Академический Документы
Профессиональный Документы
Культура Документы
INTRODUCCIN
En los yacimientos de oxidados de cobre la razn de solubilidad (que se denominar
solubilidad ms adelante) influye en la recuperacin metalrgica y por lo tanto en el valor
econmico del proyecto minero. Las pruebas de laboratorio permiten conocer las leyes de
cobre total y cobre soluble en las muestras recogidas en el yacimiento. A partir de dicha
informacin, se busca caracterizar la solubilidad a escala de bloques cuyo soporte es ms
voluminoso que las muestras originales. Este trabajo propone una metodologa para llegar
a este objetivo, a travs de un estudio de caso en un yacimiento chileno. Se dispone de
una base de datos de sondajes de diamantina (DDH) de exploracin; cada dato se refiere
a un compsito de 1.5m de longitud en el cual se ha medido las leyes de cobre total y
cobre soluble.
ANLISIS EXPLORATORIO DE LOS DATOS
Las muestras disponibles se ubican en una zona de 2 km 2.5 km 0.4 km (figura
1). El muestreo consta de sondajes verticales con una malla de aproximadamente 100m
100m, completados por sondajes de relleno en dos zonas de mayores leyes, as como
sondajes oblicuos en la direccin este-oeste en diversas partes del rea.
Existe una dependencia entre las leyes de cobre total y soluble, la cual se aprecia
en la nube de valores entre ambas leyes (figura 3). El coeficiente de correlacin es igual a
0.723, es decir indica una buena relacin. Asimismo, se observa que la nube de puntos se
extiende por debajo de la primera bisectriz, lo que se explica porque la ley de cobre total
siempre es mayor que la ley de cobre soluble.
ALTERNATIVAS PARA CARACTERIZAR LA SOLUBILIDAD DE BLOQUES
Las tcnicas de kriging no permiten obtener modelos satisfactorios de la solubilidad
a escala de bloques:
1) Si bien la solubilidad est definida en cada muestra por el cuociente entre las leyes de
cobre soluble y cobre total, dicha variable no es aditiva, es decir, el valor de un bloque
no corresponde al promedio aritmtico de los valores de las muestras que contiene
dicho bloque. Por esta razn no se puede emplear un kriging de bloques para efectuar
un cambio de soporte [3].
2) Se puede estimar las leyes de cobre soluble y cobre total por kriging o por cokriging,
pues estas variables s son aditivas. Ahora bien, el cuociente de ambas estimaciones
no constituye un buen estimador de la razn de solubilidad y puede originar un sesgo
(tendencia a sobrestimar o subestimar). La explicacin se debe a que las estimaciones
siempre estn sujetas a errores y esconden la variabilidad de los valores verdaderos
[1]. Por lo tanto, no se puede manejar las estimaciones como los valores reales,
en particular el cuociente de dos estimaciones no proporciona una buena estimacin
del cuociente real (en trminos matemticos, el valor esperado de un cuociente A/B no
es igual al cuociente de los valores esperados de A y de B). Incluso suele darse la
situacin donde el cobre soluble tiene un valor estimado mayor que el cobre total, lo
que da una solubilidad mayor que 1.
3) Tampoco es recomendable estimar (mediante kriging) la ley de cobre total y la razn
de solubilidad, luego multiplicar ambos estimadores para obtener una estimacin de la
ley de cobre soluble. Incluso, este enfoque encuentra los dos problemas mencionados
en los puntos anteriores: no aditividad de la solubilidad (que perjudica su estimacin a
escala de bloques) y multiplicacin de dos estimadores, lo cual puede provocar un
sesgo tal como en la operacin de cuociente.
La solucin propuesta aqu consiste en utilizar modelos numricos o simulaciones
condicionales de la solubilidad, es decir, construir imgenes ficticias pero realistas de la
solubilidad en la zona, tomando en cuenta los valores medidos de las leyes en los sitios
de muestreo as como sus caractersticas geoestadsticas (histograma, variograma, etc.)
[1,7]. Cada modelo numrico constituye una realizacin plausible y equiprobable de lo que
podra ser la realidad del yacimiento. El construir numerosas realizaciones permite
apreciar la variabilidad e incertidumbre que se tiene sobre los atributos en estudio, en este
caso la solubilidad y las leyes de cobre total y soluble.
Para el estudio prctico, basta con simular dos de las tres variables (cobre total,
cobre soluble, razn de solubilidad) para poder deducir la tercera: en efecto, por poseer la
variabilidad espacial correcta, las simulaciones se pueden utilizar como si fueran la
realidad, luego las operaciones de multiplicacin o divisin son legitimas. As, slo se
requiere determinar cul es el par de variables ms adecuadas para la simulacin.
Se aprecia en la figura 6 que las realizaciones de cada variable son bastante dismiles,
lo cual significa que existe una importante incertidumbre en cuanto a sus valores; a la
escala de trabajo (malla de 2m), la malla del muestreo original es amplia y no provee
mucha informacin. En total, se construyeron 65 realizaciones de cada variable.
Figura 6. Dos modelos numricos para las leyes de cobre total (arriba),
solubilidad (centro) y cobre soluble (abajo) (planta de cota 260m)
Figura 7. Dos modelos numricos para la solubilidad de bloques (arriba) y estimacin por
el promedio de los modelos numricos (abajo izquierda) o por la razn entre leyes de
cobre soluble y total estimadas por kriging (abajo derecha) (planta de cota 260m)
Los estimadores obtenidos por simulacin y por kriging son bastante diferentes; su
correlacin apenas alcanza 0.66. Asimismo se puede comparar, bloque a bloque, cada
estimador con la distribucin de valores simulados, para estudiar su sesgo condicional:
el sesgo condicional sucede cuando, dado cierto valor estimado, el error cometido no
tiene una esperanza nula. En tal caso, la curva de regresin de la nube de correlacin
entre valores estimados y simulados no coincide con la primera bisectriz. En la figura 8, se
ve que la estimacin obtenida por kriging presenta un sesgo condicional, contrariamente a
la estimacin por la media de las realizaciones.
En una seccin anterior, hemos sealado que la estimacin mediante kriging corre
el riesgo de provocar un sesgo (por ser el cuociente de dos estimaciones). Ahora, con
mayor razn se puede obtener un sesgo condicional, lo que indica que este rasgo no es
un resultado particular al yacimiento en estudio, sino que puede repetirse en otros casos.
Por esta razn, es importante tener cuidado del uso que se hace de las estimaciones
obtenidas por kriging, sobre todo porque estas no reproducen la variabilidad espacial de
los atributos en estudio. Al contrario, el recurrir a simulaciones condicionales evita estos
problemas y constituye una herramientas de mayor alcance.
CONCLUSIONES
El presente estudio muestra los lmites de las tcnicas tradicionales de estimacin,
tal como el kriging, cuando involucran una variable no aditiva y un cambio de soporte. Una
herramienta potente para paliar estas deficiencias lo constituye el concepto de simulacin
condicional. Una simulacin es un modelo numrico cuyo propsito es proporcionar una
imagen plausible de lo que podran ser los valores reales, o sea, reproduce la variabilidad
espacial de stos. Su inters radica en que se puede utilizar como si fuese la realidad.
As, en el estudio presentado, se puede promediar las leyes simuladas de cobre soluble y
cobre total a escala de bloques, luego dividirlas para obtener modelos numricos de la
razn de solubilidad. La idea de realizar un cambio de soporte por medio de simulaciones
ya ha sido desarrollada, principalmente en un mbito monovariable [4,5]. Una novedad
de este trabajo es la extensin al marco multivariable, al considerar simultneamente tres
atributos (leyes de cobre soluble, cobre total y solubilidad).
El contar con una serie de simulaciones condicionales permite no solamente estimar
la variable en estudio (por ejemplo, al calcular un promedio de las realizaciones), sino que
adems las diferencias observadas de una realizacin a otra muestran la incertidumbre
asociada a los valores reales desconocidos y permiten apreciar el impacto que puede
ocasionar en el valor econmico del proyecto. Esto convierte a las simulaciones
condicionales en una herramienta de apoyo privilegiada para la evaluacin de riesgo del
negocio minero.
REFERENCIAS
[1] Chils J.P. and Delfiner P., 1999, Geostatistics: Modeling Spatial Uncertainty, Wiley,
New York, 696 p.
[2] Deutsch C.V. and Journel A.G., 1998, GSLIB: Geostatistical software library and users
guide, Second edition, Oxford University Press, New York, 369 p.
[3] Emery X., 2000, Geoestadstica lineal, Dpto de Ingeniera de Minas, Universidad de
Chile, Santiago, 411 p.
[4] Glacken I.M., 1997, Change of support and use of economic parameters for block
selection, in E.Y. Baafi and N.A. Schofields (eds), Geostatistics Wollongong'96, Kluwer
Academic, Dordrecht, v. 2, p. 811-821.
[5] Gmez-Hernndez J.J., 1991, A stochastic approach to the simulation of block
conductivity fields conditioned upon data measured at a smaller scale, Ph. D. tesis,
Department of Applied Earth Sciences, Stanford University, Stanford, 351 p.
[6] Isaaks E.H. and Srivastava R.M., 1989, An introduction to applied geostatistics, Oxford
University Press, New York, 561 p.
[7] Journel A.G. and Huijbregts C.J., 1978, Mining geostatistics, Academic Press, London,
600 p.
[8] Wackernagel H., 1998, Multivariate geostatistics: an introduction with applications,
Springer-Verlag, Berlin, 291 p.