NDICE

CAPTULO I

GEOESTADISTICA APLICADA AL PLANEAMIENTO EN MINERIA CON MINESIGHT Pg./ CAPTULO II

MODELO DE BLOQUES PARA UN YACIMIENTO DE SULFUROS MASIVOS UTILIZANDO EL SOFTWARE MINESIGHT Pg./

CAPTULO III

EL MTODO DEL INVERSO DE LA DISTANCIA Pg./

CAPITULO I

1. GEOESTADISTICA APLICADA AL PLANEAMIENTO EN MINERIA CON MINESIGHT 1.1. LOGUEO

El logueo de los taladros se realiza generalmente a medida que avanza la perforacin, durante el logueo se levanta toda la informacin posible: Nivel, Nro. Muestra, Mineralizacin, Roca, Alteracin, RQD, Densidad, Presencia de minerales (py, cpy, mo, cc, bn, cv), intensidad de alteracin, etc. De manera similar el rea de Geotecnia obtiene informacin geotcnica que le permita clasificar el macizo rocoso para el anlisis de estabilidad de taludes. La informacin proveniente del logueo, se lleva en diferentes formatos a una base de datos para su fcil procesamiento, es aun comn ver que se usan planillas en Excel para guardar esta informacin, pero definitivamente es mejor tener esta informacin en un manejador de base de datos. 1.2. CARACTERIZACION GEOLOGICA 1.2.1. INTERPRETACION GEOLOGICA La interpretacin geolgica consiste en procesar la informacin obtenida en el logueo y llevarla a planos y diferentes secciones En cada seccin impresa o en computadora se va haciendo la interpretacin geolgica mediante contorneos. Por ejemplo, si lo que se desea es el modelamiento de rocas, se contornea cada tipo roca de acuerdo a la informacin que se tiene en perforacin como en superficie. De la misma manera se hace la interpretacin por bancos para cada uno de los niveles del yacimiento. 1.2.2. MODELO GEOLOGICO El modelo de bloques a largo plazo es una matriz tridimensional, cuyos bloques tienen una base cuadrada de una determinada longitud y una altura de los bloques que en general es la altura del banco de minado, la longitud de los bloques o SMU, puede ser determinada usando variables geo estadsticas, en general los modelos de bloques son de dimensiones de 25 x 25 o 20 x 20, etc., y la altura del bloques es igual a la altura del banco de minado que se va a tener. Este modelo de bloques debe ser inicializado con todas las variables que se necesiten modelar. Cada block consta de variables numricas como:

Topografa, Leyes de Mineral, Roca, Alteracin, Mineralizacin, Densidad, Dureza, ndice de Solubilidad, etc. Es importante el modelamiento geolgico y tenerlo en un sistema electrnico porque es la base para determinar las reservas geolgicas y econmicas, para el plan de minado a corto, mediano y largo plazo. Seccin Modelo Geolgico Tipo de Mineralizacin Mina Cerro Verde

1.3. CARACTERIZACION MATEMATICA 1.3.1. ESTADISTICA El primer procesamiento que se realiza es la compositacin de los ensayes por bancos. La informacin de leyes de los ensayes en general estn cada 3 metros y en tajos abiertos grandes la altura de banco es de 15 metros. La caracterizacin matemtica de las leyes se hace mediante el clculo de los parmetros estadsticos de centralizacin y dispersin, el estudio de histogramas nos permite graficar la distribucin de frecuencias de nuestras leyes, y a la vez visualizar la existencia de altos y bajos errticos. Se hace un tratamiento estadstico de los Altos Errticos de leyes considerando la suma igual a la media ms dos veces la desviacin estndar.

Podemos hacer diferentes estadsticas de leyes por tipo de roca, alteracin, mineralizacin, etc. La lectura de estos resultados nos da o confirman algunos controles mineralgicos o correlaciones entre las leyes de diferentes minerales.

1.3.2. GEOESTADISTICA Mediante los variogramas evaluamos la continuidad de la mineralizacin dentro de cada ambiente geolgico. Para hacer este estudio se determina primeramente el espaciamiento ptimo de los datos de compsitos mediante un procedimiento geoestadstico. El modelamiento de los variogramas experimentales es ajustado al modelo esfrico. Para hacer este modelamiento se toma como data, los compsitos de taladros sin altos errticos. Se inicia el estudio, haciendo variogramas experimentales omnidireccionales para determinar una direccin preferencial de anisotropa, luego se hace un ajuste con variogramas unidireccionales ortogonales entre s. De esta manera se modela los variogramas tridimensionales para cada variable dentro de cada ambiente geolgico dado por cada grupo. Se hace la validacin de los variogramas obtenidos con los mtodos de Kriging Puntual y Varianza del Kriging. El variograma nos define el concepto de rea de influencia el cual es utilizado despus para hacer la interpolacin por el mtodo de Kriging. 1.3.3. MODELO DE LEYES El modelo de Leyes est en funcin a los compsitos de ensayes de perforacin diamantina, los ambientes geolgicos (tipo de roca y tipo de alteracin) y la variografa. De acuerdo al mtodo Geoestadstico adecuado se realiza la asignacin de leyes al Modelo de Bloques, en esta etapa de Modelamiento no se considera parmetros econmicos, ni geotcnicos. Seccin N-S Modelo de Leyes Mina Cerro Verde

1.4. RECURSOS GEOLOGICOS 1.4.1. CRITERIOS DE CLASIFICACION Los recursos minerales son clasificados respecto al nivel de confidencia de la estimacin, en Probado, Probable y Posible. A la fecha no existe una metodologa estndar mundial que pueda servir como gua para clasificar los recursos minerales, sin embargo algunas naciones como USA, Australia, Canad e incluso Chile estn normando y tratando de homogenizar los criterios de la clasificacin de la confidencia.

Clasificacin de Recursos Geolgicos

Una reserva estimada contiene dos importantes parmetros: El tonelaje y la ley del block. En cuanto al clculo del tonelaje no se tiene problemas. El problema se presenta cuando se calcula la ley de cada block con la tcnica del Kriging Ordinario, el cual si bien es cierto hace esta estimacin con una varianza de error mnimo, proporciona una varianza global y no local. La evaluacin de la incertidumbre de las estimaciones de ley a disminuido desde que se introdujo el concepto de Kriging. Varianza combinada. Este es un mtodo sugerido por Mintec Inc. analiza el grado de incertidumbre en el nivel de confidencia de un block krigeado. Este mtodo consiste en hallar la media geomtrica de la varianza de kriging y la varianza local del promedio ponderado del bloque ponderado. Posterior a esto se hace un estudio estadstico lognormal para establecer los intervalos de confidencia mnimo y mximo al 95% de esta distribucin. Finalmente se determina un ndice llamado RCB (Relative Confidence Bound o Lmite de Confidencia Relativa) a partir de estos intervalos de confidencia y se calcula su mediana.

La clasificacin de recursos y reservas se hace mediante el uso del RCB del siguiente modo: PROBADO: cuando el block tiene un RCB menor a su mediana. PROBABLE: cuando el block tiene un RCB mayor a su mediana y menor a dos veces su mediana. POSIBLE: cuando el block tiene un RCB mayor a dos veces su mediana. Para ilustrar esto se muestra el siguiente cuadro de clasificacin de recursos de la Mina Toquepala basado en el Lmite de Confidencia Relativa RCB: Probado <= 0.174 0.174 < Probable <= 0.348 Posible > 0.348 Clasificacin de recursos Mina Toquepala

Este mtodo es fcil de implementar y ha sido aplicado con mucho xito a otros tipos de yacimientos de Cu, Mo, Zn y Ag, donde los resultados han sido ms razonables que la tcnica Distancia al compsito ms cercano. Distancia al Compsito ms cercano. Este es un mtodo sencillo que usa la distancia del eje mayor de la elipse, determinado por el alcance del variograma, el nmero de compsitos y el nmero

de taladros que intervienen en la interpolacin de un bloque. Las tablas siguientes nos muestran un ejemplo de este mtodo. La tabla adjunta muestra los semivariogramas de un yacimiento de cobre, los variogramas se han combinado por mineralizacin y por tipo de roca Semivariogramas

La tabla muestra la determinacin de la confidencia de los bloques, esta se hace en funcin al eje mayor del variograma. Determinacin de la Confidencia - Yacimiento de Cobre

1.5.

RECURSOS GEOLOGICOS

Los recursos geolgicos de un determinado yacimiento son la cantidad de mineral con una determinada ley que est en el yacimiento, es todo el material encima de una ley de corte pre-determinada cuya confidencia de cada uno los bloques debe de ser probado y probable, aquel material cuya ley puede ser bastante alta y cuya confidencia es posible, este bloque se contabiliza como desmonte. Vista de los Recursos Geolgicos - Yacimiento de Cobre

CAPITULO II 2. MODELO DE BLOQUES PARA UN YACIMIENTO DE SULFUROS MASIVOS UTILIZANDO EL SOFTWARE MINESIGHT 2.1. RESUMEN El objetivo de este trabajo es definir un modelo de bloques de un yacimiento hipottico de sulfuros masivos utilizando MineSight, basado en la interpretacin geolgica, la viabilidad, planificacin estratgica y la programacin de los procesos a largo y corto plazo de las alternativas de produccin y la capacidad requerida de la mina. Primero se presentan una descripcin de los software minero ms representativos del mercado en cuanto a la planeacin minera, despus se presentan las generalidades de MineSight, por medio de un flujo bsico de procesos y programacin del MineSight, seguidamente se muestran los datos de valoracin econmica para el caso de aplicacin por medio de una descripcin del secuencia miento en este software y finalmente se presenta el modelo de bloques del yacimiento hipottico de sulfuros masivos, adems el diseo del pit final con la disposicin de botaderos y la planta de beneficio. Como conclusin se presenta una tabla resumen de las variables estadsticas que arroja MineSight, con esta informacin crear un programa a largo plazo para el anlisis financiero del proyecto y optimizacin de la planeacin minera del yacimiento de inters. 2.2. INTRODUCCIN

En Colombia, se ve la necesidad de tener conocimiento de software especializado en minera, el origen de este trabajo se enfoca en el empleo de la herramienta MineSight para el diseo de un modelo de bloques que se genera a partir de datos hipotticos y as describir de manera prctica y optima la explotacin de un yacimiento de sulfuro masivos, lo que da una visin global del negocio minero en todos los aspectos que afectan y/o que se podran ver afectados, como los ahorros en tiempo y costos para los procesos de dicha labor minera. Con el fin de aportar al modelamiento de los yacimientos del pas y al aumento de los estudios de exploracin y explotacin, el usuario se encarga de digitalizar,

cargar, modelar, programar, planear y la herramienta MineSight facilita la tarea de forma efectiva para la extraccin de dichos yacimientos minerales, lo cual se ve reflejado en los diseos del pit final que arrojan envolvente econmicamente rentable de extraer, lo que forma parte de la sostenibilidad de la explotacin a corto y largo plazo. Este trabajo desarrolla un modelamiento general para un yacimiento hipottico de sulfuros masivos en el cual el mineral de inters es el Cobre (Cu), donde se desarrolla una serie de procesos como: datos digitalizados, ensayes de sondajes, modelo de la mina, diseos de pits, visualizar en 3-D, interpolar y ejecutar proyecciones a largo y corto plazo y la planificacin para la valoracin econmica del proyecto, tambin un modelo de bloque 3-D donde el yacimiento es dividido verticalmente en bancos, para cada bloque en el modelo, se pueden almacenar una variedad de tems. Tpicamente, un bloque para un modelo 3-D contendr los tems de ley, los cdigos geolgicos y un porciento topogrfico. Los datos de calidad se ingresan mediante una tcnica de interpolacin por lo regular, tal como el Kriging o la ponderacin del inverso a la distancia. Una vez construido el modelo, ste puede ser actualizado, resumido estadsticamente, ploteado en plan o seccin y contornado en plan o seccin. El modelo es un requisito necesario en cualquier diseo de pit o proceso de evaluacin de pit. Para la culminacin y muestra de resultados se presenta un resumen estadstico de las variables de diseo, columnas con una suma positiva (la cual nos da a entender el valor por la cantidad de bloques explotados y los que no se tiene ningn inters) y seguidamente un resumen estadstico de las variables del pit arrojados por el programa MineSight, estos datos tomados para generar la valoracin financiera del proyecto y tener una planeacin a largo plazo factible. 2.3. Generalidades del MineSight

MineSight proporciona todas las herramientas interactivas que se necesita para crear y administrar su funcionamiento. Como resultado de ello, va ms all de MineSight bsicos CAD con herramientas innovadoras para ayudar con las tareas ms complejas. Estas herramientas le permiten determinar con confianza las reservas explotables, diseo de corte sencillo y amplias opciones de diseo de Drill Holes que permiten la manipulacin de la superficie total, herramientas para el patrn de explosin al final de cada perodo en los mapas, pit final definidos, la vida til de las minas y la programacin de la fase, diseo de carretera/rampa, botaderos de estril y mena; aparte entrega a los usuarios herramientas completas para la explotacin a cielo abierto y subterrnea. (MineSight Mintec, 2011).

A continuacin en la Tabla 1, se presenta el flujo de procesos para realizar en

MineSight el planeamiento minero del yacimiento de inters.

De la tabla 1, se concluye todo el anlisis de la programacin en MineSight y sus alcances en el modelamiento de un yacimiento. Adems se presentan unas observaciones que entregan informacin adicional para el manejo de cada proceso o en lo que se podra aplicar. Se utiliza MineSight por las siguientes caractersticas de manejo: a.) La manipulacin de datos se maneja desde un mismo archivo de control. b.) Integra varias operaciones unitarias a la vez y las optimiza como: cargue y transporte, perforacin y fragmentacin, extraccin, entre otras; lo que genera mayor progreso en el diseo y planeacin minera.

c.) Se edita constantemente el diseo con las herramientas CAD, sin tener la necesidad de crear tantos archivos alternos para el modelamiento del mismo y aparte de esto genera una envolvente econmica ms acertada segn los valores econmicos de entrada. (Pit final).

2.4. CASO DE APLICACIN 2.4.1. Valoraciones econmicas A continuacin se enumeran y se describen los datos de partida para el modelamiento de un yacimiento de sulfuros masivos, asumiendo que los datos y el modelo son hipotticos. f.) Recuperacin: Para el Cu es de 85% y para el Molibdeno (Mo) es de 50%, (Se debe a que el Cu es el mineral de mayor inters y posee una mayor recuperacin). g.) Precios de extraccin del mineral: Para el Cu es de US$ 7.521,54/t y para el Mo de US$32.752/t. h.) El costo de extraccin de las menas (Cu y Mo): US$1.5/Ton. i.) El costo de procesamiento de menas (Cu y Mo): US$4.0/Ton. j.) Costos de mineral estril extrado (Cu y Mo): US$1.5/Ton. k.) Costo de procesamiento de estril: US$0/ton. l.) Tenor de corte: 0.5 gr/ton (Geoestadstica).

2.5. Secuencia MineSight

A continuacin se muestra en un flujograma los principales pasos para la realizacin del proyecto de explotacin para el yacimiento hipottico de sulfuros masivos por medio del anlisis de un modelo de bloques:

CONCLUSIONES A continuacin se enumeran algunas de las conclusiones que surgen de la elaboracin de este artculo. PRIMERO.- Se puede utilizar el software MineSight para tomar datos crudos de origen estndar (sondajes, muestreos subterrneos, barrenos de voladura, informacin topogrfica, entre otros), la estimacin de reservas y crear un programa a largo plazo para el anlisis financiero de un proyecto. SEGUNDO.- MineSight permite al usuario tener el control de las operaciones realizadas sobre el yacimiento, proporcionando un nivel de confiabilidad por la proyeccin final de pit para su anlisis econmico y por medio de una secuencia de procesos, facilitar la gua del diseo para que sea consistente con el modelo hipottico arrojado. TERCERO.- Para el resultado de la optimizacin del pit final, se eligi el algoritmo de Lerchs-Grossmann por encima del cono flotante, ya que este algoritmo arroja el contorno ptimo del mximo valor del pit para la extraccin econmicamente rentable, ya que este algoritmo permite mayor cantidad de iteraciones y modela de manera cercana el pit final. CUARTO.- En el mundo hay software de planeamiento minero importantes por sus especificaciones pero en la secuencia de sus procesos es diferente, pero la claridad y el fin de cada programa es la estrategia econmicamente rentable y til de la extraccin del recurso por medio de los parmetros contenidos desde la etapa de exploracin hasta su puesta en marcha en la etapa de explotacin con datos precisos del da a da (siendo este plan corto plazo) y periodos anuales (siendo este plan de largo plazo). QUINTO.- Las rutinas utilizadas por Minesight trabajan en bloques enteros del modelo de bloque 3D, y usa la tcnica denominada Floating Cone (Cono flotante) para disear un conjunto de pits econmicos. Por lo regular se usa una ley o tem de ley equivalente como el material econmico. Se ingresan costos, valor neto de un producto, leyes de corte y talud de pared de pit y diversos ndices de calidad que permiten al planeador o diseador tener un mayor rango de exactitud en los modelamientos.

CAPITULO III 3. EL MTODO DEL INVERSO DE LA DISTANCIA El mtodo del inverso de la distancia se basa en lo siguiente: Asignar mayor peso a las muestras cercanas y menor peso a las muestras alejadas a S. Esto se consigue al ponderar las leyes por 1/ , ( = 1, 2,. . .; di = distancia entre la muestra i y el centro de gravedad de S. Si = 1 se tiene el inverso de la distancia (ID). Si = 2 se tiene el inverso del cuadrado de la distancia (ID2). Ejemplo: En el caso anterior se obtienen las estimaciones siguientes:

Figura: Mtodo del inverso de la distancia a la potencia alfa. Hay que calcular las distancias entre los datos y el centro del bloque. z1 = 1.78 (inverso de la distancia) z2 = 2.06 (inverso del cuadrado de la distancia) La frmula general es:

Comentarios:

 Simple, fcil de calcular. Se adapta mejor en estimaciones locales que globales. No funciona bien con agrupaciones de datos. Atribuye demasiado peso a las muestras cercanas al centro de gravedad. En particular no est definido si di = 0 (muestra en el centroide de S) No toma en cuenta la forma ni el tamao de S (en el ejemplo S' tiene la misma ley que S porque su centroide coincide con el de S). A veces, para evitar el problema de las agrupaciones de datos, se utiliza una bsqueda octogonal: Dentro de cada octante (a veces cuadrante) slo se considera la muestra ms cercana al centroide, tal como muestra la figura siguiente:

Bsqueda octogonal. Se podran utilizar las k (cmo definir k?) muestras ms cercanas al centro del bloque, dentro de cada octante. En este ejemplo solo las muestras 1, 2, 3 intervienen en la estimacin del bloque S.

CAPITULO IV 4. MODELOS CON KRIGING DE INDICADORES MLTIPLES (MIK) Esta es una introduccin a la interpolacin Kriging de indicadores mltiples (MIK) y a cmo armar un modelo MIK desde MineSight. 4.1. Por qu necesitamos MIK? La tcnica MIK se utiliza para estimar la distribucin de leyes en un panel o en un bloque (para la estimacin de recuperaciones locales), o la probabilidad de que se excedan ciertos valores umbrales (como cuando se presentan problemas ambientales). Por ejemplo, en la etapa de exploracin de un yacimiento, la estimacin de la distribucin global proporciona una idea somera del tonelaje total de mineral y de la cantidad de metal que hay por encima de distintas leyes de corte. En las etapas de factibilidad y desarrollo esas estimaciones globales ya no resultan suficientes. En la planificacin para largo y corto plazo, generalmente se necesitan estimaciones (distribucin) de tonelaje de mineral y cantidades de metal para reas/bloques ms pequeos (locales). MIK tambin resulta necesario para encarar los problemas de estimacin relacionados con datos muy sesgados, como por ejemplo en yacimientos de oro y en hidrologa. Los mtodos lineales resultan adecuados para estimar valores medios; sin embargo pueden encontrar dificultades en el clculo de tonelajes recuperables, en aquellos casos en que la distribucin de las muestras est muy sesgada. Por ejemplo, la suavizacin de las leyes ms altas es uno de los atajos de la geoestadstica lineal, como es el caso del kriging ordinario (KO). El empleo de un variograma ordinario con frecuencia no resulta factible cuando los datos estn muy sesgados, con lo cual la aplicacin del kriging ordinario (KO) se hace imposible. La regla de oro para determinar si se deben o no utilizar mtodos no lineales (MIK o KO) es que el coeficiente de variacin (CV) de los datos de sondaje sea superior a 1.5. Si el CV es menor que 0.5, los mtodos lineales funcionarn correctamente. Si es superior a 1.5, no. Si el coeficiente se encuentra entre 0.5 y 1.5 utilice la interpolacin lineal con precaucin. 4.2. Qu es MIK? MIK es un mtodo de interpolacin no lineal y no paramtrico. Se llama no lneal porque no implica transformaciones lineales (funcin indicador). Y se denomina no

paramtrico porque no adopta supuesto alguno respecto de la distribucin de los datos. MIK se basa en la funcin indicador. 1, si z(x) zc de lo contrario i(x,zc) = 0. Para determinada ley de corte podemos calcular la probabilidad de que la ley estimada en el bloque sea inferior al valor umbral. Por ejemplo: 32% probabilidad CU. 0.2 (68% probabilidad CU > 0.2) MIK aplica la funcin indicador a distintas leyes de corte y estima la probabilidad de distribucin acumulativa local de las leyes en un bloque. Por ejemplo, cuando se tienen las siguientes muestras y se desea calcular la ley en el bloque.

Ejemplo de muestras alrededor de un bloque. Se aplica una serie de leyes de corte y se convierten las muestras a los indicadores, segn se encuentren por encima o por debajo de esa ley. En este ejemplo, hemos aplicado tres leyes de corte arbitrarias a los valores de ocho muestras y las convertimos a los indicadores...

Serie de leyes de cortes aplicadas a las muestras y convertidas a los indicadores... Para aplicaciones de minera, generalmente unos pocos valores de corte tienen significacin prctica y econmica. El plan de mina puede exigir que se separe el material en mena y estril, sobre la base de determinada ley, o puede que el material de beneficio se distribuya en acopios segn otras leyes de corte. Si no hay umbrales que tengan significacin especial para los problemas que se pretenden estimar, se pueden emplear las leyes de corte que correspondan a los nueve deciles de la distribucin global. Tambin se puede ejecutar MineSight Data Analyst (MSDA) para calcular las leyes de corte que se aplicarn para el anlisis MIK. Sobre la base de la cantidad de leyes especificadas por el usuario, MSDA intenta encontrar aquellas leyes de corte que igualan el contenido metalfero dentro de los rangos (Figura 3).

Anlisis de leyes de corte de MSDA. Si hay una porcin particular de la distribucin en la cual es ms importante una estimacin precisa, seleccione ms leyes de corte en ese rango. Por ejemplo, en los metales preciosos, la mayor parte est contenida en una pequea proporcin de muy alta ley. En ese caso, tiene sentido realizar la estimacin por indicador en varias leyes de corte elevadas, dado que la estimacin de la cola superior de la distribucin es ms importante que la de la porcin inferior. Para cada serie de indicadores se calcula el variograma correspondiente. Es necesario modelar los variogramas. MSDA se puede aplicar para calcular y modelar los variogramas MIK con distintas leyes de corte. Por ejemplo, para una ley de corte = 0.2 se modela un variograma esfrico.

Variograma esfrico para una nica ley de corte. Ahora realice un kriging de indicadores

Indicadores calculados. La probabilidad de que el bloque sea inferior a 0.2 es ip(x;0.2) = 32%. Repita el ejercicio para el resto de las leyes de corte. Probabilidad <0.5 =ip(x;0.5) = 50% Probabilidad <0.7 =ip(x;0.7) = 74% Intervalos de probabilidad para la segunda clase: Prob{z(xo) .(0.2,0.5)} = 18%

Probabilidad por encima de ley de corte: Prob{z(xo)>0.5 = 50% La media (estimacion tipo E): Z(xo) = frecuencia clase *media clase (Figura 6).

La media de la clase y la frecuencia. Dado que ahora contamos con un histograma de probabilidades para distintas leyes de corte (Figura 7), podemos obtener reservas locales recuperables a diversas leyes de corte (distintas de las empleadas para calcular las probabilidades MIK).

Histograma de probabilidades para distintas leyes de corte. Por ejemplo (Figura 8): CU > 0.0 : 100% @ 0.444 CU > 0.4 : 59% @ 0.650 CU > 0.6 : 38% @ 0.758

Reservas recuperables locales de un bloque a distintas leyes de corte.

El programa M624MIK de MSBASIS realiza los clculos MIK mediante el procedimiento Multiple Indicador Kriging (MIK) (PMIK01.DAT), tal como se muestra en la siguiente figura.

Ejecucin de clculos MIK reales con PMIK01.DAT.

Conclusiones Primero.- MIK puede ser un mtodo muy til para resolver los problemas de las tcnicas de interpolacin lineal (especialmente en el caso de distribuciones muy sesgadas). Mediante este mtodo se pueden calcular leyes y porcentajes por encima de leyes de corte. MineSight proporciona una serie de herramientas para crear y manejar estos modelos MIK. BIBLIOGRAFIA CAE Mining. 2011 [En lnea]. [Consulta 29 julio 2011]. Disponible en Internet: http://www.cae.com/mining/ newsletter/2011/sp/01/CAEMiningBorn.html Cerda, R., y Arellano, R., 2011. Evaluation of a grade control system at Los Bronces mine. Proceedings second international seminar on mine planning, Gemcom Surpac. 2011 [En lnea]. [Consulta 29 julio 2011]. Disponible en Internet: http://www.gemcomsoftware. com/products/surpac Hustrulid, W y Kuchta, M., 2006. Open pit mine planning & design. Taylor & Francis plc., London, UK. LME Molybdenum, 2011[En lnea]. [Consulta 07 agosto 2011]. Disponible en Internet: http://www.lme.com/downloads/ LME_Molybdenum_Jul11__Monthly_Trading_Report.pdf. Maptek Vulcan, 2011 [En lnea]. [Consulta 29 julio 2011]. Disponible en Internet: http://www.maptek.com/products/ vulcan/bundles/index.html Mintec 2000, 2011. Manual de introduccin a las aplicaciones geolgicas, Chile. MineSight, 2011. Introduccin al modelamiento 3D. MineSight software solutions from Mintec, INC., 2011 [En lnea]. [Consulta 29 Julio 2011]. Disponible en Internet: http://www.minesight.com/products/design.php MineSight y la tecnologa informtica de ltima generacin. [En lnea], [Consulta 28 junio 2011]. Disponible en Internet: http://www.minesight.com/enl/December_2010/Diciembre/Multithreading-esp.pdf. Navarrete, S y Varas, C., 2011. Works on Global Optimizer What is it now?. Proceedings second international seminar on mine planning. Paul. B. C., 2007. A Pit Sequence Optimized With Multi-Pit. The Name MineSight and the Program described are property of Mintec Inc Tucson, Arizona.

Pendola, M., Castaeda, C., 2011. Phases generation and optimization. Proceedings second international seminar on mine planning. Turner-Saad, G., 2011. A joint cut and fill mining and mineral processing methodology for the strategic mine planning process. Proceedings second international seminar on mine planning. UPME (Unidad de Planeacin Minero Energtica), 2011. Boletn Estadstico de Minas y Energa 1990 2010. Vallejo, M., Baquero J. y Franco G., 2010. Anlisis de los algoritmos de optimizacin minera: cono flotante y Lerchs- Grossmann utilizando Gemcom Surpac y UPL. Boletn de Ciencias de la Tierra. Nmero 28. Medelln.