"Um nível de segurança mais elevado implica necessariamente o sacrifício da produtividade" — esta perceção tradicional, há muito enraizada no setor mineiro, está a ser desafiada pela mais recente investigação de académicos suecos. A principal contribuição deste estudo reside em verificar que a segurança e a produtividade não só podem ser otimizadas de forma unificada sob a mesma estrutura, como também podem atingir simultaneamente níveis muito superiores aos dos projetos de sistemas tradicionais e independentes.

Durante muito tempo, o setor mineiro debateu-se em torno de um "dilema de soma zero": riscos elevados trazem alta produção, enquanto alta segurança sacrifica a produtividade. Os sistemas de decisão de segurança, de programação da produção e de manutenção de equipamentos das empresas mineiras pertencem a pilhas de software independentes, sem interoperabilidade de dados e alinhamento de objetivos entre si, o que dificulta a conversão da otimização de um único subsistema num ótimo global. A decisão descentralizada também leva a que as restrições de segurança sejam simplificadas para "instruções de paragem brusca" durante o processo de otimização — quando um limiar de segurança é acionado, o sistema é forçado a parar, resultando numa queda abrupta da produtividade.

A 22 de abril de 2026, Rajesh Patil e Magnus Löfstrand, da Universidade de Tecnologia de Luleå (Suécia), publicaram um artigo inovador no Volume 14, Número 5, da revista Technologies da MDPI, propondo e validando experimentalmente pela primeira vez uma estrutura de otimização multiobjetivo unificada e com restrições de segurança, respondendo sistematicamente à questão central da ciência mineira: "como aumentar significativamente a segurança na mineração sem sacrificar a produtividade".

Integrar a segurança na função objetivo da otimização

As estruturas de mineração autónoma existentes concentram-se maioritariamente na otimização local de subsistemas discretos (como navegação de veículos, planeamento de detonações ou gestão de frotas), carecendo consistentemente de um método de otimização unificado rigorosamente validado tanto em cenários de mineração a céu aberto como subterrânea. Este estudo propõe uma arquitetura de mineração autónoma hierárquica e escalável, desde a fusão de sensores no nível inferior, passando pela inteligência periférica e cooperação de frotas no nível intermédio, até ao apoio à decisão por gémeo digital no nível superior, integrando a dinâmica de veículos, a mecânica de perfuração e a coordenação de frotas multiagente numa estrutura de modelação matemática centrada na segurança. A sua maior inovação teórica reside em abandonar a abordagem tradicional de "segurança = restrição rígida", substituindo-a por um problema de otimização multiobjetivo com restrições de segurança, otimizando simultaneamente a minimização do risco de segurança, a maximização da produtividade e a minimização do consumo de energia numa única função objetivo matemática, em vez de as tratar separadamente em três sistemas independentes.

Um salto duplo em segurança e produtividade

A equipa de investigação utilizou uma abordagem de validação tripla — simulação de Monte Carlo (com medição de incerteza), análise de sensibilidade e testes de hipóteses estatísticas — para avaliar sistematicamente o desempenho da estrutura sob condições de negação de GNSS e restrições climáticas extremas do Ártico. Os resultados preliminares mostram:

Redução do risco de segurança em 48,6% ± 4,1%;

Aumento da produtividade em cerca de 24,3% ± 3,2%;

Redução do consumo de energia em cerca de 12,8% ± 2,5%.

A análise de sensibilidade indicou ainda que a precisão do posicionamento, a latência da comunicação e os pesos de otimização são os principais fatores que influenciam o desempenho global do sistema — uma descoberta que fornece uma direção clara para a atualização de hardware na implementação industrial da estrutura. O significado central deste avanço é que se trata de um modelo de referência validado por testes de hipóteses estatísticas, reproduzível e transferível entre diferentes condições operacionais de minas, com a dupla capacidade de apoiar diretamente a implementação industrial e a investigação futura em mineração autónoma.

Quatro inovações tecnológicas centrais

1. Estrutura matemática de otimização multiobjetivo unificada: Formaliza o modelo de dinâmica de veículos, o modelo de mecânica de perfuração e o modelo de coordenação de frotas multiagente num único conjunto de expressões matemáticas, alcançando pela primeira vez a solução ótima global entre subsistemas.

2. Arquitetura de mineração autónoma hierárquica: Constrói uma arquitetura progressiva de três camadas — "Camada de Fusão de Sensores → Camada de Inteligência Periférica e Cooperação de Frotas → Camada de Apoio à Decisão por Gémeo Digital" — que suporta operação estável sob condições de negação de GNSS e ambientes climáticos extremos.

3. Design de engenharia com prioridade para restrições de segurança: Eleva as restrições de segurança de "instruções de paragem brusca" para restrições de segurança flexíveis (soft safety constraints), permitindo que o sistema otimize dinamicamente em vez de parar imediatamente ao aproximar-se dos limiares de risco.

4. Sistema de validação estatisticamente rigoroso: A simulação de Monte Carlo combinada com medição de incerteza cobre perturbações reais como erros de posicionamento de equipamentos, latência de comunicação e variações do terreno; a análise de sensibilidade identifica os estrangulamentos de desempenho; os testes de hipóteses estatísticas fornecem os intervalos de confiança necessários para a tomada de decisões de engenharia.

Um modelo de referência "transferível" do laboratório para o local da mina

O caminho para a implementação industrial desta estrutura é claro. A análise de sensibilidade aponta a direção para a atualização de hardware — melhorar a precisão do posicionamento subterrâneo e reduzir a latência da comunicação são as prioridades imediatas para libertar todo o potencial da estrutura. A introdução da camada de gémeo digital permite que a estrutura realize a "pré-otimização" de novas minas em ambiente virtual, reduzindo significativamente os riscos de comissionamento no local.

O maior valor estratégico deste estudo reside no facto de fornecer um modelo de referência unificado e transferível, em vez de uma solução patenteada "isolada" que resolve apenas problemas de um tipo específico de mina. Numa altura em que a taxa de penetração de equipamentos de mineração automatizados aumenta rapidamente, esta estrutura fornece às empresas mineiras globais um roteiro claro para a otimização colaborativa "segurança-produtividade-consumo de energia".