La prediccin de prdidas de mineral de hierro y factores de dilucin Usando simulaciones
condicionales
DT Ribeiro 1, JFCL Costa 2, M Vidigal 3 y D Roldo 4
ABSTRACTO
La funcin local de distribucin acumulativa (LCDF) de una unidad de mina selectiva (SMU) se
puede estimar mediante simulaciones condicionales utilizando las estadsticas derivadas de los
puntos de muestra, generando mltiples escenarios igualmente probables. simulaciones
condicionales permiten la evaluacin de la LCDF en cualquier soporte, teniendo en cuenta la
variabilidad espacial, es decir, el variograma, y los dos momentos estadsticos, media y la varianza,
de las muestras de aire. Las prdidas de mineral de SMU y dilucin dependen del mtodo de
minera y equipos de minera selectividad que, a su vez, depende del tamao del bloque predicho.
Un nuevo enfoque para predecir la prdida de mineral y dilucin fue desarrollado en este estudio. la
simulacin de Monte Carlo se utiliza para generar aleatoriamente un valor de grado derivado de la LCDF en
la etapa de extraccin (Zs_mc (t)) con el fin de tomar una decisin sobre el destino SMU, es decir, la planta
de procesamiento (ORE) o vertedero de desechos (residuos). Si Zs_mc (t) es inferior o igual a la lnea de
corte (Z_cut-off) del bloque es ORE y, a la inversa, si Zs_mc (t) es mayor que la lnea de corte (Z_cut-off) del
bloque es de residuos.
Teniendo en cuenta estos destinos binarios ORE / RESIDUOS, en el momento de minera t, y
la combinacin de cada realizacin de la funcin aleatoria simulado Zcs_i (X), hay cuatro
posibilidades para cada valor simulado SMU:
1. el bloque se simul como mineral y es en realidad mineral (OO),
2. el bloque se simul como mineral y es en realidad residuos (OW),
3. el bloque se simul como residuos y es en realidad mineral (WO), y
4. el bloque se simul como residuos y es en realidad residuos (WW). El factor de dilucin viene dado
por posibilidad 3 (WO), mientras que el factor de prdida de mineral est representado por posibilidad 2
(OW). Estos resultados comprenden las parcelas de clasificacin y reconciliacin clsicos utilizados en la
industria minera. El nuevo procedimiento propuesto en este documento se basa en el uso de todas las
simulaciones igualmente probables para definir los factores de prdida de mineral y de dilucin.
Una aplicacin de esta metodologa se llev a cabo en la mina de hierro de Vale en Brasil.
El grado de slice fue simulado y 50 mltiple igualmente se generaron modelos 3D probables.
La media y la desviacin estndar del tonelaje de mineral (OO WO +) para las 50 realizaciones,
era 233 Mt y
0,5 Mt, respectivamente. El grado medio aument para el mineral diluido (OO + WO), as como su
respectivo coeficiente de variacin (CV). El CV se incrementa de 62 por ciento en el mineral sin diluir
(OO), a 101 por ciento en el mineral, teniendo en cuenta el factor de dilucin (OO + WO). La media
de mineral de prdida (OW) era 10 Mt y la dilucin tonelaje de residuos (WO) fue 9 Mt.
INTRODUCCIN
las prdidas de mineral y dilucin son comnmente cuantificable en la industria minera sobre
la base de la experiencia. Muchos profesionales de la dilucin calculan teniendo en cuenta los
datos histricos de produccin de la fbrica de piensos observado. Esta es una buena
metodologa para predecir
1. gelogo, Planificacin y Desarrollo ferroso - DIPF, Vale, Rua Paraba, 1122, 18 andar, Belo
Horizonte MG 30130 918, Brasil. E-mail: diniz.ribeiro@vale.com
2. MAusIMM, Profesor Asociado, Departamento de Ingeniera de Minas de la Universidad
Federal de Rio Grande do Sul, Av Bento Gonalves, 9500, Bloco IV, Prdio 75, Sala 104,
Barrio Agronomia 91501-970 Porto Alegre, Brasil. E-mail: jfelipe@ufrgs.br
3. El Administrador de recursos, Planificacin y Desarrollo ferroso
- DIPF, Vale, Rua Paraba, 1122, 18 andar, Belo Horizonte MG
30130 918, Brasil. E-mail: marcelo.vidigal@vale.com
4. gelogo, Planificacin y Desarrollo ferroso - DIPF, Vale, Rua Paraba, 1122, 18 andar, Belo
Horizonte MG 30130 918, Brasil. E-mail: debora.roldao@vale.com
Conferencia de mineral de hierro Perth, WA, 27 hasta 29 julio, 2009
dilucin, pero no es suficiente para evaluar la cantidad de dilucin cuando el proyecto
minero se encuentra en la etapa inicial. La mayora de las minas no tienen medidas de
confianza para la dilucin y este es un tema que merece ms investigacin.
Segn Sinclair y Blackwell (2002) dos tipos de dilucin pueden ser definidos:
externa e interna. La dilucin externa se asocia a perder contacto con la roca con el
yacimiento o zona mineralizada mientras que la dilucin interna se produce dentro
de las zonas de mineral y depende, a su vez, en la ley de corte utilizada.
En este trabajo los factores de dilucin controlados por la precisin yacimiento delineacin
(factor de informacin) y la unidad de mina selectiva tamao (SMU) sern discutidos. Este
trabajo no se ocupa de los factores de dilucin impredecibles que afectan a la calidad del
mineral tales como las condiciones meteorolgicas, restricciones geotcnicas, estrategias
mineras, etc.
Journel y Kyriakidis (2004) definen el SMU como el menor volumen de mineral
que pueden separarse de los residuos. Estos autores describen dos factores de
dilucin '' predecibles: el apoyo y la informacin de efectos. El efecto informacin
significa que la informacin disponible en el momento de explotacin ser ms
detallada que en el momento de predicciones (fase del proyecto) y el efecto de
apoyo, a su vez, significa que el volumen SMU es mayor que el volumen de
ncleos de perforacin, 'suavizar' las varianzas cuando el volumen de bloque
aumenta el.
OBJETIVOS Y METODOLOGA
La propuesta de este estudio es analizar la dilucin interna de mineral de hierro, teniendo
en cuenta lo existente incertidumbre en las leyes dentro del yacimiento. La metodologa
utiliza mltiples modelos lated simular como una entrada para el algoritmo de planificacin
minera, con el fin de evaluar el SiO 2 dispersin contenido en la alimentacin de la planta.
La incertidumbre se puede acceder por tcnicas geoestadsticas no lineales que
hacen posible la generacin de mltiples realizaciones igualmente probables de una
funcin aleatoria que representa los grados de un cierto depsito mineral. La simulacin
de los grados se restringi a una zona limitada propuesta por el plan de minera. Un
perodo del plan especfico a la minera de depsito S11 que comprende los primeros
aos de explotacin se eligi para este estudio. Los puntos de acondicionado de la
simulacin se representan por las muestras de perforacin, se recogi en una
cuadrcula pseudo-regular de 100 m por 100 m en algunas zonas y 200 m por 200 m en
otros (Figura 1). La variable considerada en el ensayo fue SiO 2, y fue simulada en una
cuadrcula regular de bloque de restringir al plan de minera para los aos 5 y 6 (Figura
2). Cada bloque tiene 1.500 m 3 ( 10 m 10 m 15 m).
Seis pasos fueron seguidos para calcular la dilucin de la slice durante un perodo
especfico del plan de minera, a saber:
1. generacin de 50 varios modelos 3D igualmente probables para SiO 2 grado,
utilizando el mtodo de bandas de giro (Journel,
1974);
2. determinacin de una trayectoria de minera secuencial estacionaria para el modelo de
bloques 3D determinado por un grado preseleccionado, utilizando una realizacin
especfica - el uno con el grado promedio de slice igual a la mediana de los 50
realizaciones, haciendo caso omiso de ley de corte;
3. construir la funcin local de distribucin acumulativa (LCDF) en cada nodo de la malla
usando todas las realizaciones;
309
DT RIBEIRO et al

9297000

GR_XY_SECO

GR_XY_UMIDO

9296000

laDISTRIBUIODAS SONDAGENS
9295000

distribucin de perforacin

9294000

9293000

9292000

9291000
566000 568000 570000 572000 574000 576000 578000

HIGO 1 - distribucin de perforacin en depsito S11 (fuente: informe interno Vale).

2012: amarillo
2017: rojo

HIGO 2 - Este parte del yacimiento - ao del plan minero 1 en amarillo, y los aos 5 y 6 en las zonas del yacimiento (utilizados para las simulaciones) de color rojo.

presencia de otros minerales no ferrosos tales como el cuarzo, wavellite, gibbsita,

4. dibujar un valor aleatorio para decidir sobre el destino de nodo de mineral / rejilla de residuos
carbonato, etc. grado de la hematita de slice y el mineral de itabirita fue utilizado
utilizando la simulacin de Monte Carlo, teniendo en cuenta el grado de corte;
como principal variable de contaminante y la simulacin geoestadstica se centr en
esta variable.
5. crear 50 lneas de la trama que representan el grado de los bloques a lo largo de una serie de
tiempo de mineral diluido; y SIMULACIN Y incertidumbre a nivel local
6. calcular la masa y la varianza del sistema. Para una unidad de minera selectiva dado (SMU) es posible evaluar la incertidumbre local
a travs de la funcin local de distribucin acumulativa (LCDF) obtenido por simulacin

GEOLOGA y dilucin condicional. simulacin condicional estocstico es capaz de cuantificar la variabilidad de

La metodologa fue probada en S11 fuerte, situada en la provincia de Carajs, en el
norte de Brasil. Se trata de un depsito de hematita de alto grado tpico derivado de
enriquecimiento supergnico de formacin de hierro bandeado (BIF). El BIF de la
provincia de Carajs
sus caractersticas geolgicas, tales como notas o cualquier otro atributo correspondientes
a un proyecto minero dado. La variabilidad puede ser evaluada mediante la construccin de
mltiples escenarios numricos igualmente probables. La combinacin de estos escenarios
puede proporcionar una evaluacin del llamado espacio de incertidumbre.
es

predominantemente constituido por rocas silceas y hematites conocidos como

jaspelite. El jaspelite es un BIF en el que el cuarzo y carbonato son intercaladas con
xidos de hierro.
El contacto externo de los cuerpos de hematites est dada por rocas volcnicas,
diques mficos, suelo, canga (corteza hidratado en la superficie BIF) y jaspelite
mientras que el contacto 'interno' est dada por el bajo, intermedio y de alto grado de
transicin de la hematita cuerpos.
Por lo general, en las minas de hierro de la variable principal que se utiliza en el control de
calidad no es el contenido de hierro. Los grados de contaminacin son ms relevantes para el
control de la calidad en el producto e indican la
Los estocsticos ms comnmente utilizado algoritmos de simulacin
condicionales son la secuencial gaussiana (Isaaks, 1990), indicador secuencial
(Alabert, 1987) y el mtodo bandas de giro (Matheron, 1973). El mtodo de bandas
girando se utiliz para este estudio.
La simulacin de valores de un atributo Z utilizacin de bandas de torneado,
condicionadas a los datos originales, se realiza en dos etapas, tanto que se ejecuta en el
espacio de Gauss. Los valores generados finales se transforman con el tiempo de
respaldo al espacio variable original. En la primera etapa, los valores obtenidos en el nodo
de una red no son

310 Perth, WA, 27 hasta 29 julio, 2009 Conferencia de mineral de hierro

 PREDICCIN prdidas en el hierro del mineral y factores de dilucin USO DE CONDICIONAL SIMULACIONES

condicional a los datos originales (normal). Sin embargo, ellos RUTA FIJA
reproducir el modelo de covarianza de estos datos. En la segunda etapa, los valores
obtenidos en cada localizacin, se condicional a los datos originales (normal). El variabilidad Stationary grado de mineral en un proceso de minera se puede asociar con el

mtodo es presentado por Chiles y Delfiner (1999) y se consolida en la actualidad y tiempo (t) y el espacio (x). La variabilidad en el tiempo se correlaciona con la secuencia de la

ampliamente utilizado entre la comunidad geoestadstica de la industria minera. Ms minera y la programacin, mientras que la variabilidad espacio depende de la caracterstica

recientemente, Lantujoul (2002) presenta algunas alternativas para algoritmos para geolgica intrnseca del yacimiento.

simular valores de una lnea determinada, respetando el modelo relacionado de

covarianza. Las 50 realizaciones de simulaciones condicionales, Zcs_i (v), fueron clasificados de
acuerdo con su desviacin estndar global y la realizacin con la desviacin estndar de la
simulaciones geoestadsticas condicionales se utilizaron para generar 50 escenarios mediana se utiliz para obtener un bloque estacionario por la secuencia de la minera
igualmente probables para el atributo de inters en el tamao de bloque asociada a la bloque. PDFSeq, un programa informtico desarrollado y utilizado por el equipo Vale

selectividad minera adoptado. La figura 3 muestra tres LCDF obtenido por 50 (Ribeiro et al, 2007), se utiliz para generar una secuencia de minera con la calidad del

realizaciones equiprobables de SiO 2
en tres bloques situados en diferentes zonas del depsito, respectivamente en las
zonas de bajo, intermedio y de alto grado. La desviacin estndar entre las
realizaciones aumenta, en trminos de valor absoluto, de la baja a las zonas de
alto grado.
mineral constante teniendo en cuenta la funcin de distribucin de probabilidad a intervalos
de tiempo y haciendo caso omiso ley de corte. Para una variable regionalizada dado, Z (x),
es posible evaluar el histograma global o, simplemente, la funcin de distribucin de
probabilidad (pdf)

0.9 1

0.8 UN
0.7

0.6
Semen. Frec

0.5 segundo
do
0.4

0.3

0.2

0.1

0
0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

SiO (%)
2

HIGO 3 - Tres funcin de distribucin acumulativa local (LCDF) de slice de diferentes unidad mina selectiva (SMU) situado en tres zonas
del depsito, respectivamente, a: bajo (A), intermedia (B) y de alto grado (C).

HIGO 4 - ejemplo esquemtico que muestra la reorganizacin de la matriz de bloque de espacio 3D en 1D lnea de bloque de tiempo. Los histogramas correspondientes, funcin de
distribucin de probabilidad mundial (PDF) y el tiempo PDF, tambin estn representados en la figura (Ribeiro et al, 2007).

Conferencia de mineral de hierro Perth, WA, 27 hasta 29 julio, 2009 311

DT RIBEIRO et al

para cualquier apoyo volumtrica, Z (v). La pdf global se utiliza como parmetro de La Figura 6 estn por debajo de la lnea de corte (cinco por ciento de SiO 2); Sin embargo, el
comparacin para el pdf tiempo calculado para cada perodo (Figura 4). Las secuencias de bloque en estos casos ser enviado a un destino equivocado (prdida de mineral). Eso
todos los bloques de hematites fueron evaluados en series de tiempo (1D) para verificar la significa que, en aproximadamente el 60 por ciento de las realizaciones habr un destino

incertidumbre en los grados y sus fluctuaciones. equivocado, y, a la inversa, en 40 por ciento de las realizaciones el destino bloque ser
correcta, es decir, bloques en los que el grado de slice simulado es por encima de la lnea
de corte ser enviado al vertedero.

SIMULACIN DEL MONTE CARLO Si todos los grados de las 50 simulaciones son por debajo de la ley de corte, para
una cierta LCDF, este bloque ser siempre mena y su destino ser siempre la planta
la simulacin de Monte Carlo (MCS) se utiliz para generar un valor aleatorio de grado
de procesamiento.
derivado de la LCDF en la etapa de la minera t (Zs_mc (t)). Este enfoque fue desarrollado
Para cada realizacin, despus de la simulacin de Monte Carlo, es posible calcular la
como herramienta de auxilirary para tomar una decisin sobre el destino de SMU, es decir,
dilucin de masas y las prdidas de mineral. La figura 6 presenta una serie de bloques
planta de procesamiento (ORE) o depsito de residuos (residuos), teniendo en cuenta el
programados para ser minadas extrado de una realizacin especfica. Los bloques en rojo
cinco por ciento de SiO 2 contenido que el de corte. Si Zs_mc (t) es inferior o igual a la lnea
fueron asignados a los minerales y los bloques de color amarillo se clasifican como residuos. El
de corte (Z_cut-off) del bloque es ORE y, a la inversa, si Zs_mc (t) es mayor que la lnea de
crculo azul rodea los bloques mal clasificados: residuos como mineral (WO) y el mineral como
corte (Z_cut-off) del bloque es de residuos.
residuos (OW).

La Figura 5 es un ejemplo de esta metodologa que muestra un LCDF con gran

dispersin (Etype = 5,92 por ciento de SiO 2 y la desviacin estndar = 5,21 por
ciento). El nmero aleatorio generado en este ejemplo fue 0,86 y el Zs_mc
correspondiente (t) era 12,7 SiO 2
por ciento. El Zs_mc (t) es mayor que la ley de corte (cinco por ciento SiO 2) y el
bloque ser enviado al vertedero. Slo una Zs_mc (t) se genera para el nodo de
red.
Para cada simulacin el destino del bloque podra ser bueno o malo. Tenga en
cuenta que la mayora de las realizaciones en el grado
Tabla 1 y los histogramas presentados en la Figura 7 resume la masa total de mineral
(OO), residuos (WW), mineral como residuos (OW) y de los residuos como mineral (WO),
para cada realizacin para un perodo especfico considerado en el plan de minera .
dilucin de residuos y la masa promedio de la prdida de mineral eran 9 Mt y 10 Mt, que
corresponde a 3,9 por ciento y cuatro por ciento de la alimentacin de la planta y el
mineral total, respectivamente. La media y la desviacin estndar del tonelaje de mineral
(OO WO +) para las 50 realizaciones eran 233 Mt y
0,5 Mt, respectivamente.

0.9 1

0.8

0.7
Nmero aleatorio

0.6
Semen. Frec

0.5

0.4

0.3

0.2

0.1

0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20

SiO2 (%)

Ley de corte Zs_mc (t)

HIGO 5 - simulacin de Monte Carlo: generacin de nmeros aleatorios para elegir el Zs_mc (t) de la funcin de distribucin acumulativa local (LCDF) para comparar con la ley de corte. En este
ejemplo el Zs_mc (t) es mayor que el punto de corte y la unidad de mina selectiva (SMU) ser clasificado
como residuos.

W AY AY WW

3,8 3,9 5,6 2,7 2,6 1,5 3 1 1 1,8 3 7,4 2,2 1,4 4,1 4,3 2,1 4,6 3,2 9,2 5,5 4,8 10,6 0,8 11,6 1,1 0,71 1

WO O O O O O

Zs_cs (t) - Serie de bloques schedulled a ser extrados

HIGO 6 - serie de bloques programados usando los grados extrados de uno de residuos realizacin en amarillo (W) y el mineral en rojo (O). Los crculos azules
rodear los bloques mal clasificados, es decir, los residuos como mineral (WO) y el mineral como residuos (OW).

312 Perth, WA, 27 hasta 29 julio, 2009 Conferencia de mineral de hierro

 PREDICCIN prdidas en el hierro del mineral y factores de dilucin USO DE CONDICIONAL SIMULACIONES

TABLA 1
Masa total de OO, WW, WO y OW para cada simulacin de slice.

OO Simulation (Mt) WW (Mt) OW (Mt) WO (Mt) Simulacin OO (Mt) WW (Mt) OW (Mt) WO (Mt)

1 225 7 10 8 26 223 6 10 10

2 228 6 10 5 27 228 5 11 5

3 224 7 10 9 28 228 5 11 5

4 215 8 9 19 29 227 5 11 7

5 224 7 10 10 30 227 6 10 7

6 227 7 9 7 31 226 4 12 8

7 222 7 9 11 32 217 8 8 17

8 222 8 9 12 33 227 5 11 6

9 224 7 10 9 34 219 8 8 15

10 227 6 11 6 35 222 7 10 11

11 227 5 11 6 36 223 7 9 10

12 225 7 9 9 37 222 6 10 11

13 229 6 11 5 38 227 6 11 7

14 221 7 9 12 39 223 7 9 10

15 227 5 11 6 40 225 6 10 8

diecisis 218 7 10 diecisis 41 222 7 10 11

17 221 7 10 13 42 224 6 10 9

18 227 6 11 6 43 224 6 10 9

19 222 6 10 11 44 216 8 8 17

20 225 6 10 8 45 226 6 11 8

21 223 8 8 10 46 226 5 11 7

22 226 6 10 8 47 230 4 13 4

23 224 7 9 9 48 228 5 11 6

24 224 7 9 10 49 224 6 10 9

25 225 6 10 8 50 224 6 11 10

TABLA 2
CONCLUSIN
La media y la desviacin estndar de slice para todos unidad mina selectivo, usando la Las diluciones internas dentro del depsito mineral de hematita de S11, por ao 5 y 6, se
realizacin 42a con (OO + WO) y sin dilucin espera que sea 9 Mt de material de desecho, hematita con el grado de slice superior al cinco
(Mineral de <de corte).
por ciento. Esta dilucin masa representa cuatro por ciento de la ROM que alimentar a la
Dilucin S No planta de procesamiento. En este mismo perodo, la prdida de mineral asciende a 10 Mt, que
representa un 3,9 por ciento del mineral total por debajo de la lnea de corte.
La media (SiO 2%) 1.53 1.32

desviacin estndar (SiO 2%) 1.54 0.82

Coeficiente de variacin (%) 101 62
Los aumentos medios de grado para el mineral diluido (OO + WO) en comparacin con
la seleccin perfecta, as como su respectivo coeficiente de variacin (CV). Tomando la
simulacin 42a, los CV aumenta de 62 por ciento, en el mineral sin diluir (OO), a 101 por
ciento, en el mineral, teniendo en cuenta el factor de dilucin (OO + WO, Tabla 2).
La dilucin se incrementar con el grado de slice. Teniendo en cuenta la
simulacin con slice de calidad media igual a la mediana de los 50 simulaciones, la
ROM significa grado aumentar de
1,32 por ciento (mineral sin diluir) a 1,53 por ciento de slice (mineral diluido). El
coeficiente correspondiente de variacin cambiar de 62 por ciento a 101 por ciento.
Las diluciones internos y prdidas de mineral se evaluaron adecuadamente a travs de
la metodologa propuesta: la combinacin de simulaciones geoestadsticas, secuencia de

La simulacin 42a se utiliz para construir las lneas de produccin simulados para 20 minera estacionaria y la simulacin Monte Carlo. La variabilidad de SiO 2 en la

000 kt. Las lneas que se muestran en la Figura 8 corresponden a los grados de slice, alimentacin de la planta se estim correctamente.

teniendo en cuenta la dilucin, de cada

13,5 kt (Ribeiro et al, 2008). El soporte de volumen para cada punto en esta
lnea (sin pila homogeneizacin) corresponde
aproximadamente tres bloques. puntos Nota largo de esta lnea en la que el grado de
slice es superior a la ley de corte (SiO _ 2 = cinco por ciento).
El porcentaje de la dilucin y el mineral de prdida es pequea, ya que slo la dilucin
de mineral de hematita interno se consider. Si se considera la dilucin externa con otros
materiales de desecho (rocas volcnicas, canga y jaspelite, por ejemplo), este porcentaje
de dilucin podra ser ms significativa. La dilucin externa se puede evaluar en el futuro
mediante la aplicacin de una metodologa similar utilizando simulacin indicador
secuencial (SIS).
estudios de dilucin externos futuros, teniendo en cuenta otros materiales de roca
a estril, contribuirn a enriquecer el nivel de aplicacin de la metodologa propuesta.
Referencias
Alabert, F, formacin de imgenes 1987. estocstico de distribuciones espaciales utilizando duro
y la informacin suave, MSc tesis, Universidad de Stanford, Stanford, 197 p.
Chiles, JP y Delfiner, P, 1999. Geoestadstica: Modelacin Espacial
incertidumbre ( Wiley & Sons).
Isaaks, EH, 1990. La aplicacin de mtodos de Monte Carlo para el anlisis
los datos de espacialmente correlacionados, tesis doctoral, Universidad de Stanford, 213 p.

Conferencia de mineral de hierro Perth, WA, 27 hasta 29 julio, 2009 313

DT RIBEIRO et al

HIGO 7 - histograma Masa de WW, OO, WO y OW.

HIGO 8 - los grados de slice por cada dos bloques (13,5 kt) utilizando la realizacin 42a: sin pila (1), una pila de 200 kt (2) y,
la combinacin de tres pilas, totalizadora 600 kt (3) - a partir de Ribeiro et al ( 2008).

314 Perth, WA, 27 hasta 29 julio, 2009 Conferencia de mineral de hierro

 PREDICCIN prdidas en el hierro del mineral y factores de dilucin USO DE CONDICIONAL SIMULACIONES

Journel, AG, 1974. La geoestadstica para la simulacin condicional de los cuerpos de mineral, Ribeiro, DT, Stangler, RL, Costa, JF, Vidigal, M y Marques, DM,
La geologa econmica, 69 (5) 673-687. Journel, AG y Kyriakidis, PC, 2004. Evaluacin de 2008. simulaciones condicionales para predecir la variabilidad del mineral y la pila homogeneizacin

las reservas minerales tamao ptimo: Un estudio de caso de un mineral de hierro, en

- Un enfoque de simulacin, 216 p (Oxford University Press: Nueva York). Actas VIII Congreso Internacional de Geoestadstica, Santiago, pp 749-758. Sinclair, AJ y
Blackwell, GH, 2002. Inventario Aplicada Mineral

Lantujoul, C, 2002. Geoestadsticas simulacin: Modelos y Algoritmos

(Saltador). Estimacion, 378 p (Cambridge University Press: Cambridge).

Matheron, G, 1973. Las funciones aleatorias intrnsecas y sus aplicaciones,

Los avances en la Probabilidad Aplicada, 5: 439-468.

Ribeiro, DT, Ezawa, L, Moura, MM y Pilger, G, 2007. PDFseq: Mina

simulacin de programacin basado en la funcin de distribucin de probabilidad bloque:
Una aplicacin de mineral de hierro, en Aplicacin procedimientos de Informtica e
Investigacin Operativa en la industria mineral (APCOM): el 30 Simposio Internacional, Santiago,
pp 369-374.

Conferencia de mineral de hierro Perth, WA, 27 hasta 29 julio, 2009 315