Академический Документы
Профессиональный Документы
Культура Документы
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
EXPERIENCIA N°4
Docente:
Ayudantes:
Integrantes:
Fecha de entrega:
11 de enero de 2016
RESUMEN EJECUTIVO
Por estimación de recursos entendemos la determinación de la cantidad de materia prima
contenida en un yacimiento o en una de sus partes. Esta se considera un proceso
continuo, que se inicia en la exploración y que se sigue realizando constantemente,
inclusive en la etapa de producción. Esta es una etapa crucial, debido a que el éxito del
negocio minero tiene directa relación con la calidad de la estimación de recursos,
realizada a partir de la información generada durante las campañas de exploración.
Este trabajo consiste en realizar una estimación válida, mediante kriging ordinario, a partir
de un modelo geológico válido y una función variograma. Esto se realizará en la unidad
geológica 500, correspondiente de óxidos, a partir de la variable de interés, que en este
caso es la ley de CuT.
Para poder realizar esta estimación, se debe tener en cuenta que se debe contar con un
modelo geológico válido, con información de compositos con las leyes de la variable de
interés, un modelo de bloques, tener un EDA para la identificación de outliers y un modelo
variográfico. La metodología seguida para lograr el objetivo de esta experiencia será crear
un modelo de bloques con las variables necesarias, luego flaguear sólidos, configurar las
pasadas, desde el modelo variográfico de óxidos obtener las distintas direcciones de
Bearing, Plunge y Dip, para finalmente estimar mediante kriging ordinario.
Para el método de estadística básica, se pudo verificar que la ley media de la zona de
óxidos por kriging ordinario fue de 0.24 %, esto en comparación con la media obtenida
para los compositos desagrupados, el cual arrojó una ley media de 0.23 %. Ya que estas
medias son sumamente parecidas, la estimación es válida por estadística básica.
Una recomendación sería disminuir el tamaño de bloque, para así disminuir el error de la
estadística de leyes medias.
2
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
TABLA DE CONTENIDOS
1. Introducción .................................................................................................................... 5
3. Alcances ......................................................................................................................... 6
4. Limitaciones .................................................................................................................... 6
5. Metodología .................................................................................................................... 7
9. Bibliografía .................................................................................................................... 16
10. Anexos
3
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
TABLA DE ILUSTRACIONES
Ilustración 1: Visualización de unidad geológica 500 - Vista perfil. .................................................... 8
Ilustración 2: Variogramas experimentales modelados...................................................................... 9
Ilustración 3: Validación visual por secciones con compositos de CuT............................................. 10
Ilustración 4: Estimación de un bloque aleatorio delineado con rojo. ............................................. 11
Ilustración 5: Deriva del eje X (Este).................................................................................................. 12
Ilustración 6: Deriva en el eje Y (Norte) ............................................................................................ 13
Ilustración 7: Deriva en el eje Z (Cota) .............................................................................................. 14
Ilustración 8: Modelo de bloques en comparación con compositos. ............................................... 18
Ilustración 9: Modelo de bloques. .................................................................................................... 18
ÍNDICE DE TABLAS
Tabla 1: Datos del Yacimiento. ............................................................................................................ 8
Tabla 2: Datos de las Unidades Geológicas: -99, 200, 500 y 700. ....................................................... 8
Tabla 3: Tabla de direcciones del variograma, tabla y meseta. .......................................................... 9
Tabla 4: Elementos del modelo de bloques. ..................................................................................... 10
Tabla 5: Tabla de estadística resumen. ............................................................................................. 11
4
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
1. INTRODUCCIÓN
El estudio de fenómenos con correlación espacial, por medio de métodos geoestadísticos,
surgió a partir de los años sesenta, especialmente con el propósito de predecir valores de
las variables en sitios no muestrados.
Una primera aproximación a la solución de este problema fue dada por el geólogo G.
Krige que propuso una variante del método de medias móviles, el cual puede
considerarse como el equivalente al krigeado simple.
El kriging es un término que ha sido acuñado para designar al "mejor estimador lineal
insesgado", el cual es denominado lineal porque es una combinación lineal ponderada de
los datos, insesgado debido a que el error de estimación tendrá una media igual a cero y
mejor en el sentido del error de la varianza mínimo para un modelo dado de
covarianza/variograma. Esta es una técnica de estimación espacial desarrollada por G.
Matheron en los setenta, a partir de los trabajos de Krige.
El interés práctico más importante del krigeado, proviene, no del hecho que asegura la
mejor precisión posible, sino más bien porque permite evitar un error sistemático. En la
mayoría de los depósitos mineros, se deben seleccionar, para la explotación, un cierto
número de bloques, considerados como rentables y se deben abandonar otros bloques
considerados como no explotables. Daniel Krige demostró que, si esta selección se
realizara considerando exclusivamente las muestras interiores a cada bloque, resultaría
necesariamente una sobre-estimación de los bloques seleccionados.
Como es natural, el krigeado atribuye pesos altos a las muestras cercanas a la ley media
y pesos débiles a las alejadas.
Existen varios tipos de kriging, como lo son el kriging simple, ordinario, con deriva, no
lineal, multivariable, etc. En el caso del kriging ordinario, este consiste en un kriging lineal
con valor esperado estacionario pero desconocido. Los requisitos son: el valor esperado
de la función aleatoria debe ser constante y conocer la función de covarianzas o el
semivariograma de la función aleatoria.
Este trabajo tiene como finalidad poder realizar una estimación válida mediante kriging
ordinario, para la unidad geológica de óxidos. La metodología utilizada para lograr este
objetivo es crear un modelo de bloques, flagear sólidos, configurar pasadas (determinar la
vecindad de búsqueda) y direcciones (Bearing, Plunge y Dip), para luego estimar.
5
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
3. ALCANCES
La variable de interés, en este caso, es el CuT.
La estimación sólo se realizará en la unidad geológica de óxidos, por tanto quedan
exentos del estudio las unidades correspondientes a mixtos y sulfuros.
El método utilizado para la estimación será el de kriging ordinario.
Alguno de los datos utilizados para realizar este trabajo han sido determinado en
experiencias anteriores, como lo es el variograma y modelo geológico.
Se asumirá un modelo geológico válido.
4. LIMITACIONES
Este tipo de estudio se realiza en la etapa de Evaluación de Proyectos, en donde
se analiza la factibilidad del negocio minero.
6
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
5. METODOLOGÍA
Como base para la estimación mediante kriging ordinario, se debe contar con lo siguiente:
Crear un modelo de bloques y variables necesarias (ug, cut_ko, pass, nm, mh, var,
dist, etc.).
Flaguear sólidos.
Modelo variográfico de óxidos.
Direcciones convención Vulcan.
Bearing.
Plunge.
Dip.
Estimar (batch).
7
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
8
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
7. DESARROLLO Y RESULTADOS
7.1 Parámetros necesarios para realizar la estimación mediante K.O.:
9
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
Una vez ya generado el modelo de bloques con sus respectivas variables, se establecen
las pasadas con las cuales se trabajará. Primeramente, se realiza una validación visual de
los perfiles en la zona de los óxidos y se verificó que concuerdan las zonas de alta y baja
ley de los compositos con respecto al modelo de bloques. Existen algunas zonas en las
cuales no coinciden, estas son correspondientes a outliers, y a pesar de encontrarse
estas zonas de subestimación, están dentro del 5% de error aceptable para el modelo
realizado, el cual se mostrara más adelante. Esto indica que se realizó una buena
estimación de recursos.
10
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
En la estimación de un bloque aleatorio, se selecciona el bloque (el cual está rodeado con
rojo) y el programa entrega los parámetros asociados a este a partir del Kriging Ordinario.
El valor del CuT del bloque es de 0.2%. Posteriormente, el color del bloque seleccionado
se busca en la leyenda para la base de datos de los compositos, correspondiente al color
celeste claro, el cual está entre los valores 0% y 0.1%, lo cual indica que la estimación
cumple con los parámetros de trabajo.
11
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
Para realizar esta validación, el análisis se debe realizar en base a los promedio de las
estadísticas encontradas. La media de las leyes para la zona de óxidos utilizando krigeaje
ordinario es de 0.24. Este valor debe ser igual o muy cercano al promedio de la base de
datos de los compositos. Se procedió a desagrupar la base de datos de los compositos y
la media entregada es de 0.23. El error porcentual del KO y los compositos desagrupados
resulta ser de 4.3%, lo cual indica que la estimación queda válida por este método, ya que
el error máximo permitido es del 5%.
Drift Analysis X
0.50
0.45
0.40
0.35
Ley de CuT %
0.30
0.25
BM_cut_ko_1
0.20 DB_CUT
0.15
0.10
0.05
0.00
432700 432900 433100 433300 433500
Axis
La curva en verde, que representa la base de datos, no muestra una curva suave,
presentando datos outliers. Independientemente de esto, se observa una tendencia
general del gráfico, que fluctúa entre 0.23 % de CuT.
La curva del modelo de bloque (en rojo) presenta una curva suave, ya que esta curva está
utilizando el krigeaje ordinario, el cual homogeniza los datos. La tendencia de esta curva
está entre 0.23 % y 0.24 % de CuT aproximadamente.
12
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
En los puntos 433180 m a 433300 m se aprecia una sobrestimación, ya que la curva del
modelo de bloques está sobre la curva de la base de datos. En el resto de la curva se
produce una subestimación de los recursos.
Se puede apreciar que la tendencia de ambas curvas fluctúan entre rangos parecidos de
CuT a lo largo del eje x (Este).
Drift Analysis Y
1.20
1.00
Ley de CuT %
0.80
0.60 BM_cut_ko_1
DB_CUT
0.40
0.20
0.00
7307800 7308000 7308200 7308400 7308600 7308800 7309000
Axis
A partir del gráfico de la deriva del eje Y (Norte), se aprecia claramente una tendencia
similar entre las curvas de base de datos y modelo de bloque. Esta última utiliza el
krigeaje ordinario, el cual homogeniza los datos y es por eso que presenta curvas más
suaves.
13
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
En base a esto, se puede notar una tendencia de ambas curvas que fluctúa entre 0.28% y
0.30% de CuT.
Drift Analysis Z
0.90
0.80
0.70
Ley de CuT %
0.60
0.50
BM_cut_ko_1
0.40
DB_CUT
0.30
0.20
0.10
0.00
0 500 1000 1500 2000
Axis
La deriva del eje Z muestra una ley media de CuT aproximadamente de 0.35% de CuT.
Con respecto a la curva que representa el modelo de bloque utilizando kriging ordinario,
esta es concordante con la curva de la base de datos, por tanto la media es la misma
(0.35 % de ley de CuT).
14
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
8. CONCLUSIONES Y RECOMENDACIONES
15
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
Otra recomendación seria realizar una validación cruzada, la cual permite una
mejora en la estimación, ya que este verifica el modelo variográfico como también
el modelo estimado.
16
UNIVERSIDAD DE SANTIAGO DE CHILE
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
LABORATORIO DE EVALUACIÓN DE YACIMIENTOS
Bibliografía
Emery, X. (2011). Geoestadística.
17
ANEXOS