A análise granulométrica é uma etapa fundamental não apenas para avaliar o desempenho de circuitos de cominuição, mas também para o controle de rotina na mineração.
Na prática operacional, o tamanho do produto moído é frequentemente balizado por um único ponto na curva de passante cumulativo, sendo o mais comum o tamanho 80% passante, ou P80. Esse parâmetro permite que um operador peneire uma fração do produto em uma única malha e tome medidas rápidas de controle caso o material esteja muito grosso. No entanto, ao plotar a distribuição completa, os dados reais frequentemente formam curvas em formato de “S”, o que gera um congestionamento de pontos nas extremidades do gráfico e dificulta a leitura precisa do P80. Para contornar esse problema e obter uma interpolação exata a partir dos dados brutos das peneiras, a indústria recorre a diversos modelos matemáticos que ajustam as escalas do gráfico.
Historicamente, um dos modelos mais aplicados é o de Gates-Gaudin-Schuhmann, que plota a porcentagem de passante cumulativo contra a abertura da peneira em um gráfico log-log. Sua grande vantagem é transformar os dados em uma linha reta que se ajusta excepcionalmente bem às frações de tamanho fino e médio, geralmente capturando com precisão o intervalo entre 15% e 85% de material passante. O problema, contudo, é que essa escala log-log expande consideravelmente a visualização dos finos (abaixo de 50%), mas contrai severamente a região acima de 75%. Como a maior parte do controle se dá justamente no P80, essa contração pode ser uma desvantagem significativa na extração exata desse valor.
Como alternativa, o modelo de Rosin-Rammler — originalmente desenvolvido para o beneficiamento de carvão — utiliza uma escala de duplo logaritmo contra logaritmo, baseada na relação matemática ln(100/(100−P)) = ln_b_+n_ln_d. Ao contrário do modelo de Gaudin-Schuhmann, o Rosin-Rammler expande tanto as extremidades inferiores (abaixo de 25%) quanto as superiores (acima de 75%), contraindo apenas a região intermediária de 30% a 60%. Essa característica o torna muito útil para representar produtos de moinhos de bolas e para monitorar operações com distribuições granulométricas muito assimétricas (enviesadas). No entanto, aplicar o logaritmo duas vezes pode ocultar a dispersão real dos dados, exigindo cautela em seu uso prático.
Para lidar com as limitações desses modelos tradicionais nas extremidades extremas da curva, o modelo Swebrec surge como uma solução moderna e robusta. Ele é um modelo cumulativo que utiliza três parâmetros: o tamanho mediano (_x_50) um parâmetro de forma (ondulação) e o tamanho máximo absoluto, ou “top size” (Xmax) Ao exigir um referencial de 100% de material passante (muitas vezes inserido como 99,99% em softwares por limitações matemáticas), o Swebrec “sabe” onde a curva deve terminar, o que faz com que ele se ajuste de forma excepcional às “caudas” mais grossas da distribuição. Isso garante muito mais estabilidade na interpolação do P80 do que os modelos de dois parâmetros, que às vezes perdem a precisão nas extremidades.
Por outro lado, se o objetivo for apenas ter uma curva de referência rápida para fins de comparação, o modelo Bond Raiz-2 é ideal. Trata-se de um caso especial de lei de potência (semelhante ao Gaudin-Schuhmann), mas com um expoente fixo (aproximadamente 0,707 ou expoente de 1/2) ancorado no tamanho 50% passante (X50) Como esse formato padrão foi frequentemente observado por Bond em testes de laboratório e produtos de moinhos, ele serve como uma excelente base de comparação. Se a curva real do circuito se desviar muito desse modelo, o engenheiro sabe que pode haver alguma anomalia na fragmentação ou mudanças na textura do minério.
Apesar do arsenal de regressões matemáticas disponíveis, é crucial que o engenheiro compreenda que a natureza do minério muitas vezes desafia esses modelos. Quando representamos os dados retidos nas peneiras em formato de histograma (curva de frequência), podemos visualizar o “modo” ou os tamanhos mais frequentes do material. Em alguns fluxos de processo, como no underflow de hidrociclones, a distribuição frequentemente se apresenta de forma bimodal, ou seja, com duas “corcovas” distintas no histograma. Nessas situações, nenhum dos modelos de regressão mencionados conseguirá se ajustar bem a toda a curva, pois eles assumem um comportamento contínuo e unimodal.
Diante dessas complexidades, a análise de dados exige interpretação e ajustes. Uma técnica amplamente utilizada quando há uma mudança brusca na inclinação da curva em um gráfico log-log (um ponto de inflexão) é simplesmente descartar os dados mais finos abaixo dessa inflexão e aplicar os modelos de regressão apenas na fração grossa, focando exclusivamente em encontrar o P80 exato. Quando até mesmo essas adaptações falham, ou quando a curva experimental é naturalmente suave e sem ruídos graves, a abordagem mais segura é abandonar as regressões complexas e optar por interpolações simples. O modelo do vizinho mais próximo (nearest neighbor), por exemplo, resolve a questão traçando uma reta log-log apenas entre os dois pontos imediatamente adjacentes ao alvo desejado (logo acima e logo abaixo de 80%). Aliado a métodos como splines cúbicos ou quadráticos, essa é muitas vezes a forma mais fiel de interpolar o P80 sem forçar os dados a assumirem um comportamento matemático irreal.
