Avaliação abrangente da segurança do sistema de controle de retroenchimento baseada em modelo de extensão de elemento-matéria de conjunto par modificado

Por que um retroenchimento mais seguro em minas profundas importa

À medida que os depósitos de carvão e metais próximos à superfície se esgotam, a mineração avança para camadas mais profundas, onde as pressões das rochas são maiores e o risco de colapso ou danos ambientais aumenta. Uma das principais ferramentas para tornar a mineração profunda mais segura é o retroenchimento: bombear rejeitos e cimento para túneis vazios para sustentar o terreno. Mas os sistemas de retroenchimento atuais são cada vez mais complexos, repletos de sensores, bombas, dutos e software. Este estudo aborda uma questão simples, porém crucial: como determinar se o sistema de controle de retroenchimento de uma mina é realmente seguro, inteligente e confiável?

Do enchimento simples ao controle inteligente

Os sistemas modernos de retroenchimento fazem muito mais do que apenas transportar polpa por tubos. Eles monitoram continuamente como o material de enchimento é preparado, como flui por longos dutos subterrâneos e qual a resistência que atinge ao endurecer nos vazios escavados. Utilizando redes, computação em nuvem e ferramentas de big data, os sistemas podem ajustar velocidades de bomba, proporções de mistura e operações de limpeza em tempo real, além de enviar alertas precoces se algo começar a falhar. Bem executado, isso melhora a segurança, reduz o desperdício de material e economiza mão de obra. Ainda assim, esses sistemas são relativamente novos, e não havia um método claro e baseado em ciência para julgar quão avançada ou confiável é uma instalação específica.

Dividindo um sistema complexo em partes claras

Os autores propõem uma forma estruturada de avaliar os sistemas de controle de retroenchimento como um todo. Eles dividem o sistema em quatro partes principais: como a polpa é preparada na superfície, como ela é transportada e monitorada ao longo do duto, como a resistência e a estabilidade do enchimento endurecido são acompanhadas, e quão bem o sistema é gerido visual e digitalmente. Dentro dessas quatro áreas, definem 16 indicadores específicos, como a inteligência do suprimento de areia, a confiabilidade da mistura da polpa, o monitoramento da pressão do duto, se falhas acionam alertas precoces e quão efetivo é o acompanhamento da resistência do enchimento ao longo do tempo. Em seguida, eles classificam os sistemas em cinco níveis, do básico (Nível I) ao altamente avançado (Nível V), com níveis mais altos refletindo maior automação, robustez e integração.

Combinando julgamento de especialistas com dados concretos

Para transformar essa estrutura em uma ferramenta de avaliação prática, a equipe combina opinião de especialistas com métodos matemáticos projetados para lidar com incerteza. Especialistas em mineração e engenharia pontuam cada indicador, mas em vez de fornecer um único número, apresentam um intervalo que reflete sua incerteza. Um método chamado teoria do número cego converte esses intervalos e a credibilidade de cada especialista em um único valor mais objetivo para cada indicador. A importância, ou "peso", de cada indicador é então calculada de duas maneiras: um método subjetivo que captura as opiniões dos especialistas sobre o que é mais relevante, e um método objetivo que observa quanta informação cada indicador realmente carrega nos dados. Uma fórmula baseada em Lagrange funde essas duas abordagens em pesos combinados que não são puramente opinativos nem puramente estatísticos.

Medindo semelhança, diferença e risco

Uma vez que cada indicador tem um valor e um peso, os autores aplicam um esquema matemático conhecido como modelo de extensão de elemento-matéria de conjunto par. Essencialmente, esse método compara o estado medido de um sistema com os padrões de cada nível, tratando-os como um "par" que pode ser em parte idêntico, em parte diferente e em parte contrário. Para cada indicador e para cada nível possível, o modelo calcula um grau de filiação que mostra o quanto o sistema se ajusta àquele nível. Esses graus são então combinados em todos os indicadores usando os pesos compostos para produzir uma pontuação de filiação global para cada nível. O nível com a maior filiação é tomado como a classificação do sistema, e um valor adicional calculado mostra se o sistema está tendendo para um nível melhor ou pior dentro da escala.

Minas reais colocadas à prova

Para verificar se seu modelo de avaliação é prático, os pesquisadores o aplicam em três minas em operação, cada uma com um sistema moderno de controle de retroenchimento. Um painel de cinco especialistas pontua os 16 indicadores em cada local, e os dados são processados pelas etapas de número cego, ponderação e extensão de conjunto par. As três minas são classificadas no Nível IV, indicando um alto grau de inteligência e segurança, mas ainda aquém do nível máximo. As pontuações detalhadas dos indicadores destacam onde cada mina pode melhorar — por exemplo, controle mais estável dos níveis líquidos no tambor de mistura em um caso, melhor projeto do sistema de distribuição de cinzas em outro, e monitoramento de duto e resposta a emergências mais robustos no terceiro. Para aumentar a confiança, os autores comparam seus resultados com duas outras abordagens de avaliação, um modelo em nuvem e um modelo de reconhecimento de atributos; os três métodos concordam entre si e com a experiência em campo.

O que os achados significam para uma mineração mais segura

Em termos práticos, este trabalho oferece aos operadores de mina uma espécie de "check-up" de segurança para seus sistemas de controle de retroenchimento. Em vez de depender de intuições ou medidas de desempenho isoladas, o novo modelo reúne muitos aspectos de projeto, sensoriamento, automação e gestão de dados em uma única imagem graduada, ao mesmo tempo que mostra quais subsistemas impedem uma mina de alcançar desempenho máximo. O fato de o método coincidir com outros modelos e com observações do mundo real sugere que ele pode servir como uma ferramenta confiável para orientar atualizações de sistemas, prevenir entupimentos de dutos e fortalecer o suporte subterrâneo. À medida que a tecnologia de retroenchimento se torna mais complexa e essencial para a mineração profunda, ferramentas de avaliação transparentes e equilibradas como esta serão importantes para orientar operações mais seguras, eficientes e ambientalmente responsáveis.

Citação: Yin, Y., Yang, S., Yang, Y. et al. Comprehensive safety evaluation for back-filling control system based on modified set pair matter-element extension model. Sci Rep 16, 9056 (2026). https://doi.org/10.1038/s41598-026-39557-6

Palavras-chave: retroenchimento inteligente, segurança de mina, monitoramento de dutos de polpa, modelos de avaliação de risco, automação em mineração subterrânea