto maior a incerteza, mais importa a probabilidade de atingir o teor-alvo.
Modelo probabilístico ilustrativo · Fe médio 58,3%
Probabilidade de atingir 57% de Fe
%Origens mais claras e evidências melhores concentram a distribuição prevista. Continuar calibrando com análises reais.
Teor, origem e escala
Determinam a confiança em conjunto
Determinam a confiança em conjunto
Limiares e probabilidades ilustram o método. As restrições reais incluem impurezas, recuperação e requisitos do processo.
Expandir a representação da incerteza
Média da carga μ = Σ wᵦμᵦ; variância Var(g) = wᵀΣw + erro de atribuição de origem + erro de escala. A ilustração usa distribuição normal de média 58,3% e desvios padrão de 0,65 e 1,8 ponto percentual. Validar distribuição, correlações e parâmetros com dados reais da mina.
Medição seletiva · EVSI
Medir
Onde a medição agrega mais valor
Outra medição mudaria a decisão? O valor resultante cobriria medição, espera e desvio?
Nem todo caminhão precisa desviar para medirSelecionar medições pelo valor da decisão e condições locais
Simulação por carga · Valores em CNY
Medir primeiro, atualizar o destino depois
Evidência da cargaMedições adicionais seletivasReavaliar
Se a medição melhorar o valor esperado da decisão em 900 CNY e medição, espera e desvio custarem 350 CNY, o valor líquido da informação será 550 CNY. Neste exemplo, medir pode valer a pena.
EVSI = melhor valor esperado após medir − melhor valor atual − custo adicional. O exemplo não representa benefício real. Adequar o sensor ao mineral, à granulometria e à representatividade da amostragem.
Otimização especializada + Confirmação humana
Teor, capacidade e distância de transporte
Determinam o próximo destino
A recomendação deve respeitar restrições de produção e ser executável. A IA organiza evidências, modelos especializados otimizam, e geólogos e despachantes confirmam.
Restrições simplificadas · Não é despacho real
Destino recomendado
Britador
No exemplo, as restrições de teor são atendidas e o britador tem capacidade. Recomenda-se enviar diretamente à usina conforme o plano aprovado para reduzir movimentações adicionais.
Caminhão de mineração atualBritador
Recomendação → Confirmação geológica / despacho → Execução
Guardar versões de entrada, justificativas, aprovador e descarga real. Validar separadamente escrita nos sistemas e alcance do controle em campo.
Restrições de qualidade
Teor mínimo de Fe, máximos de SiO₂, Al₂O₃ e P e probabilidade de conformidade
Restrições de produção
Capacidade do britador e das pilhas, compatibilidade do material e plano atual
Restrições econômicas
Comparar valor por tonelada com medição, desvio e remanuseio
Reconciliação de análises · ROI Ledger
Cada otimização
Conferida nas contas operacionais
Reconciliar teor, tonelagem e destino com análises e produção reais. Avaliar minério preservado, estéril desviado e custos adicionais na mesma base.
Previsão → Execução → Análise → Reconciliação → CalibraçãoRastrear o resultado pela cadeia de minério para apoiar a próxima melhoria
Valor líquido sob estas hipóteses
¥100 toneladas × CNY 200 + 200 toneladas × CNY 80 − CNY 15.000
Hipóteses ilustrativas: 200 CNY por tonelada seca de minério preservado e 80 CNY economizados por tonelada seca de estéril desviado. A mina deve confirmar os valores reais; não duplicar o benefício.
Demonstração contábil, não previsão de retorno. Criar referência com áreas e turnos comparáveis e excluir efeitos de preço, umidade, estoque e outras mudanças técnicas.
Menor diluição
Verificar toneladas de estéril no fluxo de minério e localizar a classificação incorreta
Menor perda de minério
Verificar minério enviado às pilhas de estéril e preservar material aguardando medição ou decisão
Teor estável
Comparar análises de alimentação e distribuições previstas para verificar redução de viés e variabilidade
Expandir método contábil e limites de evidência
Definir denominadores, classes de material e tratamento de estoque pendente antes de avaliar diluição e perdas. O balanço de massa confere toneladas secas de entrada, saída e variação de estoque. Validar por reconstrução histórica, comparações pareadas e pilotos controlados. Percentuais de pesquisas não são resultados Arbor.
Começar por uma área de lavra
Validar um ciclo completo
Na prática
Conectar modelos geológicos, FMS, drones e sistemas de análise existentes. Começar com dados verificáveis e testar recomendações na produção real.
01 · Reconstrução histórica
Reconciliar primeiro o passadoAlinhar modelos, coordenadas, viagens e análises para reconstruir o fluxo de uma área e identificar lacunas de origem e erros de classificação.
02 · Validação em paralelo
Comparar as recomendaçõesExecutar recomendações em paralelo à produção, sem alterar instruções. Registrar quando diferem, por quê e os resultados posteriores.
03 · Piloto controlado
Expandir com evidênciasApós confirmação humana, testar um escopo limitado e ampliar conforme qualidade, custos e interfaces validados.
Arbor · Grade Control Copilot
Fazer do modelo de teores
Uma base para agir em campo
Conversar sobre gestão de teores ↗Capacidades, fontes de dados e implementação
Esta página apresenta solução e mecanismos propostos para minas a céu aberto, não funções já entregues. Modelos probabilísticos, sensores, granularidade, integração, permissões e escrita dependem de avaliação e validação do projeto. Cenas IA, camadas e interações explicam o conceito, não registros de clientes.
O método se baseia nas pesquisas fornecidas sobre Grade Control Copilot e grafo operacional do fluxo de minério. Referências técnicas: Maptek Grade Control、Análise mineral CSIROe Modelagem de objetos e ações da Palantir. As referências não indicam parceria, compatibilidade integral de interfaces ou entrega existente da Arbor.