Development of a model for iron concentrate tonnage with least angle regressions – An industrial trial

ABSTRACT

The optimal concentrate assay and weight recovery are among the most important factors in mineral processing plants, particularly iron ore beneficiation plants. The optimal balance between concentrate assay and total recovery is typically determined through chemical analysis and application of the Davis tube test in the laboratory. Consequently, the level of concentrate assay and tonnage is regulated in the plant by (a) sampling and chemical analysis in the lab and (b) application of weighing equipment such as belt scales. Belt scales also have a random error and specified standard deviation in weighing and are not completely reliable. Modifying the assay obscures the variation in concentrate weight. The best subset method can be used to extract the relation between concentrate tonnage and process variables; however, this method is unsuitable due to the variance inflation factor (VIF). In this investigation, to circumvent VIF, simple models using least angle regressions (LARS), Lasso, and LAR are presented utilising 2655 data (for each variable) collected from the Gohar Zamin beneficiation iron ore plant. The highest model’s R-square was 66.51%, and it predicted that if the concentrate assay decreases from 68.41% to 67%, the total concentrate tonnage can increase by 33800–35300 tons per year with a 95% prediction interval for the 2 million-ton capacity plant.

Le dosage optimal du concentré et la récupération du poids sont parmi les facteurs les plus importants dans les usines de traitement des minéraux, en particulier les usines d’enrichissement du minerai de fer. L’équilibre optimal entre le dosage du concentré et la récupération totale est déterminée typiquement par l’analyse chimique et l’application de l’essai du tube Davis en laboratoire. Par conséquent, le niveau d’analyse et le tonnage du concentré sont régulés dans l’usine par (a) l’échantillonnage et l’analyse chimique en laboratoire et (b) l’application d’équipements de pesage tels que des balances à bande pour le concentré final. Typiquement, la qualité du concentré fluctue et n’est pas stable dans le temps. Les balances à bande ont également une erreur aléatoire et un écart type spécifié lors du pesage et ne sont pas complètement fiables. La modification de l’essai obscurcit la variation du poids du concentré. On peut utiliser la méthode du meilleur sous-ensemble pour extraire la relation entre le tonnage du concentré et les variables de traitement; cependant, cette méthode n’est pas appropriée en raison du facteur d’inflation de la variance (VIF). Dans cette investigation, afin de contourner le VIF, on présente des modèles simples utilisant des régressions du moindre angle (LARS), Lasso et LAR en utilisant 2655 données (pour chaque variable) collectées à l’usine d’enrichissement du minerai de fer de Gohar Zamin. Le R-carré le plus élevé du modèle était de 66.51% et il prévoyait que si le dosage du concentré diminuait de 68.41% à 67%, le tonnage total du concentré pourrait augmenter de 33800 à 35300 tonnes par an avec un intervalle de prévision de 95% pour l’usine d’une capacité de 2 millions de tonnes.

KEYWORDS:

• Least angle regressions
• Lasso regression
• magnetite separation
• LARs
• iron concentrate

Acknowledgements

Appreciations are extended to the Gohar Zamin Iron Ore Company for its full cooperation and support of this research.

Disclosure statement

No potential conflict of interest was reported by the author(s).