Professional Documents
Culture Documents
Ivonne Salas
UNIVERSIDAD DE ANTOFAGASTA
Facultad de Ingeniería
27 Noviembre de 2017
RESUMEN
La minería como negocio involucra una gran cantidad de capital con un alto nivel de
incertidumbre, y es la etapa de planificación y evaluación la encargada de guiar para
obtener el mejor resultado económico, que parte con un modelo geológico, cuyas
variables mineralógicas, estructurales, leyes y otras, como es el análisis de las
muestras en laboratorios para contener una referencia con cierta precisión y
exactitud del recurso como propiamente tal, es decir, obtener cierta incertidumbre de
lo que existe bajo la superficie y así realizar un estudio favorable para evitar pérdidas
en el negocio minero. Si bien es cierto afirmar que el análisis de las muestras en
laboratorios o QA/QC contienen errores en las bases de datos entregadas por los
analistas, estas sugieren que cada vez de comenzar una estimación del recurso con
2
respecto a sus reservas se debe realizar una revisión previa para tener un
conocimiento de que muestras analizaremos, por qué las analizaremos, cuáles son
las diferencias de las muestras conocidas y las que contienen un mayor grado de
incertidumbre (datos atípicos, anómalos y leyes negativas). (Tesis Universidad de
chile, “Desarrollo de metodologías de optimización del portafolio de proyectos de
exploración para yacimientos de cobre”, Luis Moreno Ibarra, octubre 2013).
3
teóricamente son aceptados según su clasificación. Además, utilizar las bases con el
fin de administrar el recurso minero y derivarlo a una reserva de esta para obtener
las clasificaciones concretas que serán suministradas según el criterio de medición
probable y probado para la obtención de cuánta cantidad de mineral podemos
obtener con cierto grado de incertidumbre cercano a la realidad y que entregara un
grado afable del criterio de lo que necesitamos para que el negocio minero no
culmine. (“Estimación de recursos mineros, Marco Alfaro Sironvalle, julio 2007).
4
ÍNDICE
RESUMEN .................................................................................................. 2
DEFINICIONES GENERALES ......................................................................... 7
CAPITULO 1 ............................................................................................... 9
INTRODUCCIÓN ......................................................................................... 9
1.1 OBJETIVOS........................................................................................... 9
1.1.1 OBJETIVO GENERAL ............................................................................................................ 9
1.1.2 OBJETIVOS ESPECÍFICOS ............................................................................................... 10
1.1.3 ALCANCE ............................................................................................................................... 10
CAPÍTULO 2 ............................................................................................. 12
REVISIÓN BIBLIOGRÁFICA ........................................................................ 12
2.1 TEORÍA DE ESTIMACIÓN DE RECURSOS ....................................................................... 12
CAPÍTULO 3 ............................................................................................. 21
MATERIALES Y MÉTODOS .......................................................................... 21
3.1 CLASIFICACIÓN BASE DE DATOS. .................................................................................... 21
3.1.1 ESTUDIO DATOS ORIGINALES .................................................................................... 21
3.1.2 ESTUDIO DATOS CONOCIDOS. .................................................................................. 22
3.1.3 ESTUDIO DE DATOS ANÓMALOS ............................................................................... 23
3.1.5 MEDIDAS DE POSICIÓN Y DISPERSIÓN ................................................................... 25
3.2 IMPLEMENTACIÓN DE SOFTWARE VULCAN 8.0.2........................................................ 32
3.2.1 ANÁLISIS VARIOGRÁFICO ............................................................................................ 34
3.3 ESTIMACIÓN ............................................................................................................................ 40
3.4 CATEGORIZACIÓN DE RECURSOS ................................................................................... 43
CAPÍTULO 4 ............................................................................................. 46
RESULTADOS OBTENIDOS ......................................................................... 46
4.1 RESULTADOS DE LA ESTIMACIÓN DE RECURSOS ..................................................... 46
4.2 RESULTADOS DE LA CATEGORIZACIÓN DE RECURSOS .......................................... 49
4.2.1 CATEGORIZACIÓN PARA CUT% ................................................................................. 50
4.2.2 CATEGORIZACIÓN PARA CUS% ................................................................................. 52
CAPÍTULO 5 ............................................................................................. 56
CONCLUSIÓN ........................................................................................... 56
5
TABLA DE FIGURAS
Figura 1 Categorización de reserva y recurso ............................................... 18
Figura 2 Sondaje del proyecto Damone ....................................................... 24
Figura 3 Referencia de rango de leyes según su color .................................... 32
Figura 4 Elipsoide ..................................................................................... 33
Figura 5 Valores de Ángulos elipsoide .......................................................... 34
Figura 6 Variograma CuT Azimut 120° plunche -13°...................................... 35
Figura 7 Variograma CUT Azimut 30° y Plunche 0 ......................................... 35
Figura 8 Variograma CUT 120° Plunche 77° ................................................. 36
Figura 9 Variograma CuS Azimut 120° plunche -13° ..................................... 37
Figura 10 Variograma CUS Azimut 120° y plunche 0° .................................... 37
Figura 11Variograma CUS Azimut 120° y Plunche 77° ................................... 38
Figura 12 Variograma AG Azimut 120° Plunge -13° ....................................... 39
Figura 13 Mineral Estimado ........................................................................ 40
Figura 14 Discretizacion 4x4x4 ................................................................... 41
Figura 15 Ajuste radio de búsqueda ............................................................ 42
Figura 16 Mínimo y Máximo para estimar un bloque ...................................... 42
Figura 17 Estimación realizada ................................................................... 43
Figura 18script con las variables para obtener la categorización correcta (AG%)45
6
DEFINICIONES GENERALES
Rotura de la roca: Son superficies a lo largo de las cuales una roca o mineral se ha
roto. (Superficies a lo largo de las cuales el material ha perdido cohesión). Las
fracturas se distinguen por el movimiento relativo que ha ocurrido a lo largo de ellas
durante su formación. Además, se puede entender como rotura a la fragmentación
de esta para otorgar la liberación del mineral de ley compuesto en ella.
Liberación del mineral: Hace referencia al tamaño de grano mínimo al cual hay que
moler una mena para lograr separar sus especies minerales de la ganga. Cabe
mencionar que esta puede realizarse por una rotura aleatoria o no aleatoria.
7
Incremento: Una cantidad de materia seleccionada del lote mediante un dispositivo
de muestreo en una sola operación.
Muestra: Es una cantidad de materia que es extraída del lote, a menuda obtenida
mediante la reunión de distintos incrementos o fracciones del lote es representativa.
8
CAPITULO 1
INTRODUCCIÓN
OBJETIVOS
9
curva de tonelaje ley con sus respectivas leyes medias, leyes de corte y los tonelajes
totales para cada medición (medido, indicado e inferido) de cada mineral con el fin de
evaluar claramente el recurso estimado.
1.3 ALCANCE
10
Implementar un estudio en base a gráficos de curva tonelaje ley el cual arroje
un estimado de cuanto es lo que vamos a extraer de mineral.
Verificar una correlación de los datos con sus respectivos ponderadores para
estimar según la varianza del kriging.
11
CAPÍTULO 2
REVISIÓN BIBLIOGRÁFICA
2.1.1 GEOESTADÍSTICA
• Análisis estructural.
El alcance implica la relación de los datos, después del alcance existe una
independencia de los datos
12
Se define como un fenómeno natural regionalizado, que se extienden en el
espacio geográfico por lo general, y que tiene una cierta continuidad, este espacio
también puede ser en ocasiones un espacio abstracto.
2.1.3 CAMPO
2.1.4 SOPORTE
13
2.1.6 COMPÓSITO
2.1.7 HISTOGRAMA
Permite detectar los datos atípicos en las muestras. Este valor atípico podría
reflejar el comportamiento verdadero de la variable regionalizada y eliminarlo
impediría prever la ocurrencia de tales valores en las zonas no muestreadas.
Los datos atípicos podrán observarse de tal manera que están notablemente
alejados con respecto a la media de los datos y no representan el comportamiento
masivo del depósito. Es relevante tomar consideración que estos tipos de datos no
representan el comportamiento general de la muestra pero si nos pueden dejar en
evidencia las característica de un segmento válido de la población y por
14
consecuencia la falta de representatividad de cierta porción de la muestra. Estos
datos pueden ser perjudiciales o beneficiosos en el análisis.
Son datos que se encuentran ausentes en el estudio, producido por algún tipo
error humano o computacional. Por esto la normalidad de encontrar valores ausentes
en la base de datos. También puede suceder que existan errores al momento de
introducir los datos y esto conlleva la ausencia de ciertos datos, estos datos
ausentes tendrán su relevancia en la pérdida de representatividad de la muestra
analizada.
2.1.10 VARIOGRAMA
15
2.1.11 ANISOTROPÍA GEOMÉTRICA
16
2.1.14 KRIGEAGE
17
Es una técnica de estimación que proporciona el mejor estimador lineal
imparcial de variable estacionaria de media no conocida.
18
2.1.17 CATEGORIZACIONES DE RECURSOS
• Números de muestras.
19
2.1.18.1 POR LA VARIANZA DE ESTIMACIÓN DEL KRIGING
20
CAPÍTULO 3
MATERIALES Y MÉTODOS
Se realiza un estudio de los datos entregados a través del proyecto damone los
cuales presentan las variables de interés
Collar
Survey
Assay
Dentro de la base de dato Assay se concentran las variables CUT, CUS, AG de las
cuales se realizara un estudio estadístico, investigando la cantidad de datos
entregados, tantos conocidos y los no tomados en consideración, con una ley de
corte 0.3% para CUT.
21
En la base de dato analizada se determinaron valores negativos de los cuales
podemos mencionar que son leyes con una alta cantidad de incertidumbre, ya que
estas pueden ser por distintos motivos como malas rotulaciones de muestras,
contaminación de la muestra y una ley muy baja (estéril)
22
3.1.3 ESTUDIO DE DATOS ANÓMALOS
En la base de dato analizada se determinaron datos anómalos ya que al
aplicar la formula () se obtuvieron 29 datos anómalos, ya que el cobre soluble era
mayor al cobre total.
A estos datos se le aplicó una variación con respecto a la solubilidad que contenía el
sondaje.
23
La información obtenida para llevar a cabo el análisis estadístico por unidad
geológica, se logró a partir de una campaña de sondajes para el cobre total, cobre
soluble y plata, en donde se realizaron 236 sondajes con un largo de perforación que
van desde 12 metros – hasta los 614 metros. Luego se mostrara una imagen donde
se muestran los sondajes realizados en el proyecto y su topografía figura ()
Esta área que cubre la zona mineralizada nos va permitir evaluar los recursos in-situ
(tonelaje y ley media). En esta etapa se puede realizar una primera estimación global
utilizando la información proveniente de los sondajes obtenidos en esta campaña es
sabido que la precisión de la estimación no solo dependerá del número de muestras
24
que se utilice si no de la variabilidad in situ de la ley del depósito y por supuesto de la
manera que esta variabilidad sea muestreada.
25
Estadígrafo/Variable CUT CUS AG
Recuento 62769 4960 9726
Promedio 0,16999 0,894651 0,987947
Mediana 0,033075 0,606375 1,0693
Moda 0,011025 0,33075 0
Varianza 0,271053 0,840413 1,40829
Desviación Estándar 0,520628 0,916741 1,2011
Coeficiente de
Variación 3,06% 1,0247% 1,21%
Mínimo 0 0 0
Máximo 12,5685 8,66565 10,0783
Rango 12,5685 8,66565 10,0783
Se aprecia que las medias de las leyes obtenidas para cada una de las
variables analizadas (CUT , CUS , AG) , fueron [0,16 ; 0,89 y 0,98] y además
se puede ver que los valores más frecuentes de las leyes de cada una de las
variables son [0,011025 ; 0,33075 ; 0].
26
Con las medidas obtenidas de dispersión para cada de las variables
analizadas fueron de Desviación Estándar [0,520628; 0,916741; 1,2011] %
respectivamente, estos valores más la media obtenida anteriormente nos
permite determinar los intervalos de variación para cada uno de las variables.
La varianza calculara para cada variable, nos indica una alta dispersión de las
leyes respecto a sus medias debido a que las desviaciones estándares son
mayores que las medias de cada variable.
27
Se puede observar en el histograma para el cobre total posee una
concentración de muestras con leyes que fluctúan entre 0 % y 1.5%,
justamente este corresponde al rango que contiene a la media.
El cobre total presenta un claro sesgo positivo muy similar a la que presenta
una distribución log normal.
28
Gráfico 3 Histograma CUS
29
CUS% Rango N° Datos
Gráfico 4 Histograma AG
En el grafico (4) muestra la forma que se concentran los datos entre 0 – 0.1%.
30
AG% Rango N° Datos
3.1.6 COMPOSITACION
Para definir nuestro compósito se toma como campo de estudio las leyes de CUT
(cobre total), CUS (cobre soluble) y AG (plata) Para el método se debe definir el
largo de los compósitos, el cual se considerará de un metro como medida
estándar. El método también nos entrega la posibilidad de calcular diferentes
parámetros estadísticos tales como:
Peso de la media
Grado máximo
Grado mínimo
Varianza
Numero de muestro
31
Tabla 1 Comparación de varianza
Luego de importar los datos se crea una leyenda para diferencias las leyes de
cobre total mediante colores representativos
32
Una vez que ya tenemos cargados los sondajes con sus respectivas leyendas se
determinó el tamaño del composito dependiendo de sus respectivas varianzas y a
esto se le centrara un elipsoide X, Y, Z con el objetivo de detectar direcciones
privilegiadas de mineralización para obtener un variograma ortogonal.
Figura 4 Elipsoide
33
Figura 5 Valores de Ángulos elipsoide
34
3.2.1.1 ANÁLISIS VARIOGRAMAS CUT
35
Figura 8 Variograma CUT 120° Plunche 77°
36
3.2.1.2 ANÁLISIS VARIOGRAFICOS PARA CUS
37
Figura 5 Variograma CUS Azimut 30° Plunche0°
38
3.2.1.3 ANÁLISIS VARIOGRAFICOS PARA AG
39
Al analizar los variogramas estudiados se puede estimar que el efecto pepa
calculado es de (0.681) para ambos casos lo que nos indica que existe una
moderada variabilidad en las leyes estimadas, asimismo se puede decir que para
los distintos variogramas con los azimut (120°, 30°) se puede concluir que la
anisotropía geométrica en ambos casos es simétrica ya que solo cambia la
dirección del alcance y mientras que la meseta se mantiene constante
Para el ultimo variograma presentando se puede decir que presenta una regular
aleatoriedad sin estructura mineralizada.
3.3 ESTIMACIÓN
Primero que todo se define lo que es sólido con valor 1 y todo lo que se
encuentra fuera del sólido como valor 0.
40
Se realizara la estimación del bloque a través del krigeage ordinario, ya que
el krigeage es el mejor estimador lineal insesgado y es el método más utilizado, ya
que se desconoce el valor promedio de la variable regionalizada, para luego
comenzar a estandarizar mediante una descretizacion la cual consiste en dividir
los bloques entre los ejes X, Y, Z
41
Figura 15 Ajuste radio de búsqueda
42
En esta opción se ingresó el mínimo número de muestras para que un
bloque se pueda estimar y el máximo de numero de muestras para la estimación.
43
Los recursos medidos literalmente contienen un alto grado de certidumbre
por el análisis, por la estimación de los recursos basándose en datos geológicos o
pruebas representativas tal que la información de la continuidad de leyes permita
su validación. Por su parte, Los recursos indicados son la reservas no probadas
sobre las que el análisis geológico de los datos sugiere que es más probable que
sean producidas que no lo sean, por último, los recursos inferidos son aquellas no
probadas en las que el análisis geológico sugiere que es menos probable que
sean recuperadas que las reservas indicadas.
44
Figura 18script con las variables para obtener la categorización correcta (AG%)
45
CAPÍTULO 4
RESULTADOS OBTENIDOS
Una vez que se ha estimado, podemos obtener las siguientes curva tonelaje
v/s ley para nuestras 3 variables CUT%, CUS% y AG%, y sus tablas de datos
obtenidas.
Tabla 4.1: Tonelajes del cobre total para la estimación mediante kriging ordinario
46
Cutoff Ley media CUT% Tonelaje
0 1.04 21514177.6
0.5 1.07 20804291.8
1 1.32 10517184.4
1.5 1.85 2226215.7
2 2.41 497660.79
2.5 2.92 144778.49
3 3.55 38092.76
47
Tabla 4.2: Tonelajes del cobre soluble para la estimación mediante kriging ordinario
Ley media
Cutoff CUS% Tonelaje
0 0.86 21464439
0.5 0.99 17252315.9
1 1.27 7541838.26
1.5 1.69 1044772.96
2 2.29 75668.55
2.5 2.77 12805.11
3 3.16 2137.42
3.5 0 0
48
Tabla 4.3: tonelajes de la Plata AG% para la estimación por kriging ordinario
´Ley media
Cutoff AG% Tonelaje
0 1.92 21514762
0.5 1.92 21514762
1 1.92 21514762
1.5 2.06 17444641.7
2 2.34 8795902.84
2.5 2.77 1965557.08
3 3.32 290388.21
3.5 3.78 66133.72
4 4.22 11906.86
4.5 4.62 730.31
5 0 0
49
4.2.1 CATEGORIZACIÓN PARA CUT%
50
Gráfico 4.6: Curva tonelaje ley CUT% recursos inferidos
51
4.2.2 CATEGORIZACIÓN PARA CUS%
52
Gráfico 4.9: Curva tonelaje ley CUS% recursos inferidos
53
Gráfico 5.10: Curva tonelaje ley AG% recursos medidos
54
Tabla 4.6: Tonelajes Recursos Categorizados AG%
Inferidos 0.564 - - 0
55
CAPÍTULO 5
CONCLUSIÓN
56