Geoestadstica

Modelamiento geoestadstico de las variables qumicas del mineral de hierro de

la mina Cerro Las Pailas
Geostatistical modeling of chemical variables of iron ore from Cerro Las Pailas mine

Modelagem geoestatstica de variveis qumicas da mina de ferro "Cerro Las Pailas"

Mara Rojas1 Luis Araya2 Isabel Llatas3 Jessica Lpez4

Resumen
En el presente trabajo se cre un mo-
delo qumico de la mina de mineral de
hierro del cerro Las Pailas en el estado
Bolvar, Venezuela. Las tcnicas
geoestadsticas son usadas para esti-
mar con precisin el comportamiento
de los yacimientos minerales, para su
uso requiere de programas computari-
zados verstiles, siendo SGeMS una
alternativa con licencia gratuita. En
una primera fase de la investigacin
las variables qumicas slice, almina,
prdida por calcinacin, fsforo y man-
ganeso se exploraron con estadstica
descriptiva, luego se calcularon y pro-
yectaron los variogramas empricos y
se ajustaron los modelos tericos. Fi-
nalmente, se gener un modelo del ya-
cimiento usando kriging ordinario con
soporte de 10x10x15 m3. Estadstica-
mente, los grados qumicos tienden a
un comportamiento lognormal. El yaci-
miento tiene caractersticas isotrpi-
cas en su variabilidad espacial, siendo
los modelos de variograma Exponen-
cial - Gaussiano los que mejor inter-
pretan el comportamiento de las varia-
bles qumicas. El modelo indica, en ge-
neral, alta slice para el yacimiento, el
fsforo tiene niveles aptos desde todo
punto de vista y la almina, presenta
valores bajos en la parte central au-
mentando estos valores a mayor pro-
fundidad. Se concluye que el modelo
qumico del yacimiento del cerro Las
Pailas creado con el programa
SGeMS, siguiendo el procedimiento
desarrollado en este trabajo, puede
ser utilizado de forma adecuada para
la planificacin de la mina a corto, me-
diano y largo plazo.
Palabras clave: Cerro Las Pailas, kri-
ging ordinario, mineral de hierro, mode-
lo qumico.
1
Ing Min., MSc, Profesora, Universidad de Oriente, e-mail:marojas@hotmail.com
2
Ing Min., MSc, Profesor, Universidad de Oriente, e-mail: le.araya@udo.edu.ve
3
Matem, Dra., Profesora, Universidad Simn Bolvar, e-mail: llaras@usb.ve
4
Ge, MSc., Profesora, Universidad Central de Venezuela, e-mail: jessimerlop@gmail.com
GEOMINAS, Vol. 45, N 72, abril 2017
Abstract
In this paper was created a chemi-
cal model of the iron ore mine
Cerro Las Pailas in Bolivar state,
Venezuela. Geostatistical tech-
niques are used to accurately esti-
mate the behavior of mineral de-
posits for use requires versatile
computer programs, being
SGeMS an alternative with free li-
cense. In a first phase of research
chemical variables silica, alumina,
loss on ignition, phosphorus and
manganese were explored with de-
scriptive statistics, later the empiri-
cal variograms were calculated
and projected and the models
were adjusted. Finally, a reservoir
model using ordinary kriging with
3
support of 10x10x15 m was gen-
erated. Statistically, chemicals de-
grees showed lognormal distribu-
tion trend. The site has isotropic
characteristics in their spatial vari-
ability, being the Exponential -
Gaussian variogram model that
best interprets the spatial variabil-
ity of chemical variables. The
model indicates generally high sil-
ica to the site, phosphorus levels is
suitable from every point of view
and alumina, has low values in the
central part increasing these val-
ues deeper. It is concluded that the
chemical model of mine Cerro
Las Pailas created with the
SGeMS program, following the
procedure developed in this work,
can be used in a suitable way for
the planning of the mine, both,
short, medium and long term.
Keywords: Chemical model,
cerro Las Pailas, iron ore, ordinary
kriging.
Recibido: 21-2-17; Aprobado: 30-3-17
Resumo
No presente trabalho criou-se um mo-
delo qumico da mina de mineral de
ferro do cerro Las Pailas no estado Bo-
lvar, Venezuela. As tcnicas geoes-
tadsticas so usadas para estimar
com preciso o comportamento das
jazidas minerais, para seu uso requer
de programas computorizados vers-
teis, sendo SGeMS uma alternativa
com licena gratuita. Em uma primei-
ra fase da investigao as variveis
qumicas slice, alumina, perda por
calcinao, fsforo e mangans ex-
ploraram-se com estatstica descriti-
va, depois calcularam-se e projeta-
ram os variogramas empricos e ajus-
taram-se os modelos tericos. Final-
mente, gerou-se um modelo da jazida
usando kriging ordinrio com suporte
de 10x10x15 m3. Estatisticamente,
os graus qumicos tendem a um com-
portamento lognormal. A jazida tem
caractersticas isotrpicas em sua va-
riabilidad espacial, sendo os modelos
de variograma Exponencial-
Gaussiano os que melhor interpretam
o comportamento das variveis qu-
micas. O modelo indica, em general,
alto slice para a jazida, o fsforo tem
nveis aptos desde todo ponto de vis-
ta e a alumina, apresenta valores bai-
xos na parte central aumentando es-
tes valores a maior profundidade.
Conclui-se que o modelo qumico da
jazida cerro Las Pailas criado com o
programa SGeMS, seguindo o proce-
dimento desenvolvido neste trabalho,
pode ser utilizado de forma adequada
para o planejamento da mina a curto,
mdio e longo prazo.
Palavras-chave: Cerro Las Pailas,
kriging ordinrio, mineral de ferro, mo-
delo qumico.
45
M. Rojas, L. Araya, I. Llatas, J. Lpez
Introduccin
El presente trabajo es un estudio
geoestadstico realizado en la
mina de mineral de hierro cerro
Las Pailas utilizando el progra-
ma Stanford Geostatistical Mo-
deling Software (SGeMS) con li-
cencia libre y cdigo abierto dis-
ponible en internet.
La mina Las Pailas est en pleno
proceso de explotacin por C. V.
G. Ferrominera Orinoco, C. A.
(FMO), empresa minera estatal
venezolana encargada de la ex-
plotacin del mineral de hierro
desde su nacionalizacin en el
ao 1975.
Esta empresa minera realiza pla-
nes de explotacin a futuro con
el fin de mejorar su produccin y
cumplir con la legislacin minera
vigente en Venezuela. Para ela-
borar estos planes, los ingenie-
ros de minas y gelogos requie-
ren de herramientas informti-
cas que permitan su mejorar y
mayor rapidez en el tiempo de
elaboracin. En la dcada de los
90 la empresa compr la licencia
del sistema geolgico minero
GDM a la Oficina de Investiga-
ciones Geolgicas y Mineras de
Francia (BRGM), herramienta
que entre otras funciones crea
modelos geolgicos mediante
tcnicas geoestadsticas. A mi-
tad de esta dcada FMO adqui-
ri los derechos para la licencia
del programa MedSystem, el
cual tambin permite el uso de
tcnicas geoestadsticas para la
evaluacin de recursos mineros,
adems de otras utilidades del di-
seo minero. Este programa fue
intensamente utilizado para ge-
nerar los planes de minas por lo
que se consolid la relacin tc-
nica-comercial con Mintec, por
lo tanto se renovaron las licen-
cias para la actualizacin bajo el
nombre de MineSight.
En el ao 2004 se promulg el
Decreto N 3.390, decreto con
rango y fuerza de Ley Orgnica
de Ciencia, Tecnologa e Innova-
cin que obliga a la Administra-
cin Pblica Nacional a emplear
prioritariamente el software libre
46
desarrollado con estndares
abiertos (Gobierno Bolivariano
de Venezuela, 2004). A pesar de
este Decreto, actualmente la em-
presa sigue usando este progra-
ma debido a lo difcil de reempla-
zarlo por su valor estratgico co-
mo tecnologa informtica de ni-
vel avanzados en una amplia ga-
ma de tareas requeridas para la
planificacin de minas.
Sin embargo, en algunos yaci-
mientos ferrferos de FMO, pro-
fesores de la Universidad de
Oriente ya han aplicado softwa-
re libre para realizar estudios
geoestadsticos, tales como Ara-
ya et al. (2009 y 2015) y Rojas
(2014). En otros yacimientos ubi-
cados en Latinoamrica tam-
bin se han aplicado programas
libres, por ejemplo, Gmez et al.
(2011), Arcari (2014), Silva
(2015), Campoani et al. (2015).
Las posibilidades estn abiertas
para que FMO y otras compa-
as mineras estatales venezo-
lanas, en general, puedan conti-
nuar con la implementacin in-
formtica de sus planes mineros
con el apoyo de programas que
estn disponibles actualmente
en la gran red de internet sin cos-
to alguno, y con cdigos abier-
tos. Tambin estas empresas po-
dran fortalecer sus departa-
mentos de investigacin y desa-
rrollo, establecer convenios de
investigacin con universidades
y/o institutos de investigacin y
tecnologa nacionales, as como
contratar empresas nacionales
de desarrollo de software, para
que a partir de estos programas
de licencia pblica se creen en
un futuro versiones adaptadas a
sus propias necesidades.
El objetivo de este trabajo es
crear el modelo qumico de la mi-
na de mineral de hierro del cerro
Las Pailas a partir de la base de
datos de sondeos exploratorios
usando herramientas computa-
cionales geoestadsticas con li-
cencia libre. Este cerro est ubi-
cado en los alrededores de Ciu-
dad Piar, municipio Bolivariano
Angostura, estado Bolvar, base
econmica de la industria nacio-
nal del hierro.
El cerro Las Pailas presentaba
una altura mxima de setecien-
tos (700) metros sobre el nivel
del mar, actualmente es menor
por su explotacin minera. Geo-
grficamente, se encuentra en-
tre los 63 10 de longitud oeste y
los 7 25' de latitud norte y abar-
ca un rea rectangular que tiene
como coordenadas UTM: N
817.910, E 476.647 y N
819.350, E 478.227 (Figura 1).
Este yacimiento de mineral de
hierro est conformado por me-
nas residuales producto de la lixi-
viacin de la slice en las cuarci-
tas ferruginosas del Complejo
Imataca. Segn Bartolozzi
(2010), la mina cuenta con re-
servas de buena calidad, y se-
gn Salazar (2010), en prome-
dio tiene un contenido de fsforo
menor que el del cerro Los Ba-
rrancos, pero mayor que el del
cerro San Isidro, en donde las
menas con tenores mayores a
55 % de hierro estn situadas,
generalmente, por encima de
los 430 msnm. El yacimiento pre-
senta cuerpos de menas duras y
friables en forma de arena fina.
Para una adecuada toma de de-
cisiones la empresa estableci
cortes en los parmetros qumi-
cos de la ganga del mineral de
hierro con el fin de obtener me-
diante estos ndices de calidad
una adecuada produccin del
material ferrfero a ser comercia-
lizado (Tabla I).
Las menas de mineral de hierro
que posee la mina del cerro Las
Pailas deben ser evaluadas, tan-
to geolgica como qumicamen-
te para poder planificar su explo-
tacin de forma adecuada y en
lo posible de forma ptima. La ca-
lidad de estas menas, por lo tan-
to, deben ser previamente esti-
madas mediante estudios esta-
dsticos que consideren no slo
el comportamiento aleatorio de
estas variables qumicas sino
que tambin considere la estruc-
tura espacial de su dominio, lo
cual garantizara estimaciones
GEOMINAS, Vol. 45, N 72, abril 2017
 Modelamiento geoestadstico de las variables qumicas del

Para obtener el variograma a par-

tir de los datos experimentales
es usual utilizar el siguiente esti-
mador emprico (Idem):

(2)

Donde N es el nmero de pares

Z(x) y Z(x+h).
Cuando el comportamiento del
variograma en diferentes direc-
ciones es similar, se presenta iso-
tropa en el fenmeno de estruc-
tura espacial, en caso contrario
hay anisotropa.
Los variogramas empricos se re-
quieren para ajustar los modelos
de variogramas tericos, estos
son los que permiten estimar el
fenmeno espacial del yacimien-
Figura 1. Ubicacin relativa de la mina Las Pailas (C. V. G. Ferrominera to. Entre los modelos de vario-
Orinoco, C. A., 2014). gramas ms caractersticos que
se pueden detectar en los yaci-
mientos metlicos bajo la hipte-
Tabla I. Cortes para establecer la calidad para los productos de C. V. G.
Ferrominera Orinoco, C. A. (FMO.)
sis estacionaria se tienen el esf-
rico, exponencial y gaussiano;
en estos la variabilidad aumenta
a medida que la distancia de se-
paracin crece hasta que alcan-
za la meseta o sill, con lo cual
se llega al lmite o rango de in-
fluencia espacial de la variable
aleatoria.
El kriging es un estimador lineal
ms cercanas a la realidad. de las variables regionalizadas, que incluye la es-
La geoestadstica es una rama de la estadstica tructura geoestadstica en el factor peso de cada
dedicada al anlisis y la modelacin de variables muestras a considerar dentro de la vecindad. El
aleatorias que poseen estructura espacial; es co- clculo del kriging corresponde a la siguiente
mn encontrar este tipo de variables en el campo ecuacin (Armstrong, 1998; Journel y Huijbregts,
de la geociencias, por ejemplo, ley de metales, po- 1978):
rosidades, concentraciones de un contaminante,
etc; aunque esto no quiere decir que sea exclusi- (3)
va de estas ciencias.
El variograma es el parmetro geoestadstico que
)
por excelencia permite analizar el comportamien- Donde Z ( xo ) es el valor estimado de la variable en
to espacial de una variable sobre una zona dada, el punto xo, Z(xi) es el valor de la muestra en el pun-
se define como la varianza de la diferencia de pa- to xi, n es el nmero de puntos muestrales dentro
res de variables separadas por una distancia h, de la vecindad, y l es el peso de la muestra en la
i
Var[Z(x+h)-Z(x)]. Al asumir la hiptesis de esta-
ubicacin xi.
cionariedad, la variable Z(x) es invariante bajo
traslacin h, entonces E[Z(x)] = E[Z(x+h)], por lo Este peso li es seleccionado de manera que el
tanto, el variograma bajo esta hiptesis se define estimador sea insesgado:
)
como (Araya, 2014):
[
E Z ( xo ) - Z (x )]= 0
0

(1) y la varianza de estimacin:

)
[
Var Z ( xo ) - Z (x )] 0
GEOMINAS, abril 2017 47
M. Rojas, L. Araya, I. Llatas, J. Lpez
sea mnima (Armstrong. 1998).
Entre los mtodos de interpola-
cin estn el Kriging simple (me-
dia de la variable regionalizada
conocida) y el Kriging ordinarios
(media desconocida), estos m-
todos funcionan bajo la suposi-
cin de estacionariedad o hip-
tesis intrnseca.
En el caso del Kriging simple u or-
dinario, la solucin se obtiene
por optimizacin mediante el m-
todo Multiplicador de Lagrange,
en el cual se incluyen los mode-
los de variograma o covarianza
(indistintamente) para conside-
rar la correlacin espacial entre
las muestras y entre estas y el
punto desconocido a estimar.
Para los estudios geoestadsti-
cos estn disponibles de forma
comercial y libre varios progra-
mas, la mayora, sino todos, dis-
ponibles en internet. Muchos de
estos programas son desarrolla-
dos para aplicaciones especfi-
cas en minera, petrleo, am-
biente, ecologa, hidrologa, sue-
los, epidemiologa, etc, pero las
bases tericas que aplican son
las mismas, por lo tanto, pueden
utilizarse en cualquier tipo de es-
tudio. Entre las versiones co-
merciales, las ms conocidas ac-
tualmente son Isatis de la
Escuela de Minas de Paris, Gam-
maplus, la librera geoestadsti-
ca de ArcGIS, entre otras. En el
mundo de la minera, los progra-
mas de diseo y planificacin de
minas como MineSight, Datami-
ne, Gemcom, etc, tienen incor-
porados herramientas geoesta-
dsticas para estimacin de re-
cursos. En relacin a las versio-
nes libres, las ms modernas co-
rresponden a SGeMS, y las li-
breras geoestadsticas de R, ta-
les como geoR, gstat, Rgeos-
tats, entre otras. Hay versiones
libres ms antiguas que todava
estn vigentes, tales como
GEOEAS y GSLIB.
En cuanto al programa SGeMS,
acrnimo de Stanford Geostatis-
tical Modeling Software, este fue
desarrollado en la Universidad
de Stanford por Nicolas Remy
48
como parte de su tesis doctoral
presentada en el ao 2004. Este
programa libre y de cdigo
abierto fue desarrollado en len-
guaje C++, y tiene como objetivo
poner a la disposicin de los in-
vestigadores de un programa de
fcil manejo que dispone de va-
rias herramientas y algoritmos
necesarios para la interpreta-
cin geoestadstica en 3D, tales
como histogramas, diagramas
de dispersin, qqplot, variogra-
mas, kriging y simulaciones, ade-
ms permite el desarrollo de ta-
reas en lenguaje Python. La par-
te geoestadstica de este soft-
ware se realiz enteramente con
la librera GsTL que Remy desa-
rroll de su Tesis de Maestra del
ao 2002, y se inspir en la nece-
sidad de reemplazar mediante
un programa amigable al poten-
te pero difcil software GSLIB, de-
sarrollado en la misma universi-
dad por su profesor, Andr Jour-
nel y por Clayton Deutsch en el
ao 1992 (Remy, 2004, 2009;
Deutsch y Journel, 1998).
Metodologa
La investigacin central de este
trabajo es descriptiva, enfocada
en la estimacin del comporta-
miento qumico del mineral de
hierro utilizando mtodos
geoestadsticos computaciona-
les con el apoyo informtico del
software libre SGeMS y con el
auxilio de algunos componentes
del programa GSLIB.
La poblacin corresponde a las
mena de mineral de hierro que
se encuentran en el cerro Las
Pailas, la muestra est confor-
mada por 8.053 intervalos de
subsuelo entre 2 a 3 metros de
longitud, provenientes de la ba-
se de datos de sondeos explora-
torios bajo un mallado irregular
de aproximadamente 50 m x 50
m realizadas en las diversas
campaas exploratorias de
FMO. Esta informacin se alma-
cen en un archivo de datos bajo
el formato GeoEAS, para poder
ser reconocido tanto por el pro-
grama SGeMS como por
GSLIB, conteniendo las coorde-
nadas, longitud de las muestras
y los porcentajes peso / peso de
la slice, almina, prdida por cal-
cinacin, fsforo y manganeso.
Posteriormente, se realiz la ex-
ploracin inicial de los datos con
la generacin de los respectivos
histogramas con sus cuadros de
estadstica bsica. En SGeMS,
con la herramienta para la gene-
racin de histogramas se pudo
verificar la normalidad de los da-
tos mediante una opcin de es-
cala logartmica. Es importante
acotar que a partir de esta etapa
se tom la decisin de transfor-
mar logartmicamente los datos
duros, para esto se cont con el
auxilio de un programa de clcu-
lo, adems, fue necesario modi-
ficar los archivos de datos para
agregar los nuevos vectores
transformados.
Se crearon mapas de variogra-
mas para determinar posible di-
recciones de anisotropa con los
mdulos VARMAP y PIXELPLT
de GSLIB. Se generaron en
SGeMS los variogramas experi-
mentales en las direcciones de
anisotropa para las diferentes
variables qumicas.
El siguiente paso fue ajustar los
modelos tericos (esfrico, expo-
nencial, gaussiano, etc) con res-
pecto a los variogramas experi-
mentales, determinando los pa-
rmetros: efecto pepita (C0), con-
tribucin de variabilidad de cada
modelo (Ck), siendo k el nmero
de modelos anidados, los ran-
gos de influencia espacial (a).
Una vez obtenidos los modelos
de los variogramas se realiz
una validacin cruzada con el
mdulo KT3D de GSLIB. Se
cre en SGeMS el modelo de blo-
ques del yacimiento con dimen-
siones de 10x10x15 m3 (ancho,
largo y alto), para luego proce-
der con la estimacin de los valo-
res qumicos de cada bloque me-
diante el mtodo de interpola-
cin Kriging ordinario.
Finalmente, se guardaron en un
archivo los resultados estima-
GEOMINAS, Vol. 45, N 72, abril 2017
 Modelamiento geoestadstico de las variables qumicas del

Tabla II. Resumen estadstico descriptivo de las variables qumicas en

porcentaje del cerro Las Pailas.

Figura 2. Histogramas de las variables qumicas.

dos por el Kriging y se procedi, con la ayuda de
un programa de clculo, a invertir los valores loga-
rtmicos mediante la funcin exponencial. Estos
valores corresponden a los resultados finales de
la estimacin, el archivo de datos que los contie-
nen se grab y se carg en SGeMS para generar
las vistas en dos o tres dimensiones del modelo
del yacimiento.
Resultados
En la tabla II se muestran los resultados de la esta-
dstica bsica realizada a los sondeos geoexplo-
ratorios del yacimiento cerro Las Pailas, para un
total de 8.053 intervalos de muestras. El elemento
slice presenta el componente de ganga con ma-
yor presencia en los minerales de hierro del cerro
Las Pailas con un valor mediano de 5,289 %. To-
dos los elementos qumicos que componen la gan-
ga del mineral de hierro tienen comportamientos
de alta variabilidad y muy sesgados, como se pue-
GEOMINAS, abril 2017
de observar en las grandes diferencias entre las
medianas y las medias aritmticas.
En la figura 2 se observa el comportamiento co-
rrespondiente a los porcentajes de valores de ca-
da variable qumica. Todas las variables tienen dis-
tribuciones con sesgos positivos y con valores ex-
tremos muy altos, se asemejan al comportamien-
to aleatorio lognormal, muy comn en las varia-
bles qumicas de los yacimientos de mineral de
hierro. En los histogramas de los valores con
transformacin logartmica natural se observa la
normalizacin de los datos. En el caso de la slice
transformada se presenta dos grupos bien dife-
renciados de baja slice y alta slice, con tenden-
cia bimodal. En el caso del manganeso logartmi-
co, se observa en el histograma valores mnimos
con alta frecuencia, lo cual supone problemas de
precisin en la medicin de las observaciones.
Con respecto a las relaciones existentes entre las
variables qumicas, el comportamiento de los da-
49
M. Rojas, L. Araya, I. Llatas, J. Lpez

Figura 3. Correlacin entre almina y prdida por calcinacin.

Figura 4. Variogramas. Arriba a la izquierda: todos. Arriba a la derecha: vertical. Abajo: horizontal 0 y 90.

tos sugiere la presencia de co-
rrelacin intermedia entre el fs-
foro y la prdida por calcinacin
con un coeficiente de 0,51; y en-
tre la almina y la prdida por cal-
cinacin se presenta un coefi-
ciente de correlacin de 0.56. En
la figura 3 se observa que entre
50
estas variables, la correlacin es
alta en los valores transforma-
dos logartmicamente con 0,74.
Los resultados arrojados en los
mapas de variogramas en el pla-
no horizontal, presentan com-
portamientos isotrpicos en to-
das las variables.
En la figura 4 se presentan los va-
riogramas experimentales y su
modelos ajustados en tres ejes,
direcciones norte y este, y en pro-
fundidad para cada variable qu-
mica (representado por una cur-
va continua de color negro).
Se estima, de acuerdo al ajuste
GEOMINAS, Vol. 45, N 72, abril 2017
 Modelamiento geoestadstico de las variables qumicas del

Tabla III. Modelos de variogramas logartmicos obtenidos en los Los resultados de las estimacio-
ajustes. nes de los modelos kriging ordi-
nario se presentan en mapas que
muestran el corte en el plano hori-
zontal con escalas establecidas
convenientemente para localizar
las zonas dentro del yacimiento
que permitan establecer homoge-
nizaciones del material.
En slice, considerando una esca-
la de variacin de 0 a 10 %, se pue-
den observar en los mapas de la
figura 5 que la mayor parte del ya-
cimiento presenta concentracio-
nes que estn por encima del lmi-
Tabla IV. Resultados de la validacin cruzada para los modelos de
estimacin kriging con los variogramas logartmicos ajustados.
te superior establecido, con una
tendencia de aumento a medida
que se profundiza en el yacimien-
to, lo que indica que para lograr
un mejor aprovechamiento del ya-
cimiento se deben establecer cri-
terios de homogeneidad que ga-
ranticen la calidad del mineral.
Para la almina, considerando
una escala de variacin de 0 a 3
%, se puede observar en los ma-
pas de la figura 6 que a medida
que se avanza en la direccin nor-
realizado, que los modelos de los variogramas lo- este en su parte media del yaci-
gartmicos sean Exponencial y/o Gaussiano, debi- miento, se encuentran ubicadas zonas que pre-
do que la variabilidad con estructura espacial a pe- sentan concentraciones con caractersticas qu-
quea distancia de separacin tiene comporta- micas intermedias que pueden ser aprovechadas
miento cuadrtico, es decir, la variabilidad au- rpidamente, mientras que en la parte suroeste,
menta lentamente cerca del origen, pero en posi- las zonas muestran concentraciones muy altas
ciones intermedias crece rpidamente hasta em- las cuales para poder ser aprovechadas, necesi-
pezar a desacelerar este crecimiento en forma tan buen tratamiento de homogenizacin o trata-
asinttica a mayor distancia. miento especial que regule la calidad del mineral
En la tabla III se presentan los resultados de los a los lmites permitidos (Figura 6).
modelos de variogramas ajustados para cada va- Para la variable prdida por calcinacin, conside-
riable qumica transformada logartmicamente. rando una escala de variacin de 0 a 6,5 %, se
En todos los modelos existe continuidad en el ori- puede observar en los mapas de la figura 7 que a
gen, es decir, el efecto pepita fue cero. Debido al medida que se avanza en direccin norte, la con-
efecto de proporcionalidad, la slice presenta la centracin de la variable aumenta considerable-
mayor variabilidad en el yacimiento. Solamente mente alcanzando valores mayores al lmite mxi-
se detect anisotropa entre las direcciones hori- mo; de igual forma sucede al avanzar en direccin
zontales y verticales en las variables logartmicas este, mientras que en la parte superior del yaci-
slice y prdida por calcinacin, las dems son iso- miento sucede lo contrario, es decir, las concen-
trpicas en todas las direcciones. traciones de esta variable en el yacimiento van to-
En la tabla IV se presentan los resultados de la va- mando valores intermedios.
lidacin cruzada para establecer si los modelos Para el fsforo, considerando una escala de 0 a
de variogramas ajustados son adecuados para la 0,2 %, se puede observar en los mapas de la figu-
creacin del modelo qumico mediante kriging or- ra 8 que a medida que se avanza en direcciones
dinario para un soporte de los bloques de norte, este y en la parte superior del yacimiento
3
10x10x15 m . Los errores en su conjunto tienen las concentraciones de esta variable se mantie-
un comportamiento aleatorio con tendencia a una nen en valores intermedios, mostrando slo reas
distribucin normal, y la correlacin lineal entre muy pequeas con valores superiores al lmite m-
los valores reales y los estimados es muy alta. ximo. Es decir, el yacimiento en su totalidad mues-
tra buena calidad con relacin a este parmetro.
GEOMINAS, abril 2017 51
M. Rojas, L. Araya, I. Llatas, J. Lpez
Figura 5. Mapas de interpolacin kriging de la slice.
Para la variable manganeso,
considerando una escala de va-
riacin de 0 a 0,15 %, se puede
observar en los mapa de la figu-
ra 9 que en la parte superior y en
la direccin norte, se ubican zo-
nas con las mejores concentra-
ciones, y en la direccin este s-
lo se pueden observar peque-
as zonas con concentraciones
por encima del lmite mximo.
Discusin
El alto grado de sesgo de las va-
riables qumicas, lo cuales se
ven reflejados en las colas de los
histogramas, posiblemente se
52
deba a la amplia gama litolgica
que presenta este yacimiento,
estos valores altos son muy po-
co frecuentes, pero a la vez muy
significativos, lo que afecta la ca-
lidad de los productos que se ex-
plotan de la mina. Bajo esta pre-
misa entonces, el yacimiento de
mineral de hierro del cerro Las
Pailas, es geolgica y qumica-
mente heterogneo, en donde la
variabilidad tiene una fuerte de-
pendencia espacial.
El modelo qumico del yacimien-
to creado con el interpolador Kri-
ging indica que la mina es apro-
vechable en todo el yacimiento
debido a los bajos porcentajes
de contenido de fsforo y man-
ganeso.
En cuanto al contenido de almi-
na, en el yacimiento las zonas
de mayor aprovechamiento se
encuentran en la parte central, y
se van reduciendo estas zonas
de baja almina a menor altura
en el cerro. La slice presenta al-
tos contenidos porcentuales en
el yacimiento con escasas zo-
nas de slice menor al 10 %, y
que ha menos altura son mucho
menores todava. Esta configu-
racin de la slice limita el apro-
vechamiento de la mina, por lo
GEOMINAS, Vol. 45, N 72, abril 2017

Figura 6. Mapas de interpolacin kriging de la almina.
tanto, la explotacin del mineral
de hierro depende de un trata-
miento de mezclas adecuadas
bajo un control de calidad estric-
to.
El estudio indica que a pesar de
altos contenidos de slice de las
menas de hierro en la mayor par-
te del cerro Las Pailas, tambin
se presentan zonas con bajo fs-
foro y almina que permite una
adecuada explotacin de la mi-
na.
Conclusiones
Se cre un modelo qumico del
yacimiento del cerro Las Pailas
usando las herramientas com-
putacionales geoestadsticas
GEOMINAS, abril 2017
Modelamiento geoestadstico de las variables qumicas del
del programa SGeMS y GSLIB,
por lo tanto, es factible el uso de
estos programas informticos
geoestadsticos con licencia li-
bre para el estudio del compor-
tamiento qumico en los yaci-
mientos ferrferos de C.V.G. Fe-
rrominera Orinoco, C.A., y ade-
ms, esto es extensible a cual-
quier otro yacimiento minero.
SGeMS no posee herramientas
para la normalizacin, depura-
cin ni organizacin de los datos
como lo poseen otros progra-
mas. Para suplir esto, como se
hace en todo estudio estadsti-
co, se realiza un anlisis explo-
ratorio de los datos (resumen es-
tadstico de las medidas des-
criptivas en el histograma con
opciones a visualizar las trans-
formaciones logartmicas) y una
vez detectadas las anomalas
y/o errores se realizan las modi-
ficaciones o correcciones de los
datos duros fuera del programa.
El programa SGeMS desarrolla-
do en la Universidad de Stanford
es una herramienta computacio-
nal verstil y con potentes algo-
ritmos geoestadsticos. A pesar
de que no posee algunas herra-
mientas, como para la creacin
de mapas de variogramas o pa-
ra la validacin cruzada, esto
puede solucionarse con el apo-
yo de su antecesor de la misma
universidad, el programa
53
M. Rojas, L. Araya, I. Llatas, J. Lpez

Figura 7. Mapas de interpolacin kriging de la prdida por calcinacin.

GSLIB. La potencialidad de pro- decen a la Superintendencia de mn Bolvar.

grama SGeMS es muy alta, ya
que sus cdigos de programa-
cin estn abiertos, lo cual po-
dra ser aprovechado para que
las empresas mineras busquen
formas para adaptar este pro-
grama a sus necesidades.
La base de datos del modelo qu-
mico del yacimiento del cerro
Las Pailas, creado con el pro-
grama SGeMS, siguiendo el pro-
cedimiento desarrollado en este
trabajo, puede ser utilizado de
forma adecuada para la planifi-
cacin de la mina, tanto a corto, Araya, L. (2014). Creacin de un
mediano como a largo plazo.
Agradecimientos
Los autores de este artculo agra-
54
Minas y a la Gerencia de Minera Araya, L., Llatas, I. (2015). Anli-
de C. V. G. Ferrominera Orinoco, sis variogrfico de los por-
C. A. el apoyo brindado por la en- centajes de slice, almina,
trega de la base de datos del ce- prdida por calcinacin, fs-
rro Las Pailas. foro y manganeso del cerro
San Joaqun, municipio boli-
Referencias variano Angostura, estado
Araya, L., Lpez, J. y Abud, J. Bolvar. Boletn de Geologa,
(2009). Estudio geoestads- 37 (2): 89-95.
tico del yacimiento ferrfero Arcari, M. (2014). Uso de dado
C2NE del Cerro Bolvar, volumtricos para a melho-
municipio Ral Leoni, esta- ria da estimativade teores
do Bolvar. Geominas, 37 em mineralicao subterranea.
(48): 35-40. Trabajo de maestra en inge-
niera, Porto Alegre, Brasil:
modelo geoestadstico en el Universidad Federal de Rio
yacimiento de hierro cerro Grande del Sur.
Las Pailas. Trabajo de maes- Armstrong, M. (1998). Basic lin-
tra. Caracas: Universidad Si- ear geostatistics. Berlin Hei-
GEOMINAS, Vol. 45, N 72, abril 2017

Figura 8. Mapas de interpolacin kriging del fsforo.
delberg: Springer-Verlag.
Bartolozzi, A. (2010). Evaluacin de los Radios de
Influencia de los Conos para Voladuras del Ya-
cimiento Las Pailas, municipio Bolivariano
Angostura, estado Bolvar. Trabajo de Grado.,
Universidad de Oriente ,Ciudad Bolva, Vene-
zuela.
Campoani, A., Ruppenthal, U. y Kloeckne, J.
(2015). Estudo de pr-viabilidade de um dep-
sito de ferro. Trabajo de grado. Porto Alegre,
Brasil: Universidade Federal do Rio Grande
do Sul.
C.V.G. Ferrominera Orinoco, C. A. (2014). Ubica-
cin geogrfica Ferrominera. Recuperado de
http://www.ferrominera.com/site/?q=node/77
GEOMINAS, abril 2017
Modelamiento geoestadstico de las variables qumicas del
Deutsch, C., Journel, A. (1992). GSLIB:
geostatistical software library and users
guide. 2da. edicin. Nueva York: Oxford Uni-
versity Press, Inc.
Gobierno Bolivariano de Venezuela (2004). De-
creto 3.390. Caracas: Gaceta Oficial N
38.095, 23 de diciembre de 2004.
Gmez, O., Cuador, J., Estvez Cruz (2011). De-
terminacin del tamao racional del bloque pa-
ra la estimacin de recursos minerales en el
yacimiento Mariel. Minera y Geologa, v.27,
n.4, octubre - diciembre 2011, p. 20-39.
Journel, A., Huijbregts, Ch. (1978). Mining
geostatistics. Londres: Academic Press Inc.
(London) Ltd.
55
M. Rojas, L. Araya, I. Llatas, J. Lpez

Figura 9. Mapas de interpolacin kriging del manganeso.

Remy, N. (2002). GSTL: the
geostatistical template li-
brary in C++. Reporte para
Mster en Ciencias, Califor- Rojas, Mara (2014). Variabili-
nia, U.S.A.: Stanford Univer-
sity.
Remy, N. (2004). Algorithmic
and software methods for a
better integration of the geo-
logical information into nu-
merical models. Stanford
University. Tesis Doctoral.
California, U.S.A.: Stanford
University.
Remy, N., Boucher, A., Wu, J.
(2009). Applied
Geostatistics with SGeMS: A
User's Guide Stanford
Geoestatistical Modeling
56
Software. Cambridge Uni-
versity Press: United King-
dom.
CVG Ferrominera Orinoco,
dad espacial de los parme-
tros qumicos del mineral de
hierro del yacimiento cerro
Las Pailas, municipio Boliva-
riano Angostura, estado Bol- Silva, A. (2015). Krigagem de te-
var. Trabajo de maestra no
publicado. Universidad de
Oriente, Ciudad Bolvar, Ve-
nezuela.
Salazar, C. (2010). Maximiza-
cin de las reservas recupe-
rables del Cuadriltero Ferr-
feros San Isidro y mina Alta-
mira segn los cortes en los
porcentajes de slice y fsfo-
ro para responder a las nue-
vas exigencias de los pro-
ductos comercializados por
C.A. Trabajo de grado no pu-
blicado, Universidad de
Oriente, Ciudad Bolvar, Ve-
nezuela..
ores de ouro da mina de Caia-
mar-Gois. Trabajo de maes-
tra. So Paulo, Brasil: Uni-
versidade de So Paulo.
GEOMINAS, Vol. 45, N 72, abril 2017