Fundamentos da amostragem

1. Introdução

A amostragem constitui uma das etapas mais críticas em qualquer estudo geológico, metalúrgico ou de controle de processos minerais, sendo responsável por introduzir ou minimizar erros que impactam diretamente a confiabilidade das estimativas de teor, tonelagem e qualidade do minério. Define-se amostragem como uma sequência de operações que tem como o único objetivo retirar uma parte representativa, uma amostra, de um universo. Logo segundo Gy o único objetivo da amostragem é reduzir a massa de um lote sem inserir mudanças significativas em sua constituição ou propriedades, para que se possa analisar por métodos analíticos que utilizam frações mínimas de massa.

As amostras geralmente são constituídas por uma série de incrementos retirados do lote em instantes diferentes. O universo consiste em todas as combinações possíveis da observação desta amostra no lote. Observe a Figura 1, inicialmente temos um lote com 25% de calcopirita, 25% de bornita e 50% de quartzo. A medida que dividimos a massa a proporção destes materiais não se mantém a mesma, alterando suas propriedades tal como cor, teores, dureza, moabilidade, reatividade a diferentes elementos químicos, etc. O objetivo da amostragem é apresentar uma amostra com massa menor que o lote com suas mesmas propriedades originais.

Figura 1: Ilustração de um processo de amostragem teórico da divisão de um lote em incrementos de amostras cujas proporções minerais são diferentes das originais.

Uma amostra dificilmente apresentará características idênticas do material de onde foi retirada o que se deve ao erro fundamental de amostragem e aos demais erros que surgem durante os procedimentos de amostragem.

---

2. Heterogeneidade

A homogeneidade é um conceito abstrato que geralmente não existe na vida real. Toda a matéria em algum grau de escala possui heterogeneidade composicional. Quando lidamos no nível de rochas, os minerais constituem os blocos de menor escala, que ao serem fragmentados possuem partículas mistas de diferentes composições, ou partículas homogêneas de diferentes minerais.

Na tentativa de medir a heterogeneidade de um lote de material, devem-se diferenciar duas categorias a heterogeneidade de constituição, quando analisamos os grãos um a um, e a heterogeneidade de distribuição, quando analisamos um grupo de elementos.

Na heterogeneidade de constituição analisamos se os fragmentos possuem diferenças entre forma, tamanho, densidade, portanto relativo aos fragmentos de um lote está associada ao processo de cominuição (fragmentação da rocha). O erro associado a heterogeneidade de constituição é chamado de “erro fundamental de amostragem”, este é o único erro que nunca poderá ser igual a zero, pois é impossível que durante um processo de cominuição todas as partículas sejam exatamente iguais. Geralmente sua importância se torna maior para os constituintes que ocorrem em menor quantidade, para materiais com elementos-traço ou materiais preciosos de baixo teor.

Na heterogeneidade de distribuição analisamos um grupo de partículas com os seus vizinhos, neste caso dizemos que o lote possui homogeneidade quando todos os grupos de fragmentos possuem a mesma composição média. Neste caso a heterogeneidade de distribuição depende de três fatores: A heterogeneidade de constituição, a distribuição espacial dos constituintes e a forma do lote. A forma do lote é muito influenciada pelas forças gravitacionais atuantes, que atuam de forma diferenciada na separação dos fragmentos. A Figura 2 exemplifica a heterogeneidade de constituição e distribuição.

Figura 2: Exemplificação da heterogeneidade de constituição e de distribuição. Equanto a heterogeneidade de constituição analisa apenas as partículas individuais do lote a de distribuição analisa o conjunto de partículas do lote e sua distribuição espacial.

---

3. Erros aleatórios e sistemáticos

Excetuando os erros grosseiros e humanos que se caracterizam por eventos acidentais na preparação das amostras, todos os demais erros podem ser considerados como variáveis aleatórias, caracterizadas por uma média e variância, ao qual está associado uma componente não aleatória (média ou viés) e uma componente aleatória (variância). Notoriamente os erros de amostragem tendem a seguir distribuições gaussianas. A cada etapa da amostragem os erros são cumulativos (sistemáticos) , como na etapa de delimitação da amostra, ou extração da amostra ou o erro fundamental de amostragem.

As médias dos erros (vieses) podem ser tanto positivos como negativos. Se durante o processo de amostragem parte dos vieses positivos se anula com os negativos a amostra pode apresentar a média dos erros próximo de zero e não ser considerada enviesada. Uma amostra enviesada é potencialmente danosa para qualquer tipo de análise, pois significa que o valor médio de qualquer propriedade tomada pode ser muito maior ou menor do que a amostra do lote. Em muitos casos a escolha do método analítico, tipo de reagentes utilizados na abertura ácida das análises, equipamentos com defeitos podem afetar drasticamente o fluxo de caixa das empresas de mineração.

A variância dos erros nunca pode ser negativa, o que delimita a precisão da amostragem. Quanto mais operações realizadas, maiores são as chances de amostras menos precisas. Menos etapas de amostragem para reduzir o tamanho e separação das amostras significa melhor precisão na sua amostragem.

Um processo de amostragem é dito representativo quando o quadrado médio do erro de amostragem , que é a soma do erro médio quadrado e da variância do erro é menor que um dado valor padrão representativo.

Uma amostra representativa possui então erro médio da amostragem pequeno ou próximo de zero ( amostra acurada) e menor variância do erro (amostra precisa). Veja bem que as duas métricas possuem peso igual, logo uma amostra acurada mas imprecisa é tão ruim como uma amostra enviesada mas precisa.

---

4. Erros de amostragem

A heterogeneidade é a única condição na qual um conjunto pode ser observado na prática , logo a heterogeneidade é vista como a única fonte de todos os erros de amostragem. Um bom procedimento de amostragem tende a minimizar os erros possíveis adotando práticas que diminuem esses erros. Entre os diferentes erros temos:

4.1. Erros de Amostragem

• Erro fundamental (FSE): Consiste no erro da diferença entre as partículas individuais.
• Agrupamento e segregação: Consiste nos erros ao combinar e segregar a massa das amostras durante o processo de amostragem.
• Delimitação: Consiste na geometria e volume inadequado durante o processso de extração da amostra como canais pouco fundos, amostragem da pilha apenas na superfície, amostrador que não cobre toda a correia.
• Extração: Ocorre quando o material não é completamente retirado como perda de finos, partículas presas no equipamento, equipamento de corte errado.

Esses erros ocorrem antes do laboratório.

4.2. Erros de Preparação

• Subamostragem: Quando se retira uma massa menor do que a necessária para reduzir os erros de amostragem.
• Moagem seletiva: Quando a moagem não leva em consideração a diferença de moabilidade entre as partículas e não deixa um tempo de residência no moinho adequado.
• Perda de finos
• Contaminação: Equipamentos sujos e mal limpos que agregam partículas de outras amostras.

Muito comuns em:

• Laboratórios mal controlados
• Preparação de testemunhos de sondagem

4.3. Erros Analíticos

Relacionados a:

• Repetibilidade do equipamento: Capacidade do equipamento em reproduzir o mesmo resultado quando a mesma amostra é medida várias vezes nas mesmas condições.
• Calibração
• Precisão química

---

5 Erro fundamental de amostragem

4.5.1 – Erro Fundamental de Amostragem (FSE)

Relaciona-se à:

• Granulometria
• Densidade
• Distribuição do mineral de interesse
• Massa da amostra

Pode ser estimado por:$$FSE \propto \frac{d^3}{m}$$

Onde:

• $d$ = tamanho máximo de partícula
• $m$ = massa da amostra

Implicação prática:
Quanto maior a partícula → maior massa necessária.

A forma geral mais utilizada é:$$\sigma^2_{FSE} = \frac{C \; f_g \; d^3}{m}$$

4.5.2 C — Constante de Gy (Constante de heterogeneidade)

Também chamada de:

Constante de composição

Depende de:

• teor médio
• densidades relativas
• distribuição do mineral de interesse
• liberação mineralógica

Forma expandida conceitual:$$C = c \; f \; g \; l$$

onde entram fatores mineralógicos e de forma das partículas.

Na prática:

• Determinada empiricamente
• Pode variar várias ordens de grandeza

Exemplo:

• Ouro pepítico → C muito alto
• Calcário homogêneo → C baixo

1) c — fator de composição (mineralógico/constitucional)

É o termo “mais material-dependente”. Ele resume quão diferentes são as partículas em termos de concentração do constituinte de interesse e densidade.

Uma forma clássica (para dois constituintes: mineral de interesse vs ganga) é:$$c = \frac{(a_M-a_G)^2}{a_L^2}\; \rho \; k$$

onde (conceitualmente):

• $a_M$​ = teor do constituinte nas partículas “mineralizadas”
• $a_G$ = teor do constituinte na ganga (frequentemente ~0)
• $a_L$ = teor médio do lote
• $\rho$ = densidade média (ou termo equivalente de densidade)
• $k$ = termo de escala/normalização (varia com a convenção do autor)

Interpretação prática: quanto mais “binário” e contrastante (ex.: ouro livre em ganga estéril), maior $c$.

Em ouro pepítico, $c$ explode porque poucas partículas carregam quase todo o metal.

---

2) f — fator de forma das partículas

Corrige o fato de partículas reais não serem esferas/cubos perfeitos (influencia a “massa por partícula” associada ao top size).

• Partículas mais lamelares/alongadas → pior comportamento de amostragem → f maior (pior).
• Partículas mais equidimensionais → f menor (melhor).

---

3) g — fator granulométrico (distribuição de tamanhos)

Mesmo usando um “top size” d, o lote tem uma distribuição de tamanhos. O g corrige o uso de $d^3$ para uma granulometria real.

• Se o material tem muita fração grossa relevante → g aumenta.
• Se a maior parte já está fina → g diminui.

---

4) l — fator de liberação (mineralogia e cominuição)

Representa o quanto o mineral de interesse está liberado (ou “travado”) nas partículas.

• Mineral bem liberado (partículas “puras” de minério e de ganga) → heterogeneidade constitucional maior → l tende a ser maior.
• Mineral muito travado (misturado) → cada partícula é mais “média” → l menor.

Isso parece contraintuitivo, mas é correto: liberação aumenta o contraste entre partículas (e o FSE).

---

5) Resumo: o que cada fator “mede”

• c: contraste de teor/densidade entre partículas.
• f: geometria real das partículas
• g: efeito da distribuição granulométrica
• l: quanto a cominuição criou partículas mais “puras” (mais heterogêneas)

Conclusão

A amostragem constitui a etapa mais crítica na cadeia de geração de dados em geologia, mineração e processamento mineral, pois é responsável por transformar um lote heterogêneo em um conjunto reduzido de informações utilizadas na estimativa de teores, tonelagens e parâmetros de processo. A confiabilidade de qualquer modelo geológico ou decisão operacional depende diretamente da representatividade das amostras coletadas.

De acordo com a Teoria da Amostragem de Pierre Gy, todo material natural é intrinsecamente heterogêneo e, portanto, qualquer processo amostral introduz erro. O objetivo técnico não é eliminar esse erro, mas controlá-lo e quantificá-lo por meio de procedimentos adequados de coleta, preparação e análise. Entre os principais mecanismos destacam-se os erros de delimitação, extração, agrupamento e segregação, subamostragem e erros analíticos, os quais podem introduzir viés sistemático ou aumentar a variabilidade dos resultados.

O erro fundamental de amostragem representa a componente mínima e inevitável associada à heterogeneidade constitucional do material, sendo função da granulometria, da massa da amostra e do contraste de composição entre partículas. Esse erro estabelece o limite inferior da incerteza amostral e fundamenta o dimensionamento de massas mínimas representativas e protocolos de preparação.

Assim, o entendimento dos princípios teóricos da amostragem e dos diferentes tipos de erro é essencial para reduzir incertezas, melhorar programas de QA/QC e garantir maior confiabilidade nas estimativas de recursos, no planejamento de lavra e no controle de processos minerais, minimizando riscos técnicos e econômicos ao longo do ciclo de vida do empreendimento mineral.

Bibliografia

Gy, P. (1979). Sampling of Particulate Materials: Theory and Practice. Amsterdam: Elsevier.

Gy, P. (1998). Sampling for Analytical Purposes. Chichester: John Wiley & Sons.

Gy, P. (2004). Chemometrics and Sampling Theory. Paris: Elsevier.

Pitard, F. F. (1993). Pierre Gy’s Sampling Theory and Sampling Practice. Boca Raton: CRC Press.

Pitard, F. F. (2019). Theory of Sampling and Sampling Practice (3rd ed.). CRC Press.

Minnitt, R. C. A., & Assibey-Bonsu, W. (2010). Sampling practices in the gold mining industry. Journal of the Southern African Institute of Mining and Metallurgy.

Dominy, S. C., & O’Connor, L. (2001). Sampling and the estimation of gold deposits. Transactions of the Institution of Mining and Metallurgy.

Francois-Bongarçon, D. (2005). The practice of the Theory of Sampling. IMPC Proceedings.