Utilisation des données de minéralogie automatisée dans la simulation de procédés avec USIM PAC

La minéralogie quantitative automatisée mesure la composition, la taille et la libération de centaines de milliers de particules individuelles. La simulation de procédés prédit comment une usine traitera un minerai. Un projet de recherche mené par l’INP-Toulouse, le BRGM et CASPEO explore l’utilisation directe des données de minéralogie automatisée dans USIM PAC. Les premiers résultats sont prometteurs. Chaque teneur et récupération prédite est accompagnée de sa distribution de probabilité. Les ingénieurs peuvent ainsi évaluer au mieux la performance attendue d’une usine ainsi que le risque associé. Un article présenté au congrès IMPC 2026 au Cap (Afrique du Sud).

Pourquoi la minéralogie du minerai régit-elle la performance d’une usine ?

La variabilité du minerai est la principale source de fluctuations de performance d’une usine. Deux lots ayant la même teneur en cuivre peuvent se comporter différemment en flottation si la minéralogie diffère. La libération, les associations minérales et la taille des particules déterminent ce qu’une étape de séparation peut récupérer.

Une simulation qui n’utilise que des teneurs moyennes passe à côté de cet aspect. Elle prédit le comportement d’un minerai moyen que l’usine ne reçoit jamais. Une simulation basée sur la minéralogie prédit le comportement de l’alimentation réelle.

Qu’apporte la minéralogie automatisée à la simulation de procédés ?

La minéralogie automatisée analyse les particules individuelles. Elle quantifie la composition, la taille et la libération de chacune d’entre elles. Sur l’étude de cas présentée dans l’article, le MLA a analysé environ 300 000 particules. C’est la description la plus détaillée d’un minerai disponible aujourd’hui.

Une simulation basée sur des analyses chimiques ne peut pas exploiter ce niveau de détail. Elle suit les éléments à travers l’usine, comme le % Cu, et perd l’information sur la manière dont les minéraux sont répartis entre les particules.

USIM PAC a été conçu différemment. Depuis sa création il y a 40 ans, notre logiciel de traitement des minerais décrit le minerai comme un ensemble de particules, chaque classe ayant sa propre taille, sa composition minérale et son état de libération. . Les données de minéralogie automatisée s’adaptent donc à sa structure, et le simulateur prédit le comportement de chaque classe de particules à chaque étape du circuit.

Pour utiliser directement les données brutes du MLA, deux points restaient à résoudre :

• La première est l’incertitude : comment quantifier l’incertitude d’échantillonnage contenue dans les données MLA ? Une mesure MLA analyse un échantillon. Cet échantillon porte sa propre incertitude, et la simulation en hérite.
• Le deuxième point concerne le format : comment intégrer des particules individuelles dans un simulateur ? USIM PAC décrit la matière sous forme de classes de particules. Des centaines de milliers de particules mesurées doivent être regroupées en classes sans perdre d’informations utiles.

Ces deux questions constituent le point de départ d’un projet de recherche mené par l’INP-Toulouse, le BRGM et CASPEO.

Fonctionnement de la méthode

Cette recherche constitue le travail de thèse de Julien Guidihoumme à l’INP-Toulouse. CASPEO a ouvert ses portes à Julien et soutient le projet.

• Incertitude minéralogique

Les données de particules MLA sont rééchantillonnées par la méthode bootstrap. L’équipe a comparé cette approche à la méthode développée par Lyman pour évaluer les erreurs d’échantillonnage à partir des données MLA. Avec 5 000 itérations de rééchantillonnage, les deux méthodes ont donné des estimations d’incertitude proches pour toutes les phases minérales.

• Incertitude sur la taille des particules

Le MLA possède un seuil d’analyse granulométrique pour les particules très fines, autour de 2 µm. Dans l’étude de cas, ces fines étaient significatives. La méthode ajoute une simulation de Monte Carlo de la distribution granulométrique mesurée pour combler cette lacune.

• Simulation dans USIM PAC

Une méthode de clustering regroupe les particules MLA en classes que USIM PAC peut utiliser comme alimentation. Les deux sources d’incertitude sont ensuite propagées à travers la simulation.

Ce que cette recherche ouvre pour les projets miniers

La simulation avec incertitudes donne accès aux distributions de probabilité complètes des teneurs et des récupérations. Les ingénieurs peuvent comparer les options de procédés sur la base de leur performance attendue et de leur risque.

Avantages de la simulation avancée pour les opérations minières :

• Études de faisabilité : évaluer un nouveau corps minéralisé ou un dépôt de résidus avec une plage de résultats réaliste
• Sélection du flowsheet : comparer deux schémas de procédés sur la performance et sur la confiance que l’on peut accorder à chacun
• Optimisation de l’usine : comprendre comment la variabilité minéralogique de l’alimentation affecte l’usine

CASPEO investit dans cette recherche pour apporter ces capacités aux utilisateurs d’USIM PAC.

Auteurs

• Julien Hospice Guidihoumme, doctorant – Toulouse INP (auteur)
• Kathy Bru, chef de projet & ingénieur de recherche en génie des procédés – BRGM
• Stéphane Brochot, PhD. – CASPEO
• Florent Bourgeois, PhD. – Toulouse INP-ENSIACET

Stéphane Brochot présentera les travaux de Julien à l’IMPC 2026, le 32ème Congrès international de traitement des minerais, organisé par le Southern African Institute of Mining and Metallurgy (SAIMM), au Cap, du 18 au 22 octobre. L’article est intitulé « Développement d’une méthode originale pour l’utilisation directe des données de minéralogie quantitative automatisée pour la simulation des procédés de traitement des minerais avec incertitudes. »