Memoria de título-QAQC-Jordan Contreras Gálvez PDF

UNIVERSIDAD DE LA SERENA
FACULTAD DE INGENIERÍA
DEPARTAMENTO INGENIERÍA DE MINAS
“EJECUCIÓN DE UN PROGRAMA DE ASEGURAMIENTO Y

CONTROL DE CALIDAD DE MUESTRAS DE SONDAJE (QA/QC) Y
SU APLICACIÓN EN LA EXPLORACIÓN Y EVALUACIÓN DE UN
PROYECTO MINERO DE ORO Y PLATA”
JORDAN ALEXIS CONTRERAS GÁLVEZ
Memoria para optar al título de:

INGENIERO CIVIL DE MINAS
Comisión revisora
M.Sc. Ing. Sr. Mario Gaete Madariaga – Profesor Patrocinante
M.Sc. Ing Sr. Jose Muñoz Villalobos
Geo. Sra. Jimena Cucurella Asenjo
La Serena, 2018
EJECUCIÓN DE UN PROGRAMA DE ASEGURAMIENTO Y CONTROL DE CALIDAD DE MUESTRAS DE SONDAJE (QA/QC)
Y SU APLICACIÓN EN LA EXPLORACIÓN Y EVALUACIÓN DE UN PROYECTO MINERO DE ORO Y PLATA
Jordan Alexis Contreras Gálvez
________________________________________________________________________________________
AGRADECIMIENTOS
Esta página está dedicada a mis seres queridos, a todos aquellos que formaron parte de mi
desarrollo tanto en lo personal como en lo profesional, a todos quienes aportaron con un
granito de arena para que pudiese alcanzar este importante logro en mi vida.
Quiero agradecer a mis padres, Sr. Luis Contreras y Sra. Marisol Gálvez, por creer en mí
desde pequeño, por darme la oportunidad de estudiar y apoyarme en todo lo necesario para
alcanzar mis metas. Además por inculcarme valores como el respeto, la honestidad y
enseñarme a caminar por la vida con la frente en alto y con humildad, recordando siempre
mis raíces y de dónde vengo.
A mi hermano, familiares y amigos quienes me apoyaron durante todos estos años con sus
buenos deseos y energías positivas.
A mi pareja, Verónica Suárez, quien ha sabido apoyarme en los mejores y peores momentos,
otorgándome su amor incondicional y regalándome lo más preciado que tengo en esta vida,
mi hija Amanda, quien fue motivación fundamental para terminar con mi carrera profesional.
Finalmente agradecer a mi profesor guía, Sr. Mario Gaete, por acoger mi proyecto de
memoria de título y a Miriam Galleguillos, secretaria de la Escuela de Ingeniería quien ha
guiado mis pasos en la universidad durante todos estos años.
Departamento Ingeniería de Minas – Facultad de Ingeniería – Universidad de La Serena

________________________________________________________________________________________
RESUMEN
En esta memoria se realizó un estudio y análisis detallado de los conceptos fundamentales

del Aseguramiento y Control de Calidad (QA/QC) en la exploración minera. Además, se
detalló su rol en la prevención y detección de errores, con énfasis en el muestreo, la
preparación, análisis químico de muestras y el registro de la información en una campaña de
sondaje de un proyecto en particular.
Se describieron las principales fuentes de error, los procedimientos apropiados para su

detección, los métodos de evaluación de errores, los requerimientos y las nuevas regulaciones
internacionales vigentes con relación a la calidad de la información geológica para sustentar
un proyecto de exploración minero.
Finalmente, a partir de un conjunto de datos resultantes de una campaña de sondajes y su

posterior análisis de laboratorio, se desarrolló un programa de “QA/QC”. Este se realizó a
través de la confección de tablas y gráficos para evaluar la precisión, exactitud y
contaminación en una campaña de exploración, la cual informó sobre los distintos errores o
discrepancias que se evidenciaron a lo largo del desarrollo del proyecto.

________________________________________________________________________________________
ABSTRACT
QUALITY ASSURANCE AND CONTROL PROGRAM OF DRILLING SAMPLES

(QA/QC) AND ITS APPLICATION IN THE EXPLORATION AND EVALUATION OF
A GOLD AND SILVER MINING PROJECT
In this report, a detailed study and analysis about main concepts of Quality Assurance and
Control (QA/QC) concerning mining exploration were carried out. Also, its role in error
prevention and detection with emphasis on sampling, preparation, chemical analysis of
samples and recording of information in a drilling campaign of a particular project was
detailed.
Main sources of error, appropriate procedures for its detection, error evaluation methods,
requirements and new international regulations in force regarding the quality of geological
information to support a mining exploration project were described.
Finally, from a set of data as a result of a drilling campaign and its subsequent laboratory
analysis, it was developed a “QA/QC” program. It was made through the confection of tables
and graphs to evaluate precision, accuracy and contamination in an exploration campaign
which informed about the different errors or discrepancies that were evident through the
development of the project.

________________________________________________________________________________________
ÍNDICE GENERAL
CAPÍTULO I: INTRODUCCIÓN ................................................................................... 1
1.1 Exposición general del problema .......................................................................... 2
1.2 Investigación propuesta ........................................................................................ 3
1.3 Objetivos .............................................................................................................. 4
1.3.1 Objetivo general ............................................................................................ 4
1.3.2 Objetivo específicos ...................................................................................... 4
1.4 Alcance y justificación ......................................................................................... 5
1.4.1 Requisitos para lograr la investigación .......................................................... 5
1.4.2 Importancia de la investigación ..................................................................... 6
1.4.3 Delimitaciones de la investigación ................................................................ 6
1.5 Nomenclatura ....................................................................................................... 6
1.6 Antecedentes de proyecto de exploración “Veta La Fina” ..................................... 7
CAPÍTULO II: ESTUDIO BIBLIOGRÁFICO ............................................................ 23
2.1 Marco regulatorio y normativo ........................................................................... 23
2.1.1 Códigos internacionales para la publicación de resultados de exploración ... 24
2.2 Calidad ............................................................................................................... 28
2.3 Calidad en el manejo de la información. ............................................................. 29
2.4 Aseguramiento y control de calidad. ................................................................... 31
2.4.1 Definiciones y principios. ............................................................................ 31
2.4.2 Diferencias entre aseguramiento de calidad (QA) y control de calidad (QC) 33
2.5 Un programa integral de control de calidad ........................................................ 33
2.5.1 Frecuencia de inserción de muestras de control ........................................... 37

________________________________________________________________________________________
2.5.2 La necesidad de inserciones ciegas .............................................................. 41
2.5.3 Prácticas de aseguramiento y control de calidad en el mundo real ................ 42
2.5.4 Precisión, exactitud y contaminación ........................................................... 44
2.6 Muestreo de Sondaje Diamantina en SMC (Veta La Fina) .................................. 47
2.6.1 Recepción de Resultados – Control de Calidad ............................................ 52
2.7 El muestreo y la estimación de recursos.............................................................. 53
2.8 Principales Fuentes de Error en el muestreo........................................................ 54
2.9 Pruebas estadísticas ............................................................................................ 59
2.9.1 Contrastes de normalidad ............................................................................ 59
2.9.2 Prueba de igualdad poblacional para muestras independientes. .................... 61
CAPÍTULO III: DESARROLLO DE LA INVESTIGACIÓN ..................................... 63
3.1 Aplicación del QA/QC en proyectos de exploración minera. ............................. 63
3.1.1 “QA/QC” en muestreo................................................................................. 65
3.1.2 “QA/QC” en laboratorio físico / Preparación ............................................... 66
3.1.3 “QA/QC” laboratorio químico / Análisis ..................................................... 67
3.1.4 “QA/QC” de base de datos .......................................................................... 68
3.2 Métodos para evaluación de muestras de control de calidad ................................ 69
3.2.1 Blancos ....................................................................................................... 70
3.2.2 Duplicados Gruesos, Pulpas y Muestras Gemelas ........................................ 71
3.2.3 Estándares ................................................................................................... 73
3.2.4 Duplicados Externos o de Chequeo ............................................................. 74
3.3 Programa de QA/QC .......................................................................................... 78
3.3.1 Limites de detección y Materiales de Referencia Estándar usados en el

programa. .............................................................................................................. 79

________________________________________________________________________________________
3.4 Implicación de malos programas de control de calidad para la estimación de

recursos ........................................................................................................................ 79
CAPÍTULO IV: RESULTADOS Y ANÁLISIS DE DATOS ....................................... 81
4.1 Blancos .............................................................................................................. 82
4.1.1 Blancos Gruesos.......................................................................................... 82
4.1.2 Blancos Finos .............................................................................................. 84
4.2 Duplicados Gruesos, Pulpas y Muestras Gemelas ............................................... 86
4.2.1 Duplicados Gruesos .................................................................................... 86
4.2.2 Muestras Gemelas ....................................................................................... 86
4.2.3 Duplicados de Pulpa .................................................................................... 89
4.3 Estándares .......................................................................................................... 92
4.3.1 Estándar Bajo .............................................................................................. 92
4.3.2 Estándar Alto .............................................................................................. 94
4.4 Duplicados Externos o de Chequeo .................................................................... 95
5 CAPÍTULO V: EVALUACIÓN DE LA CALIDAD DE LOS DATOS QUE

SUSTENTAN EL PROYECTO DE EXPLORACIÓN “VETA LA FINA” ................ 96
5.1 Precisión ............................................................................................................ 97
5.2 Exactitud ............................................................................................................ 98
5.3 Contaminación ................................................................................................... 99
5.4 Discusión sobre los resultados del programa “QA/QC” .................................... 100
5.4.1 Error Relativo en Duplicados de Pulpas..................................................... 101
5.4.2 Prueba de T Student para muestras independientes Original – Duplicado .. 109
5.5 Error en la estimación de recursos de “Veta La Fina” ....................................... 120
5.6 Evaluación de la precisión según Marat Abzalov .............................................. 122

________________________________________________________________________________________
CAPÍTULO VI: CONCLUSIONES ............................................................................ 125
RECOMENDACIONES………………………………………………………………...127
BIBLIOGRAFÍA…………………………………………………………………….…..130
GLOSARIO……………………………………………………….……………………..134
ANEXOS…………………………………………………………………………………137

________________________________________________________________________________________
INDICE DE FIGURAS
Figura 1 Mapa geológico de la Región de Coquimbo .......................................................... 7
Figura 2 Marco Geológico del sistema de Calderas Anidadas Condoriaco ........................ 10
Figura 3 Fases de erupciones volcánicas. .......................................................................... 11
Figura 4 Depósitos epitermales de alta y baja sulfuración: una tabla comparativa ............. 12
Figura 5 Topografía, Sondajes y Vetas de proyecto "Veta La Fina". ................................. 15
Figura 6 Testigo en zona de Óxidos .................................................................................. 15
Figura 7 Estudio Calcográfico en zona de Óxidos. ............................................................ 16
Figura 8 Testigo en zona de Sulfuros ................................................................................ 17
Figura 9 Estudio calcográfico en Zona de Sulfuros. .......................................................... 17
Figura 10 Sondajes de proyecto “Veta La Fina”................................................................ 19
Figura 11 Secciones de proyecto "Veta La Fina" .............................................................. 20
Figura 12 Intrusivo y Vetas en proyecto "Veta La Fina". .................................................. 20
Figura 13 Isométrico de las Vetas, Topografía y Sondajes. ............................................... 21
Figura 14 En gris diques. En verde sills, estructuras cortando las vetas. ............................ 21
Figura 15 Elementos que definen una unidad de información ........................................... 30
Figura 16 Exactitud no es lo mismo que Precisión. ........................................................... 46
Figura 17 Exactitud y precisión. ....................................................................................... 46
Figura 18 Regularización y Geomecánica de Testigos. ..................................................... 48
Figura 19 A. Dirección de corte errónea – B. Dirección de corte correcta. ........................ 49
Figura 20 Método de Arquímedes para determinar densidades.......................................... 50
Figura 21 Resumen de los errores en el muestreo.............................................................. 57

________________________________________________________________________________________
Figura 22 Aplicación del QA/QC en Exploraciones .......................................................... 64
Figura 23 Aplicación del "QA/QC" para evaluar precisión, exactitud y contaminación…. 64
Figura 24. Blancos vs muestras precedente ...................................................................... 70
Figura 25 Método Hiperbólico (Caso 1) ........................................................................... 72
Figura 26 Shewhart control para muestras estándares ....................................................... 73
Figura 27 RMA Plot Check Samples ................................................................................ 76
Figura 28 Blancos gruesos vs muestra precedente – Au (ppm) .......................................... 83
Figura 29 Blancos gruesos vs muestra precedente – Ag (ppm) .......................................... 83
Figura 30 Blancos finos vs muestra precedente – Au (ppm) .............................................. 85
Figura 31 Blancos finos vs muestra precedente – Ag (ppm) .............................................. 85
Figura 32 precisión de muestras gemelas – Au (ppm) ....................................................... 88
Figura 33 precisión de muestras gemelas – Ag (ppm) ....................................................... 88
Figura 34 Precisión de duplicados de pulpa – Vista General – Au (ppm) .......................... 90
Figura 35 Precisión de duplicados de pulpa – Vista Detalle – Au (ppm) ........................... 90
Figura 36 Precisión de duplicados de pulpa – Vista General – Ag (ppm) .......................... 91
Figura 37 Precisión de duplicados de pulpa – Vista Detalle – Ag (ppm) ........................... 91
Figura 38 STD Bajo Veta La Fina – Au (ppm) ................................................................. 93
Figura 39 STD Bajo Veta La Fina – Ag (ppm) ................................................................. 93
Figura 40 STD Alto Veta La Fina – Au (ppm) .................................................................. 94
Figura 41 STD Alto Veta La Fina – Ag (ppm) .................................................................. 95
Figura 42 Resultados globales de precisión. ...................................................................... 97
Figura 43 Resultados globales de exactitud. ...................................................................... 98

________________________________________________________________________________________
Figura 44 Resultados globales de contaminación. ............................................................. 99
Figura 45 Histograma. Distribución de errores relativos de duplicados de pulpa ............. 102
Figura 46 Gráfico Q-Q plot para normalidad de datos de error relativo ........................... 104
Figura 47 Prueba de Grubbs para error relativo de 84 % en duplicado de pulpa .............. 106
Figura 48 Prueba de Grubbs para error relativo de 48 % en duplicado de pulpa .............. 106
Figura 49 Gráfico Q-Q plot para normalidad de datos de error relativo ........................... 108
Figura 50 Empates en las distribuciones de muestras de dos grupos.

Original – Duplicado ...................................................................................................... 111
Figura 51 Gráficos Q-Q plot para normalidad de datos. Original – Duplicado ................. 113
Figura 52 Gráficos Q-Q plot para residuos estandarizados Original – Duplicados.

Normalidad .................................................................................................................... 116
Figura 53 Prueba T Student bilateral para dos muestra independientes. Residuos

estandarizados Original – Duplicado .............................................................................. 118
Figura 54 Interceptos de sondajes con Veta La Fina. Sección X. ..................................... 121
Figura 55 Mejores y aceptables niveles de error en la precisión propuestos como

referencia para evaluar proyectos mineros. ..................................................................... 123

________________________________________________________________________________________
INDICE DE TABLAS
Tabla 1 Categorización de recursos "Veta LA Fina" ......................................................... 22
Tabla 2 Resumen recursos y leyes preliminares de "Veta La Fina" ................................... 22
Tabla 3. Descripción de criterios evaluados en informes públicos según Jorc Code

(fragmento) ...................................................................................................................... 25
Tabla 4 Diferencia entre aseguramiento de calidad (QA) y control de calidad (QC) .......... 33
Tabla 5 Programa de control de calidad: ratios de inserción sugerida por varios autores ... 38
Tabla 6 Sugerencia de inserción de muestras de control .................................................... 40
Tabla 7 Frecuencia de inserción de muestras .................................................................... 41
Tabla 8 Proyectos revisados de programas de control de calidad ....................................... 43
Tabla 9 Tabla de fallos ..................................................................................................... 53
Tabla 10 Principales Tipos de Errores de Muestreo (Pierre Gy) ........................................ 56
Tabla 11 Estructura General de los Errores de Muestreo ................................................... 59
Tabla 12 Desarrollo de “QA/QC” en el muestreo con perforadora .................................... 65
Tabla 13 Desarrollo “QA/QC” en laboratorio físico o preparación .................................... 66
Tabla 14 Desarrollo “QA/QC” en laboratorio químico análisis ......................................... 67
Tabla 15 Desarrollo “QA/QC” en base de datos................................................................ 68
Tabla 16 Límites de detección y Materiales de referencia estándar ................................... 79
Tabla 17 Tasa de inserción de muestras de control............................................................ 82

________________________________________________________________________________________
Tabla 18 Resultados de Blancos gruesos Au – Ag (ppm) .................................................. 84
Tabla 19 Resultados de Blancos finos Au – Ag (ppm) ...................................................... 86
Tabla 20 Resultados de precisión de duplicados gemelos Au-Ag (ppm) ............................ 87
Tabla 21 Resultados de precisión de duplicados de pulpa Au – Ag (ppm) ......................... 92
Tabla 22 Resultados de Estándar Bajos Au – Ag (ppm) .................................................... 92
Tabla 23 Resultados de Estándar Altos Au – Ag (ppm) .................................................... 94
Tabla 24 Resultados de tasa de inserción de muestras de control. ................................... 100
Tabla 25 Estadísticos descriptivos para error relativo en duplicados de pulpa ................. 101
Tabla 26 Prueba de Kolmogorov-Smirnov para error relativo en duplicados de pulpa ..... 102
Tabla 27 Prueba de Shapiro-Wilk para errores relativos de duplicados de pulpa ............. 103
Tabla 28 Prueba de U de Mann-Whitney para comparar poblaciones de datos. Original vs

Duplicados. .................................................................................................................... 105
Tabla 29 Diferencias atípicas para valores de Oro........................................................... 106
Tabla 30 Estadísticos descriptivos para error relativo en duplicados de pulpa sin datos
atípicos ........................................................................................................................... 107
Tabla 31 Prueba de Shapiro-Wilk sin valores atípicos..................................................... 107
Tabla 32 Resultados de precisión de duplicados de pulpa Au – Ag ................................. 109
Tabla 33 Estadísticos descriptivos para distribuciones de muestras Original - Duplicado 110
Tabla 34 Prueba de Kolmogorov-Smirnov para dos muestras ......................................... 110

________________________________________________________________________________________
Tabla 35 Prueba de Shapiro-Wilk para datos de grupo “Original” ................................... 112
Tabla 36 Prueba de Shapiro-Wilk para grupo de datos “Duplicado” ............................... 113
Tabla 37 Prueba de Levene para igualdad de varianzas ................................................... 114
Tabla 38 Resultados de pruebas de normalidad para datos transformados (Original y

Duplicados) .................................................................................................................... 116
Tabla 39 Estadísticos descriptivos para transformaciones de datos Original – Duplicado

(Residuos estandarizados) .............................................................................................. 117
Tabla 40 Prueba T Student para dos grupos de muestras. Residuos estandarizados Original -
Duplicado ....................................................................................................................... 117
Tabla 41 Estadísticos descriptivos para comparar medias de grupos Original vs Duplicado.

....................................................................................................................................... 119
Tabla 42 Prueba de T Student para dos muestras independientes Original - Duplicado ... 119
Tabla 43 Muestras usadas para estimación de recursos con respaldo de “QAQC” en Veta La
Fina (Fragmento) ............................................................................................................ 121
Tabla 44 Resultados de precisión en Duplicados de Pulpa para Veta La Fina según propuesta
de Marat Abzalov. .......................................................................................................... 124

1
Y SU APLICACIÓN EN LA EXPLORACIÓN DE UN PROYECTO MINERO DE PLATA Y ORO
________________________________________________________________________________________
1 CAPÍTULO I: INTRODUCCIÓN
Actualmente existe una constante preocupación por la veracidad y la calidad de la

información geológica con la que se evalúan los proyectos mineros, por esta razón, y dada la
necesidad de datos confiables, es que se han ido incorporando prácticas que permitan contar
con metodologías y/o procedimientos transparentes, aceptados y conocidos por todas las
partes que aportan a la cadena de procesos en cuestión, garantizando confiabilidad en relación
a los datos que se manejan. No obstante, en los últimos años, debido a incidentes que
estremecieron la industria minera a nivel mundial, se ha evidenciado la importancia que
existe entre la relación de la calidad de la información geológica y la confiabilidad de la
estimación de recursos.
Tomando en cuenta el caso de Bre-X en 1997, relacionado con el yacimiento aurífero ficticio
de Busang en Indonesia, cuyo evento sacudió la credibilidad de los inversionistas frente a
cualquier proyecto y originó la proliferación de códigos y normas internacionales que
estandarizarían los procesos de toma y análisis de muestras, se comprende la importancia del
muestreo y de las distintas operaciones que se desarrollan a lo largo de la evaluación de un
yacimiento, debido a que con esta información, se obtienen argumentos válidos, con los
cuales se rechaza o se perfora un prospecto, se realiza o no una inversión, se envía un tonelaje
a botadero o a planta de beneficio. Para tomar estas decisiones, se hace necesaria la
implementación y optimización de procedimientos que aseguren y controlen la calidad de
dicha información con el fin de evaluar y uniformar los estándares de trabajo. Estos
procedimientos o estándares de trabajo se pueden implementar gracias al “ACC:
Aseguramiento y Control de Calidad” o comúnmente denominado por el acrónimo en inglés
“QA/QC: Quality Assurance and Quality Control”.
A continuación se dará a conocer la problemática de una empresa y la investigación que el

memorista llevará a cabo, la cual consta de tres partes. La primera estará enfocada en analizar

2
________________________________________________________________________________________
el concepto de control de calidad, revisar los procedimientos y describir las principales

fuentes de error de muestreo, en la segunda se ejecutará un programa de aseguramiento y
control de calidad, mientras que en la tercera etapa se discutirán los resultados obtenidos.
1.1 Exposición general del problema
El área de exploraciones de SPEKTRA MINING COMPANY (SMC) ha trabajado desde

Septiembre de 2016 con irregularidades en el estudio del QA/QC. No obstante, se han
realizado los procedimientos de control respectivos obteniendo la información y los datos
necesarios para hacer el análisis que validará el proyecto “Veta La Fina”.
Se han registrado leyes variables de Oro en vetas de hasta 200 (g/t), mientras que para la
Plata se han observado leyes de hasta 1.300 (g/t), por lo cual se han insertado muestras de
control para comprobar la exactitud, precisión y la contaminación en estos datos de leyes.
La problemática general está en que SMC no dispone de resultados procesados que alerten
sobre errores o discrepancias en sus datos, por lo tanto el proyecto “Veta La Fina” aparenta
ser una buena oportunidad de inversión que comprende 77.000 toneladas de mineral con
leyes promedio de 15 (g/t) y 266 (g/t) para el oro y la plata respectivamente, según la
estimación de recursos disponibles hasta el momento.
Es necesario que SMC corrobore, certifique y valide la información geológica a través de

un exhaustivo programa de aseguramiento y control de calidad (QA/QC), que abarque todas
las muestras enviadas a análisis desde los inicios de proyecto con el fin de garantizar la
exactitud, la precisión y la contaminación antes mencionadas, de tal forma que se obtenga
como resultado una tasa de errores admisible y que permita a la compañía entrar al mercado
en búsqueda de inversionistas. Sin este programa de “QA/QC”, el proyecto queda por debajo

3
________________________________________________________________________________________
de los estándares exigidos tanto nacional e internacionalmente hablando, lo que trae como
consecuencia la ausencia de confianza, a la hora de “vender” el proyecto.
La ausencia de un programa de “QA/QC”, aparte de poner en duda la veracidad y calidad de

la información geológica, siendo esta el pilar fundamental de todo proyecto minero, pone en
duda además todos los procedimientos por los cuales fue obtenida esta información,
generando mayor desconfianza en los resultados del proyecto.
Finalmente, todo apunta a que el grado de confianza que se le tiene a la estimación de recursos
se verá afectado, ya que al realizar este programa de “QA/QC” se revelarán resultados que
de seguro modificarán parcialmente la estimación de recursos ya realizada.
1.2 Investigación propuesta
La investigación consiste en realizar un estudio y análisis detallado de los conceptos

fundamentales del Aseguramiento y Control de Calidad en la exploración minera, detallando
su rol en la prevención y detección de errores, con énfasis en el muestreo, la preparación,
análisis de las muestras y el registro de la información.
Se describirán, las principales fuentes de error, los procedimientos apropiados para su

detección, los métodos de evaluación de errores, los requerimientos y las nuevas regulaciones
internacionales vigentes con relación a la calidad de la información geológica para sustentar
un proyecto de exploración minero.
A partir de un conjunto de datos resultantes de una campaña de sondajes y su posterior

análisis de laboratorio, se desarrollará un programa real de “QA/QC”, confeccionando tablas
y gráficos para evaluar la precisión, la exactitud y la contaminación en una campaña de

4
________________________________________________________________________________________
exploración, informando sobre los distintos errores o discrepancias que se evidencien a lo

largo del desarrollo del proyecto.
Se trabajará con datos reales, otorgados por una compañía minera. Sin embargo no se podrá
revelar su identidad ni el nombre del proyecto por cuestiones de confidencialidad industrial.
Existen inversionistas interesados y el proyecto aún está en evaluación, por lo tanto la
compañía minera se identificará con el nombre de “SPEKTRA MINING COMPANY”
(SMC) y el proyecto de exploración llevará como título “Veta La Fina”.
1.3 Objetivos
1.3.1 Objetivo general
Realizar un programa, estudio y análisis detallado de los conceptos fundamentales del

Aseguramiento y Control de Calidad en la exploración minera, detallando su rol en la
prevención y detección de errores, con énfasis en el muestreo, la preparación y análisis de las
muestras y el registro de la información, de tal forma que se implemente un plan de acción
de acuerdo a los resultados obtenidos.
1.3.2 Objetivo específicos
 Describir los procedimientos de muestreo y sus principales fuentes de error.
 Analizar los métodos y herramientas de evaluación de errores.
 Llevar a cabo un programa de Aseguramiento y Control de Calidad que sustente la

evaluación de un proyecto de exploración minera.

5
________________________________________________________________________________________
1.4 Alcance y justificación
El estudio de las principales fuentes de error asociadas a la recopilación de información

geológica que existen en una campaña de exploración, permitirá visualizar cual o cuales son
los eslabones de la cadena de procesos a los que se debe aplicar alguna corrección o
modificación en su control. Todo esto según protocolos de SMC y estándares internacionales.
El programa de “QA/QC” implementado en la compañía permitirá, si se realiza

constantemente, mantener uniformidad y claridad de la directriz del proyecto, otorgando un
alto grado de confianza con respecto a los trabajos que se están realizando o en su defecto,
identificando los errores de manera oportuna.
Se dispondrá de información geológica detallada del área de exploración, correspondiente a

datos de muestras de sondajes, lo cuales serán revisados y procesados a fin de validar los
resultados de análisis de laboratorio tanto interno como externo a la compañía.
El estudio de aseguramiento y control de calidad permitirá visualizar el sesgo, exactitud,

precisión y contaminación de los datos de leyes que se manejan con respecto al proyecto.
1.4.1 Requisitos para lograr la investigación
Para llevar a cabo esta propuesta será necesario un constante trabajo en equipo en el que se
involucren todos los colaboradores del proyecto, desde topógrafos, perforadores, muestreros,
geólogos hasta el mismo estimador de recursos con el objetivo de implementar un sistema de
trabajo enfocado en la retroalimentación en cada uno de los procesos.
Además será necesario el acceso a bases de datos que contienen información de alto grado
de confidencialidad, por lo cual se deberá de extremar las medidas de seguridad a fin de evitar
la filtración de esta.

6
________________________________________________________________________________________
1.4.2 Importancia de la investigación
Obtener garantía en la calidad de la información geológica mediante un programa de

“QA/QC” es de suma importancia para lograr buenos resultados en la exploración de un
yacimiento, ya que con este sistema de trabajo se corrobora que las muestras son obtenidas
bajo estricto rigor según protocolos o procedimientos estandarizados.
1.4.3 Delimitaciones de la investigación
El aseguramiento y control de calidad puede ser aplicado en todo proceso de una empresa,
además de ser medida de forma cualitativa y/o cuantitativamente. No obstante, la
investigación presente se limitará a la aplicación del “QA/QC” en cuatro eslabones
fundamentales en la recopilación de datos del proyecto de exploración minera “Veta La
Fina”. Estos cuatro eslabones corresponden a la toma de muestras, preparación mecánica de
muestras, el análisis de muestras y el registro de la información en la base de datos.
Se comprende la dificultad que existe en cambiar un sistema de trabajo que lleva años
ejecutándose, pero se hará lo necesario para garantizar calidad en los resultados.
La idea de este estudio es facilitar la toma, el manejo y el uso de la información geológica a

distintos niveles laborales, en otras palabras, que el operador entienda la importancia de su
trabajo en el proyecto y a su vez que los cargos superiores faciliten las herramientas
necesarias para que se mejoren las prácticas que por algún motivo se estén realizando por
debajo del estándar o protocolo.
1.5 Nomenclatura
 Números: Se hará uso del sistema español, el cual define como separador de miles
al punto (.) y al separador de decimales a la coma (,).

7
________________________________________________________________________________________
Ejemplo: siete millones seiscientos cuarenta y un mil quinientos once coma sesenta y uno.
7.641.511,61
 Unidades: para el uso y abreviación de unidades de medición como longitud,

volumen, superficie, etc. Se define el uso del Sistema Internacional, SI.
1.6 Antecedentes de proyecto de exploración “Veta La Fina”
“Veta La Fina” es un proyecto de exploración minera que comprende a una veta principal y
a un grupo de pequeñas vetas asociadas al mismo control estructural, las cuales se encuentran
en plena actividad exploratoria a fin de determinar la continuidad de estas. El proyecto consta
de minerales de oro y plata como elementos de interés y comprende 77.000 toneladas de
mineral con leyes promedio 15 (g/t) de Oro y 266 (g/t) de Plata según la estimación
preliminar de recursos que se posee hasta el momento.
Geología regional
Para ser breve, la geología

regional quedará representada por
el rectángulo inscrito en el mapa
geológico de la región de
Coquimbo. Será interés del lector
si es que desea interiorizar más en
la geología de otros sectores de la
región.
Figura 1 Mapa geológico de la Región de Coquimbo
Fuente: Sernageomin, Mapa Geológico, versión digital. (Sernageomin, 2003)

8
________________________________________________________________________________________
JK3
Jurásico Superior – Cretácico Inferior.
Secuencias volcánicas: lavas basálticas a riolíticas, domos, brechas y
aglomerados andesíticos a dacíticos con intercalaciones clásticas continentales y
marinas. En la Precordillera, regiones I, III y IV: formaciones Punta del Cobre y
Arqueros; en la Cordillera Patagónica, región XII: formación Hardy.
Ki2c
Cretácico Inferior – Cretácico Superior.
Secuencias sedimentarias y volcánicas continentales, con escasas intercalaciones
marinas: brechas sedimentarias y volcánicas, lavas andesíticas, ocoítas,
conglomerados, areniscas, limolitas calcáreas lacustres con flora fósil; localmente
calizas fosilíferas marinas en la base. En cordillera de la Costa, regiones IV, V y
Metropolitana: formaciones Quebrada de Marquesa y Veta Negra.
Kiag
Cretácico Inferior alto – Cretácico Superior bajo (123-85 Ma).
Dioritas y monzodioritas de piroxeno y hornblenda, granodioritas, monzogrnitos
de hornblenda y biotita. En la Cordillera de la Costa, regiones II a IV, al este del
sistema de Fallas Atacama – El Romeral y asociados a mineralización de Fe-Cu-
Au (Candelaria); en la Cordillera de la Costa, regiones V a X
Kia2
Cretácico Inferior alto – Cretácico Superior bajo.
Secuencias sedimentarias volcánicas: rocas epiclásticas, piroclásticas y lavas
andesíticas y basálticas con intercalaciones lacustres, localmente marinas. En la
Precordillera y Cordillera de la Costa, regiones III a Metropolitana: formaciones
Cerrillos, Viñita (Occidental) y Las Chilcas.
Ksh
Cretácico Superior (84-66 Ma).
Pórfidos andesíticos-dioríticos, dacíticos y riolíticos entre las Cordillera de la
Costa y Principal, regiones III y IV, asociadas a secuencias volcánicas de edad
similar.
PEg
Paleoceno – Eoceno (63-38 Ma).
Monzodioritas de piroxeno y biotita, granodioritas y monzogranitos de
hornblenda y biotita, dioritas, gabros y pórfidos riolíticos y dacíticos, asociados a
mineralización de Cu-Au. En Precordillera, regiones II y III: San Cristóbal, Inca
de Oro; en la Cordillera principal, región IV; en la Cordillera Patagónica, región
XII: islas Hoste y Londonderry.
(Sernageomin, 2003)

9
________________________________________________________________________________________
Geología del distrito
En el distrito predomina un conjunto de rocas intrusivas, rocas volcánicas y sedimentarias

del Cretácico, forma parte de una serie de estructuras de Calderas Anidadas distribuidas
ampliamente y cuyo emplazamiento se asocia a eventos de extensión regional de edad del
Cretácico Superior. Este sistema de calderas hospeda los distritos de Ag-Au de Condoriaco,
Au-Ag de La Placilla, múltiples labores en mineralización de cobre y numerosas áreas de
alteración. Las rocas que caracterizan las diversas facies comprendidas en este sistema de
calderas están en contacto por falla de borde, o localmente sobreyaciendo con discordancia,
con las formaciones cretácicas de Arqueros, Quebrada de Marqueza, Viñita y una cuarta
formación, Los Elquinos que fue definida inicialmente con una sección inferior piroclástica,
andesítica, una sección media ignimbrítica, riolítica y una secció superior andesítico-
basáltica.
La Caldera de Condoriaco correspondiente a una estructura subcircular, de colapso y

resurgente que oblonga hacia el sureste, con un eje máximo NNW-SSE de 37 (km) y un semi
eje ENE-WSW de 18 (km), en donde la mitad de su perímetro está cubierta por los productos
de las calderas anidadas Llano Perrada y Tierras Blancas, de los complejos volcánicos Cerro
El Inca y La Corina y ocupado por intrusiones. El extremo Sureste de la falla anular está
truncado por la falla Vicuña, al Este de la cual hay un remanente de la traza y depósitos
dislocados de brechas. El Interior de la caldera se caracteriza por un relieve alto, formado por
potentes ignimbritas intracaldera falladas. Morfología que se interpreta como un domo
estructural originado en una etapa de resurgencia. Sus productos localmente sobreyacen con
discordancia a la formación Viñita; están en contacto por falla con las formaciones Quebrada
de Marqueza y Viñita y con un Plutón cenomaniano. Son intruídos por cuerpos hipabisales
del Campaniano (83-73 Ma) y del Eoceno Medio-Oligoceno Inferior (41-34 Ma) y por
plutones del maastrichtiano (71-68 Ma) al Eoceno Inferior (56-51 Ma). (Carlos Emparan y
Germán Pineda, 1997)

10
________________________________________________________________________________________
1. Formaciones del Cretácico Inferior. 2. Formaciones del Cretácico Superior. 3. Rocas

Instrusivas del Cretácico Superior. 4. Calderas Condoriaco. 5. Caldera Cerro Pircas. 6.
Formaciones Los Elquinos. 7. Complejo Volcánico La Corina. 8. Complejo Volcánico
Cerro El Inca. 9. Caldera Tierras Blancas. 10. Calderas Llano Perrada. 11. Rocas
Intrusivas del Eoceno-Oligoceno. 12. Arcas de alteració hidrotermal. 13. Sedimentos
cuaternarios indiferenciados.
Figura 2 Marco Geológico del sistema de Calderas Anidadas Condoriaco
Fuente: Sistema de calderas anidadas Condoriaco (Cretácico Superior-Eoceno Inferior), IV región de Coquimbo, Chile.
(Carlos Emparan y Germán Pineda, 1997) .

11
________________________________________________________________________________________
Geología local, entorno del yacimiento y estructuras principales.
El distrito se encuentra en una caldera anidada formada en episodios posteriores al colapso

principal. Las distintas fases de erupciones volcánicas y la tectónica de bloques presente en
el distrito, son producto de eventos ocurridos en diferentes etapas, siendo la etapa de
reactivación post-caldera la que hizo posible la ocurrencia de las alteraciones hidrotermales
y mineralización.
Figura 3 Fases de erupciones volcánicas.
Fuente: (Comunicación Verbal e Informes Preliminares - SMC)
Con respecto a la mineralización, las observaciones en la paragénesis de las vetas

mineralizadas, en las muestras de inclusiones fluidas, estudios petrográficos y calcográficos
realizados, indican una mineralización “Epitermal de Baja Sulfidización”.
La presencia de electrum nativo, se asociaría directamente a la precipitación de los sulfuros,

incluida, tanto en la pirita alojada en las zonas más profundas, como liberado y asociado a
argentita. En las muestras oxidadas los metales preciosos están moderadamente liberados,
pero aun in situ sin rasgos de removilización.
En cuanto a la alteración hidrotermal de la roca se reconoce como fílica-argílica, con una

asociación de clorita - illita - esmectita y abundantes carbonatos

12
________________________________________________________________________________________
El sector en el cual se ubica “Veta La Fina” posee mineralización de metales preciosos de

origen “Epitermal de Baja Sulfidización” y también mineralización polimetálica, en rocas
volcánicas de edad Cretácico Superior.
Figura 4 Depósitos epitermales de alta y baja sulfuración: una tabla comparativa
Fuente: Depósitos Hidrotermales de Alta y Baja Sulfidización. Una tabla comparativa. (Antoni Camprubí*, 2003)
Se han reconocido diferentes sistemas estructurales de vetas silíceas encajadas en rocas

volcánicas como, tobas riolíticas, ignimbritas, tobas, andesitas y brechas andesíticas,
epiclástica. El sistema principal corresponde a vetas de rumbo NS de larga corrida, los otros
sistemas estructurales tienen rumbos N50°W y con menos representación vetas rumbo

13
________________________________________________________________________________________
cercano a Este Oeste (Veta La Fina). Estas vetas presentan potencias variables de 0,3 a 8 (m)
y longitudes entre 300 (m) a 1.500 (m) aproximadamente.
La mayoría corresponde a vetas epitermales de baja sulfidización y otras tienen paragénesis

polimetálica con oro, plata, plomo y zinc, por lo tanto, estarían en diferentes posiciones
dentro del sistema hidrotermal, tanto en la zona de bonanza como en las de metales base.
(Comunicación Verbal e Informes Preliminares - SMC).
“Veta La Fina”
Veta La Fina, es una de las estructuras que conforman un grupo de estructuras silíceas que
fueron explotadas antiguamente por pequeños mineros, esta veta no tiene explotación antigua
y su selección como blanco de exploración se basó en muestreos superficiales de su
afloramientos mejor expuestos, los que entregaron valores económicos por oro y plata con
potencias entre 0,3 a 3 (m).
El sistema de vetas del proyecto “Veta La Fina” está emplazado en rocas andesíticas que
afloran en superficie y en un pórfido monzodioritico ubicado a partir de los 60 metros
aproximadamente de profundidad. Tanto las andesitas como el pórfido son premineral por lo
que no afecta la mineralización en las vetas.
De acuerdo a lo observado en terreno y en los sondajes ejecutados, la estructura La Fina

corresponde a un trend de vetas silíceas, a lo menos 7 vetas, entre las cuales destacan tres
vetas con mineralización importante en metales preciosos y las otras con escasa
mineralización. Las vetas mineralizadas se han denominado vetas 1, 2 y 3 y corresponden a
vetas de aspecto brechoso, con rumbo general N75°E y con un manteo entre 70°-85° SE,
semi-paralelas, tienden a presentar curvamientos tanto en la vertical como en corrida, la que
en el sector de bonanzas presenta una corrida de 70 (m). Estas presentan una textura brechosa

14
________________________________________________________________________________________
de cuarzo, también se observa cuarzo bandeado con diseminación fina y en venillas de sulfuro
gris (argentita) acompañado de pirita.
La zonación vertical consiste de una zona de óxidos que va desde la superficie hasta los 40
metros aproximadamente. Donde es más frecuente el contenido de oro grueso (según análisis
por retalla). Después continúa la zona de sulfuros donde el oro está ubicado en las piritas
que contienen inclusiones de oro nativo y electrum.
En la parte central del clavo mineralizado se puede apreciar una zona de intenso vetilleo que
se forma entre las vetas y en las zonas de debilidad entre la andesita y el pórfido. Estos
vetilleos ocurren fundamentalmente con mayor intensidad en las andesitas y en menor grado
dentro del pórfido.
Estructuras tipo diques y sills de composición andesíticas postminerales han intruido el

sistema cortando las vetas, andesitas y el pórfido.
La mineralización se presenta en un clavo o lente de bonanza con corrida de 90 metros y

profundidad máxima de 100 metros. (Comunicación Verbal e Informes Preliminares - SMC).
Hasta la fecha se han realizado 23 sondajes diamantina, planificados cada 20 (m), en la zona
de sulfuros, ubicada a 40 (m) bajo la superficie (ver figura 5), mientras que la zona de óxidos
cuenta con pocos sondajes y cuya malla se está completando actualmente.

15
________________________________________________________________________________________
Figura 5 Topografía, Sondajes y Vetas de proyecto "Veta La Fina".
Fuente: Base de datos, Gerencia de Exploraciones de SMC
Zona de Óxidos
Figura 6 Testigo en zona de Óxidos
Las potencias de estas vetas son variables y van desde 0,30 (m) a 3,0 (m).
En la sección calcográfica se reconocen algunos boxworks de pirita ocupados por limonitas

supérgenas bandeadas de color gris (goethita). En las venillas con arcillas aluminosas con
menor dureza, también se reconocen las limonitas supérgenas y pirita como sulfuro relicto
en la periferia.

16
________________________________________________________________________________________
Figura 7 Estudio Calcográfico en zona de Óxidos.
La sección marcada, muestra las ocurrencias de oro nativo (25 y 80 micrones) en fracturas
con arcillas y limonitas.
Entre las limonitas rojizas, en las zonas oquerosas de la muestra se reconocieron dos
ocurrencias de oro nativo. Un pequeño grano de 25 micrones y otro pelillo alargado de 80
micrones de color amarillo cobrizo, de alta reflectivad y trazas de pulimiento. La coloración
generalmente corresponde a oro supérgeno removilizado, que va formando un aglutinado
con limonitas supérgenas, liberadas de la oxidación de la pirita.

17
________________________________________________________________________________________
Zona de Sulfuros
Textura brechosa con bandas mineralizadas.
Figura 8 Testigo en zona de Sulfuros

Fuente: Base de datos, Gerencia de Exploraciones de SMC.
Se encontraron inclusiones de galena (20 a 40 micrones) y de oro encapsulado en la pirita y

de hasta 40 micrones. El color del oro es amarillo pálido con trazas de pulimiento y puede
corresponder a electrum hipógeno con alto contenido de oro. En algunos casos, aparece la
inclusión del oro en contacto con calcopirita y en otros con galena o argentita de tono gris.
Figura 9 Estudio calcográfico en Zona de Sulfuros.
Fuente: Base de datos, Gerencia de Exploraciones de SMC.

18
________________________________________________________________________________________
Los lugares indicados con los círculos, corresponden a las zonas con pirita que contienen
inclusiones de oro nativo, junto a otras inclusiones de calcopirita y galena.
Secuencia paragenética
Pirita –calcopirita ->Pirita con inclusiones de oro, calcopirita y galena-argentita. ->

Calcopirita – esfalerita y galena
Abundancia relativa
Pirita (1-2%)> esfalerita > calcopirita, galena > ultra trazas de oro encapsulado en pirita (no
se observa oro libre
(Comunicación Verbal e Informes Preliminares - SMC).

19
________________________________________________________________________________________
Modelamiento
A partir de los 23 sondajes diamantinos, su descripción litológica, muestreo metro a metro,

además de reconocimientos y muestras superficiales se generó un modelo de yacimiento que
comprende las vetas que conforman el proyecto “Veta La Fina” con sus diferentes vetas
mineralizadas, las estructuras principales y su litología.
Figura 10 Sondajes de proyecto “Veta La Fina”
Una vez cargada la base de datos de sondajes al software minero Maptek Vulcan, se realizó
un barrido interpretativo E-W, N-S y desde la cota 1250 (m) a la 1450 (m) de tal forma de
encontrar la mejor disposición de la mineralización vetiforme para el emplazamiento de las
secciones que se usaron para el modelamiento. Estas secciones se ubicaron espacialmente en
la cota 1370 (m) y se dispusieron una tras otra de manera perpendicular a la dirección de las
vetas del proyecto, tal como se muestra en la siguiente figura.

20
________________________________________________________________________________________
Figura 11 Secciones de proyecto "Veta La Fina"
Con estas secciones se modelaron las distintas vetas que conforman el proyecto. No obstante
se fuerzan algunas continuidades con el fin de comprender el sistema de estructuras
mineralizadas, que más tarde se reconocerán a partir de nuevos sondajes recomendados.
Figura 12 Intrusivo y Vetas en proyecto "Veta La Fina".

21
________________________________________________________________________________________
Figura 13 Isométrico de las Vetas, Topografía y Sondajes.
Luego se modelaron otras estructuras importantes de tipo diques y sills de composición

andesíticas post-minerales, que han intruído en el sistema cortando las vetas, andesitas y el
pórfido.
Figura 14 En gris diques. En verde sills, estructuras cortando las vetas.

22
________________________________________________________________________________________
Categorización de los recursos
• Medidos : a lo menos un bloque fue estimado con 2 sondajes y el valor del intercepto
más cercano está a no más de 10 metros
• Indicados: a lo menos un bloque fue estimado con 2 sondajes y el valor del intercepto
de la muestras más cercana está a no más de 25 metros.
• Inferidos: todos los bloques estimados dentro de cada veta
Tabla 1 Categorización de recursos "Veta LA Fina"
MEDIDOS INDICADOS INFERIDOS

ITEM Oro Plata Oro Plata Oro Plata
Ton. Ton. Ton.
(gr/ton) (gr/ton) (gr/ton) (gr/ton) (gr/ton) (gr/ton)
Veta 1 13.243 15,66 274,08 19.714 15,41 270,01 8.314 12,42 251,35
Veta 2 12.177 19,65 300,35 12.217 12,86 215,89 2.007 7,27 165,55
Veta 3 230 18,59 1067,6 60 18,59 1067,6 0 0 0
Veta 4 3.270 12,27 240,34 4.946 14,88 285,88 1.175 18,42 347,62
TOTAL 28.920 16,98 288 36.937 14,5 256 11.496 12,13 246
Tabla 2 Resumen recursos y leyes preliminares de "Veta La Fina"
Recursos y Leyes Valor

Total Recursos (t) 77.353
Ley media de Oro (g/t) 15,08
Ley media de Plata (g/t) 266
Ley de Oro Equivalente (g/t) 18,85
Luego, abarcando toda la potencialidad económica del proyecto se llega a la conclusión de

que se poseen aproximadamente 37.133 onzas de Oro y 658.511 onzas de Plata, las que se
distribuyen en recursos medidos, indicados e inferidos.

23
________________________________________________________________________________________
2 CAPÍTULO II: ESTUDIO BIBLIOGRÁFICO
2.1 Marco regulatorio y normativo
No existe un marco legal que atribuya una transgresión del tipo dolosa o culposa que aluda
al tema del “QA/QC”. Sin embargo existen normativas tanto nacionales como
internacionales vigentes que regulan la divulgación de resultados de exploración, recursos y
reservas minerales, las cuales cumplen con el objetivo de estandarizar los informes técnicos
publicados sobre los proyectos de exploración. Son recomendaciones, criterios mínimos o
directrices que deben cumplir los informes técnicos antes de ser publicados.
Estas normativas contemplan las disposiciones del proyecto completo, abordando cada una
de sus fases. No obstante, en la presente memoria se hará referencia solo a lo que concierne
al aseguramiento y control de calidad enfocado al muestreo, preparación y análisis químico.
No cualquier persona tiene la facultad para realizar un informe público sobre resultados de
exploración. La persona responsable de informar públicamente lleva el nombre de “Persona
Competente Calificada” y “es una persona inscrita en el Registro Público de Personas
Competentes Calificadas, con título universitario, con al menos 10 años de antigüedad
profesional en alguna de las especialidades asociadas con el negocio minero en el ámbito
geo-minero-metalúrgico, con un mínimo de 5 años de experiencia relevante en área
específica, como el análisis de datos geo-científicos, modelamiento, estimación y
valorización de prospectos, recursos y reservas minerales, y que, además, posee un
conocimiento amplio de los sustentos geo-minero-metalúrgicos asociados con el tipo y
estilos de la mineralización bajo estudio y de toda la cadena de valor del negocio minero”
(Comisión Minera de Chile, 2015).

24
________________________________________________________________________________________
2.1.1 Códigos internacionales para la publicación de resultados de exploración
Los informes técnicos escritos bajo las especificaciones del “NI 43-101” y otros documentos
relacionados como la política de la compañía “43-101CP” (Canadian Securities
Administrators, 2005b) y el formulario de reporte técnico NI 43-101F, deben indicar si una
persona calificada ha verificado los datos sobre los que se basa esta información, incluidos
el muestreo, el análisis y las pruebas. Los procedimientos de seguridad del muestreo deben
describirse detalladamente.
Las normas internacionales equivalentes también abordan estos problemas. Un informe que
cumpla con los requisitos de “JORC” debe describir minuciosamente la calidad de la toma
de muestras, la selección apropiada de muestras y los procedimientos para su análisis, así
como también los procedimientos de control y calidad y seguridad de las muestras (JORC,
2004).
Además, el reporte final de Mining Standards Task Force, creado en respuesta a la estafa de
Bre-X, recomienda que se recoja del laboratorio un cierto número de pulpas de muestra
seleccionadas o el lote completo y se vuelva a presentar en el mismo laboratorio y que las
mismas pulpas sean enviadas a otro laboratorio para obtener ensayos comparativos. (TSE-
OSC, 1999)
Los códigos más utilizados por las empresas mineras se mencionan en el siguiente
listado:
 Código JORC, Australia.

 NI 43-101, Canadá.
 SME, Estados Unidos.
 SAMREC, Sudáfrica.
 Comisión Calificadora de Competencias, Recursos y Reservas Mineras, Chile.

25
________________________________________________________________________________________
Cabe destacar, que estos códigos son equivalentes unos con otros y difieren en pequeños
detalles cualitativos, cuantitativos, económicos, entre otros. Por esta razón solo se hará
referencia al Código de JORC, ya que es el Pionero y los demás se basan en este.
El Código de JORC
El código australiano para la publicación de resultados de exploración, recursos y reservas

minerales (el “Código JORC”) establece normas mínimas, recomendaciones y directrices
para la presentación de informes públicos.
En la siguiente tabla se refleja el orden sistemático normal de exploración y evaluación de

proyectos mineros según el código de JORC, indicando los criterios que se aplican sobre las
“Técnicas y datos de muestreo” (Committee of The Australasian Institute of Mining and
Metallurgy, Australian Institute of Geosciencists and Minerals Council of Australia (JORC),
2004).
Tabla 3. Descripción de criterios evaluados en informes públicos según Jorc Code (fragmento)
Criterio Explicación
Técnicas y datos de muestro
Técnicas de Naturaleza, calidad de muestreo (Por ejemplo: canales de corte,

muestreo. chips aleatorios, etc.) y medidas tomadas para asegurar la
representatividad de la muestra.
Técnicas de Tipo de taladro y detalles (Por ejemplo: RC o DDH, orientaciones,

perforación. profundidad, etc.).

26
________________________________________________________________________________________
Recuperación de Si las recuperaciones de núcleos o chips se han registrado

muestra de correctamente y se han evaluado los resultados.
perforación.
Medidas tomadas para maximizar la recuperación de la muestra y
garantizar la representatividad de las muestras.
Si existe una relación entre la recuperación de la muestra y su ley,

y si el sesgo de la muestra pudo haber ocurrido debido a la pérdida
o ganancia preferencial del material fino o grueso.
Registro. Si las muestras de núcleo o chip han sido registradas a un nivel de

detalle para soportar la estimación de recursos minerales
apropiada.
Si el registro es de naturaleza cualitativa o cuantitativa.
Técnicas de Sub- Preparación de la muestra, si el núcleo es cortado, aserrado, el

muestreo y cuarto o la mitad.
preparación de las
muestras. Si es muestreado en húmedo o en seco.
Para todos los tipos de muestra, la naturaleza, calidad y adecuación

de la técnica de preparación de la muestra.
Procedimientos de control de calidad adoptados para todas las

etapas de sub-muestreo para maximizar la representatividad de las
muestras.
Medidas tomadas para asegurar que el muestreo sea representativo

del material in situ recolectado.
Si los tamaños de la muestra son apropiados para el tamaño del

material que está siendo muestreado.
Calidad de los La naturaleza, calidad e idoneidad de los procedimientos de ensayo

datos de ensayo. de laboratorio utilizados y las pruebas de laboratorio. Y si la
técnica se considera total o parcial.
Naturaleza de los procedimientos de control de calidad adoptados

(Por ejemplo: normas, espacios en blanco, duplicados, controles
externos a laboratorio) y si se han establecido niveles aceptables de
exactitud y precisión.

27
________________________________________________________________________________________
Verificación de La verificación de las intersecciones significativas por personal

muestreo y ensayos independiente o de la propia empresa.
El uso de sondajes gemelos.
Ubicación de “data Exactitud y calidad de las recomendaciones y certificados de collar

point”. y distancia para localizar los taladros.
Calidad y adecuación del control topográfico
Espaciado y Espaciado de datos para la representación de informes de

distribución de resultados de exploración.
datos.
Si el espaciamiento de datos son suficientes para establecer la
continuidad de geológica
Si se ha aplicado compositación de las muestras.
Orientación de los Si la orientación del muestreo permite obtener un muestreo

datos en relación a imparcial de la posible relación con las estructuras geológicas y la
la estructura medida en que esto se conoce considerando el tipo de depósito.
geológica.
Si se considera la relación que existe entre la orientación de la
perforación y la orientación de las estructuras mineralizadas.
Auditorías o Se debe incluir en el informe los resultados de cualquier auditoría o

revisiones revisión de técnicas y datos de muestreo
Fuente: Traducción propia. Código de JORC, 2004
No obstante, el Instrumento Nacional 43-101 requiere sustancialmente revelaciones más

técnicas para el mercado que el equivalente Código JORC, ya que el Código JORC es ante
todo un código para informar el estado de un recurso mineral, mientras que el NI 43-101 es
un código de revelación de valores. Esta distinción se basa en la derivación de los dos
códigos: el Código JORC se deriva del conjunto mineral de los informes del Comité, un
organismo independiente de la industria de minerales formados de la asociación de industria

28
________________________________________________________________________________________
profesional, el NI 43-101 es un código derivado de las Autoridades de Valores de Canadá

(Canadian Securities Authorities).
La información técnica necesaria en una declaración de la Reserva bajo la norma NI 43-101,

supera al Código JORC, ante todo por la estipulación de que certeros parámetros geológicos
de la reserva mineral debe ser presentada dentro de un informe, publicado en su totalidad, y
presentado de una manera particular. Por el contrario, JORC cumple con los informes
técnicos, pero estos no son normalmente publicados en su totalidad en la Bolsa de Valores
de Australia, ya que no es requerido por las autoridades reguladoras de Australia. Por lo tanto,
a menudo es publicado un resumen de los puntos clave, que puede preservar la información
comercialmente susceptible. (keylor Castillo Moreno et Al., 2017)
2.2 Calidad
En la norma ISO 8402 se define la calidad como “conjunto de propiedades y características

de un producto o servicio que le confiere su aptitud para satisfacer unas necesidades
expresadas o implícitas” (UNE ISO 8402, 1995)
Aunque existen innumerables definiciones complementarias y filosofías entre las cuales se

encuentra la del Dr. W. Edwards Deming que dice: “La baja calidad significa costes
elevados. Los defectos no salen gratis. Alguien los hace, y se le paga por hacerlos”
(Deming, 1989)
Por otro lado Kaoru Ishikawa dice: “Es el control total de calidad conseguido a través de la
participación total de toda la empresa, donde se organizan los grupos con el fin de estudiar
y se estudia para no repetir errores” (Ishikawa, 1986).

29
________________________________________________________________________________________
Según J. Rocío Pinto Calderón se destaca que lo realmente importante en la aplicación de

un programa de calidad son los resultados si no que el proceso mismo, expresándolo con la
siguiente frase: “hacerlo bien desde la primera vez”, refiriéndose, específicamente, a una
dirección participativa; al continuo mejoramiento de los procesos, considerando que un solo
proceso no funciona solo, por el contrario, se interconecta con muchos otros procesos para
lograr buenos resultados (Calderón).
Finalmente se comenta la revisión de la conceptualización de calidad de Philip B. Crosby

que sostiene que “La calidad no cuesta, el costo de la calidad es el gasto ocasionado por
hacer mal las cosas”, ya que la empresa misma es la que tiene que tomarse el tiempo para
internalizar el concepto de calidad que se pretende alcanzar, haciendo de la calidad una
entidad alcanzable, medible y rentable que puede ser incorporada y que implique generar el
hábito de hacer las cosas bien desde la primera vez, como una filosofía de vida de la
organización (Crosby, 1987)
2.3 Calidad en el manejo de la información.
Todo proyecto de exploración trabaja con una unidad de información que es el espacio real
o virtual donde se interrelacionan los llamados proveedores y clientes en una cierta cadena
de valor. A este universo de recursos se le conoce mejor con el nombre de “base de datos”.
En la presente memoria se aborda el tema de la calidad de información que se maneja en este

sistema, la forma en cómo se ingresan y se obtienen los datos. Todo esto bajo el supuesto de
que la unidad de información es el “centro vital del ciclo de transferencia de información”
(Calderón).
Se definirán como entradas del ciclo de información al “Universo de recursos bibliográficos”

que son todos antecedentes del prospecto geológico, así como también las normas

30
________________________________________________________________________________________
reguladoras y los aportes científicos de diferentes autores que se involucren con la

exploración y estudios asociados a esta. Además, existe una “Población de proveedores de
información” que corresponde a los propios colaboradores de la campaña de exploración, los
cuales tienen la función de alimentar la base de datos del proyecto en cuestión.
Luego, la “Unidad de información – base de datos”, corresponde al lugar físico o virtual en

donde se alojan los datos de entrada.
Finalmente existe una “Población de usuarios o clientes”, quienes utilizan la unidad de

información para procesar los datos contenidos en ella y obtener resultados que sustenten la
exploración de un prospecto minero. Sin embargo, se pueden encontrar inconsistencias con
respecto a la certeza de los datos que se manejan y es deber de dichos usuarios, retroalimentar
el ciclo con el objetivo de lograr un mejoramiento continuo en el proceso de toma, tabulación
e ingreso de datos en el sistema.
En la figura 1 se resume esquemáticamente el ciclo de la información:
Figura 15 Elementos que definen una unidad de información
Fuente: Modificación de Calidad de información por Mg. Sc. J. Rocío Pinto Calderón.

31
________________________________________________________________________________________
Ahora, es de vital importancia que la información que se maneja en este ciclo, contenga un
alto estándar de calidad y confianza en sus datos, de tal manera que satisfaga la credibilidad
y la seguridad de que se está trabajando con información verídica y representativa del
prospecto minero mediante procesos eficaces de muestreos, tabulación y análisis según el
caso que se ha de investigar.
2.4 Aseguramiento y control de calidad.
2.4.1 Definiciones y principios.
Aseguramiento y Control de Calidad “ACC” o comúnmente denominado por el acrónimo en

inglés “QA/QC” (Quality Assurance and Quality Control).
a) Garantía de Calidad/Control de Calidad en general:
 Garantía de Calidad (GC): Todas las actividades planificadas y sistemáticas

aplicadas en un sistema de calidad que pueda demostrar o crear confianza en que un
producto o servicio dará satisfacción a los requisitos de calidad (UNE ISO 8402,
1995).
 Control de Calidad (CC): Técnicas operacionales y actividades utilizadas para
cumplir con los requisitos de calidad (UNE ISO 8402, 1995).
b) Aseguramiento y Control de Calidad aplicado al muestreo minero:
 Aseguramiento de Calidad (QA): Procedimientos o buenas prácticas para la toma,

registro, mapeo y preparación de muestras, procedimientos de seguridad y otros que
aseguren estándares preestablecidos de precisión y exactitud (Codelco, 2016).

32
________________________________________________________________________________________
 Control de Calidad (QC): Procedimientos tales como elección de laboratorio,

análisis de duplicados, duplicados de terreno, blancos, estándares, control
granulométrico, etc., que permiten controlar que los estándares en los procedimientos
y que estos se mantengan en el tiempo (Codelco, 2016).
Los estándares antes mencionados son regulados e implementados por protocolos propios de
cada empresa. Sin embargo deben satisfacer los requisitos de los códigos y normas
internacionales, de tal forma que cada compañía minera deba adaptar sus procedimientos
conforme a lo estipulado en ellas. Todo esto, con el objetivo de facilitar la entrada de
inversionistas en el proyecto evaluado, ya que existirá un alto grado de confianza en el
modelo geológico, las toneladas de mineral y leyes con las cuales se realizó la estimación de
recursos y reservas de dicho proyecto.
Rogers señala que “las políticas de aseguramiento de la calidad y los procedimientos de

control de calidad en la exploración de minerales implican un monitoreo continuo de los
procesos de trabajo y de los flujos de información, para asegurar resultados precisos,
exactos, representativos y confiables y maximizar la completitud de los datos” (Rogers,
1998).
Por otra parte Bloom escribe que “los programas de aseguramiento de la calidad deben ser
implementados rutinariamente como parte de cualquier programa de exploración que esté
generando resultados analíticos. Dicho programa debería verificar la validez de la
recogida de muestras, la seguridad, la preparación, el método analítico y la precisión”
(Bloom, 1999)

33
________________________________________________________________________________________
2.4.2 Diferencias entre aseguramiento de calidad (QA) y control de calidad (QC)
El aseguramiento y el control tienen enfoques distintos en las operaciones, ya que el

aseguramiento de la calidad está orientado al proceso, mientras que el control de la calidad
está enfocado al producto o a los datos que se obtienen como resultados de dichos procesos.
En la siguiente tabla se resumen las diferencias entre QA y QC:
Tabla 4 Diferencia entre aseguramiento de calidad (QA) y control de calidad (QC)
QA QC
Se diseña y definen los parámetros de Se controla el comportamiento de cada etapa

aceptación de la calidad del muestreo. relevante del proceso de muestreo.
Es un sistema preventivo de fallos que Se ejecutan duplicados, materiales de

predice el funcionamiento y normas de referencia, controles granulométricos y se
calidad en un proceso de muestreo. corrigen fallos.
Se aplica en el desarrollo del proceso en

Está presente desde el diseño, programación
cada producto o etapa intermedia y final del
y presupuesto de una campaña de muestreo.
muestreo.
Está orientado al Proceso. Está orientado al Producto.
Fuente: Procesos “QAQC” en Geominerometalurgia. P. Zuniga. CODELCO (Abril-2016).
2.5 Un programa integral de control de calidad
Para entender el funcionamiento de un programa de control de calidad se debe dejar en claro

cuáles son las etapas o procesos a las que se aplicará dicho programa

34
________________________________________________________________________________________
“Un programa de control de calidad debe evaluar el comportamiento de las etapas

esenciales de la secuencia muestreo-preparación-análisis-registro de datos, en un esfuerzo
por reducir al mínimo el error total posible” (Long, 2000).
Las etapas y los parámetros monitoreados en cada una de ellas se muestran a continuación:
a) Muestreo: error (o precisión) de muestreo.

b) Preparación: error (o precisión) de sub-muestreo; contaminación durante la
preparación.
c) Análisis: exactitud, precisión y contaminación analíticas.
d) Entrada de datos: exactitud de la entrada de datos.
Las tres primeras fases pueden ser monitoreadas a través de la inserción aleatoria de varios
tipos de muestras de control. Algunas muestras de control deben ser tomadas y/o insertadas
por parte del personal del proyecto directamente durante el proceso de muestreo.
En el caso de un programa de perforación diamantina como el de SMC, estas muestras serían

las siguientes:
a) Muestras gemelas: Se obtienen al dividir nuevamente a la mitad las muestras de

medio testigo, de modo que un cuarto representa la muestra original, y otro cuarto
representa la muestra gemela; ambas muestras deben ser preparadas en el mismo
laboratorio y analizadas con diferente número en el mismo lote. Las muestras gemelas
se usan para evaluar el error de muestreo. Se recomienda evitar el uso en este caso
del término de “duplicado”, ya que el original y la muestra gemela ocupan,
formalmente, diferentes posiciones espaciales.
b) Duplicados gruesos (de preparación): Son duplicados tomados inmediatamente

después de una fase de chancado y cuarteo, que deben ser analizados en el mismo

35
________________________________________________________________________________________
laboratorio, con diferente número, y en el mismo lote que la muestra original. Los
duplicados gruesos se usan para evaluar el error de cuarteo o sub-muestreo.
c) Blancos gruesos: Son muestras de material estéril, el cual se debe garantizar que
efectivamente sea estéril y normalmente se usa cuarzo. poseen granulometría gruesa,
que deben ser sometidas a todo el proceso de preparación en conjunto con las demás
muestras ordinarias, y que deben ser preparadas a continuación de muestras
fuertemente mineralizadas. Los blancos gruesos permiten evaluar si se produce
contaminación durante la preparación (SMC, Protocolo QAQC SMC, Protocolo).
Además de los tipos descritos, que se insertan con anterioridad o durante la preparación,
también es necesario insertar en los lotes otros tipos de muestras previamente procesadas:
d) Duplicados de pulpa (o duplicados internos): Son duplicados de muestras

ordinarias previamente pulverizadas, que son enviados con diferente número al
laboratorio primario para su análisis en el mismo lote analítico que las muestras
originales. Estas muestras se utilizan para evaluar la precisión analítica del
laboratorio.
e) Blancos finos: Son muestras de material estéril pulverizado, el cual se debe

garantizar que efectivamente sea estéril y normalmente se usa cuarzo. Estas deben ser
analizadas a continuación de muestras fuertemente mineralizadas, y que se utilizan
para determinar si se produce contaminación durante el proceso de análisis. Al
insertar blancos, se recomienda seguir la siguiente secuencia: después de una muestra
fuertemente mineralizada, la primera muestra insertada debe ser un blanco fino,
seguida de un blanco grueso.

36
________________________________________________________________________________________
f) Material de Referencia Estándar (MRS o STD): Son muestras comercialmente

certificadas elaboradas bajo condiciones especiales de mena y/o ley mineral. Estas
deben formar parte de los lotes analizados tanto por el laboratorio primario como por
el laboratorio secundario. Los estándares se utilizan para evaluar la exactitud
analítica, en conjunto con las muestras de control externo. Al elegir los estándares se
recomienda seleccionar, en lo posible, materiales de composición aproximadamente
similar a la de las muestras ordinarias, a efecto de reducir al mínimo el error analítico
de la matriz mineral. Se recomienda utilizar al menos tres estándares para los
elementos de importancia económica (incluidos los contaminantes), de modo que
cubran aproximadamente la gama prevista de concentraciones económicas o sub-
económicas: un estándar bajo, de ley cercana al valor de cut-off; un estándar medio,
con ley cercana al promedio del depósito, y un estándar alto, teniendo en cuenta lo
que significa alta ley para el proyecto concreto.
g) Duplicados de chequeo externos: Son duplicados de muestras ordinarias

previamente pulverizadas, que son reanalizados en el laboratorio secundario. Estas
muestras son utilizadas para evaluar la exactitud analítica del laboratorio primario, de
modo complementario a los estándares.
h) Pruebas granulométricas: Como parte de los controles externos también se debe

solicitar al laboratorio secundario que realice chequeos granulométricos a una parte
de las pulpas, con el fin de chequear la calidad de la pulverización en el laboratorio
primario (SMC, Protocolo QAQC SMC, Protocolo).
En lo que respecta al registro y entrada de datos, la mejor práctica para monitorear la

exactitud de la información es la introducción doble de los datos introducidos manualmente,
que “consiste en usar dos equipos independientes para ingresar los datos más sensibles en
dos bases de datos independientes y posteriormente comprobar ambos conjuntos de datos.

37
________________________________________________________________________________________
Una alternativa más simple es la comprobación regular, con el mismo método, de una
proporción representativa (al menos 5%) de los datos introducidos” (Simón A. , 2011).
2.5.1 Frecuencia de inserción de muestras de control
Armando Simón, referente actual y principal consultor de “QA/QC”, realizó una

investigación y revisión aleatoria de informes técnicos “NI 43-101” sin preferencia por
región, tamaño de empresa o tipo de mineral, de los cuales, no todos los informes consultados
tenías cifras definidas que describieran los protocolos de control de calidad, salvo algunos
comentados a continuación:
 Proyecto Porcupine, Canadá (GoldCorp): Rechazos gruesos: 5%; Blancos

gruesos: 5%: duplicados de pulpa: 5%; MRS, 5%; Duplicados Externos: 5%. Total:
25%. Fuente: AMEC (2006).
 Proyecto Modder East Load, Sudáfrica (sxr Uranium One Inc. y Aflease Gold
Ltd.): Blancos gruesos: 2%; MRS, 9%; Duplicados de pulpa: 11%; Muestras de
chequeo: 2%. Total: 23%. Fuente: SRK (2007).
 Proyecto Perama Hill, Grecia (Frontier Pacific Mining Corporation):
Duplicados, 10%; Otras muestras de control: 9%. Total, aprox. 19%. Fuente: RPA
(2004).
 Nuestra Señora, México (Scorpio Mining Corporation): Duplicados gruesos,
2,5%; SRMs; Blancos, 2,5%; Duplicados de pulpa, 5%; Muestras de pulpa, 5%;
Muestras de verificación de rechazo grueso, 2,5%. Total: 17,5%. Fuente: CAM
(2006).
 Proyecto Twangiza, Congo (Banro Corporation): 2% de blancos gruesos, 8% de
MRS; Además, los ensayos de verificación (proporción no especificada). Total: 15%
(?). Fuente: Skead (2006).
 Proyecto Mirador, Ecuador (Recursos Corriente): Duplicados gruesos: 5%;
Duplicados de pulpa: 5%; MRS: 5%. Total: 15%. Fuente: MDA (2006).

38
________________________________________________________________________________________
 Propiedad de HC, Nevada (J-Pacific Gold): Muestras gemelas del 5%, 5%;
Duplicados gruesos, 5%; Duplicados de pulpa, 5%. Total: 15%. Fuente: Durgin
(2005).
 Pueblo Viejo, República Dominicana (Placer Dome): 10% de SRMs y espacios en
blanco. Fuente: AMEC (2005).
(SEDAR, 2006) (Simón A. , Control Sample Insertion Rate, 2007)
Tabla 5 Programa de control de calidad: ratios de inserción sugerida por varios autores
Proporción de
Autor Detalle muestras de
control sugeridas
Rogers Duplicados, MRS, Blancos: uno cada veinte,
Aprox. 20%
(1998) chequeos externos: 5%
Vallé 10% en duplicados y MRS, y una cifra más baja Aprox. 15%
(1998) para los demás muestreos (?) (?)
2%-5% duplicados de campo, 2%-5% duplicado
Neuss grueso, 5%-10% duplicado de pulpa interno, 5%-
Aprox. 19%-25%
(1998) 10% duplicado de pulpa externo, más un MRS y
un blanco en cada envío
5% duplicado de rechazo grueso, 5% de duplicados
Long (1998 de pulpa, 5% de MRS, un blanco por lote (aprox.
Aprox. 21%
– 2000) 3%), ensayos de chequeo y una porción de
duplicados de pulpa (3%)
En un lote de veinte muestras: un blanco, un MRS,
Sketchley un duplicado; Además todos los duplicados de
Aprox. 20%
(1999) pulpa deben ser reevaluados en el laboratorio de
verificación
Bloom
un duplicado, y además se debe enviar una cada Aprox. 20%
(1999)
diez pulpas a laboratorio externo

39
________________________________________________________________________________________

un duplicado grueso y un duplicado de pulpa;
Lomas
Además 5% de las pulpas deberían ser re Aprox. 25%
(2004)
ensayadas en laboratorio de chequeo externo
(incluyendo MRS)
Fuente: Control Sample Insertion Rate: Is There an Industry Standar? Armando Simón Méndez. AMEC, 2007.
Se observó una tendencia general para el uso de una tasa de inserción de 4% a 5% para cada
tipo de muestras de control (duplicados, MRS, blancos, ensayos de verificación), aunque en
algunos casos se ignoran subtipos de muestras particulares. La tasa de inserción es inferior
al 17% sólo cuando los ensayos de control no están incluidos. Un promedio aceptable es
aproximadamente 18%, con pequeñas diferencias en algunos tipos particulares de muestras.
En conclusión, parece existir un acuerdo general de una tasa de inserción de muestras de

control del 20 %, que prácticamente se ha convertido en un estándar de la industria. Sin
embargo, la mayoría de las fuentes no distinguían entre duplicados o subtipos en blanco
(muestras gemelas, duplicados de campo, duplicados de pasta gruesa y pulpa, blancos
gruesos y finos), todos ellos con diferentes funciones en un programa de control de calidad
completo y debidamente conducido.
Un programa integral de control de calidad debe incluir todos los tipos y subtipos de muestras
de control, de manera que se evalúe adecuadamente la precisión, la exactitud y la posible
contaminación en los diversos puntos de la secuencia de muestreo, preparación y ensayo.
Los programas de control de calidad deben ajustarse a las necesidades específicas de cada
proyecto y al tamaño medio de los lotes analíticos. Mientras que en principio se recomienda
una tasa de inserción global del 20%, las proporciones individuales de los diversos tipos de
muestras de control deben reflejar aquellos problemas con mayor probabilidad de ocurrencia.

40
________________________________________________________________________________________
Con el avance del proyecto y la identificación y corrección de esos problemas, las

proporciones absolutas y relativas de las muestras de control se pueden ajustar.
En consecuencia se presenta una tabla sugerida de tasas de inserción de propósito general.

Debe destacarse que los lotes de verificación externos también deben incluir duplicados de
pulpa, MRS y fragmentos de pulpa en proporciones apropiadas, de manera que la precisión,
la exactitud y la posible contaminación en el laboratorio secundario puedan evaluarse de
forma independiente.
Tabla 6 Sugerencia de inserción de muestras de control
Tipo de muestra Sub-tipo de muestra Tasa de inserción sugerida

Muestras Gemelas 2%
Duplicados Duplicado Grueso 2% 6%
Duplicado de Pulpa 2%
MRS MRS: Alto, Medio, Bajo 6% 6%
Blancos Gruesos 2%
Blancos 4%
Blancos Finos 2%
Muestra de chequeo Muestra de chequeo 4% 4%
Fuente: A Discussion on Currente Quality Control Practices in Mineral Explorations, INTECH, A. Simón, 2011.

41
________________________________________________________________________________________
Tabla 7 Frecuencia de inserción de muestras
Tipo de muestra Frecuencia
Re-Muestreo (1/4 testigo) 1/30

Blanco Grueso 1/30
Blanco Fino (Pulpa) 1/30
Rechazo (#10 Ty.) 1/30
Re-Ensayo (Pulpa, #200 Ty.) 1/30
Estándar (Bajo, Medio, Alto) Alternando 1/30
Muestra Chequeo Ext. 1/30
Fuente: Protocolo de Aseguramiento y Control de Calidad, SMC.
2.5.2 La necesidad de inserciones ciegas
“Un requisito importante en todos los programas de control de calidad es que la identidad
y las leyes de las muestras de control deben permanecer ciegas al laboratorio analítico”
(Rogers, 1998) (TSE-OSC, 1999) (Long, 2000).
Una vez que la entidad a controlar es consciente de los detalles relevantes del proceso de
control, como la identidad de las muestras de control, se pierde la objetividad, el control ya
no puede ser válido y por lo tanto puede ser cuestionado. Esto pone en duda la capacidad de
la Persona Calificada para asegurar que la precisión y exactitud del ensayo sean aceptables
para apoyar estimaciones de recursos.
El propósito de la inserción ciega de muestras de control es evitar que el laboratorio

identifique las muestras de control o, por lo menos, su naturaleza y valores buscados, de

42
________________________________________________________________________________________
manera que pueda realizarse una evaluación objetiva e independiente de la precisión, la

exactitud y la contaminación.
2.5.3 Prácticas de aseguramiento y control de calidad en el mundo real
Vallé indicó que “pocas compañías mineras tienen políticas explícitas y sistemáticas de
aseguramiento de la calidad en su área de exploraciones. Identificó tres enfoques
principales: “laissez faire”, “catch-as-catch-can” y “control de calidad sistemático”,
siendo este último muy poco frecuente”. Además según el autor, esta situación no ha
mejorado significativamente en los últimos años (Vallée, 1998).
Debido al efecto de las regulaciones actuales, es que las grandes y pequeñas empresas están
cada vez más interesados en implementar tales programas, exclusivamente cuando se
requiere de financiamiento público o privado externo.
No obstante, dicho interés se enfrenta a ciertas modificaciones no deseadas en el presupuesto

de exploración, lo que trae como consecuencia la poca disposición a implementar programas
integrales de control de calidad. Además, esto no surge sólo de la gestión o de restricciones
presupuestarias. La implementación de estos programas requiere una mejor organización en
el proceso de muestreo, preparación de bases de datos y procesamiento de datos, y una
relación dinámica y cooperativa con los laboratorios.
Programas de control de calidad en el mundo real
Se presenta una clasificación de la cantidad y la proporción de los proyectos observados

desde el año 2003 hasta el año 2010 con respecto a la naturaleza del programa de control de
calidad desarrollado en cada uno de ellos, denotados de la siguiente manera:

43
________________________________________________________________________________________
• A (excelente): cuando la precisión, la exactitud y la contaminación fueron totalmente

monitorizados en tiempo real, utilizando una selección de control de la muestra completa y
procedimientos adecuados y tomar las medidas de corrección adecuadas cuando sea
necesario
• B (aceptable): cuando la precisión, la exactitud y la contaminación se monitorizaron

parcialmente en tiempo real con una selección de control de la muestra incompleta, pero
sigue siendo razonable, utilizando procedimientos apropiados, y tomar algunas acciones
correctivas cuando sea necesario
• C (inadecuado): cuando la precisión, exactitud y / o la contaminación fueron controlados

parcialmente con una selección muy limitada de control de la muestra, procedimientos
inadecuados, y no tomar acciones correctivas cuando sea necesario
• D (inexistente): cuando faltaba un programa regular de control de calidad.
En la siguiente tabla se resumen la clasificación por cantidad de proyectos y la naturaleza de

sus programas de control de calidad observados según AMEC.
Tabla 8 Proyectos revisados de programas de control de calidad
2003 - 2006 2007 - 2010

Clasificación
Cantidad Proporción Cantidad Proporción
A 1 4% 3 7%
B 3 12% 11 24%
C 11 42% 19 41%
D 11 42% 13 28%
Total 26 100% 46 100%
Fuente: IN Tech – A Discussion on Current Quality Control Practices in Mineral Exploration Armando Simón Méndez,
AMEC, 2011, Chile.

44
________________________________________________________________________________________
2.5.4 Precisión, exactitud y contaminación
Al implementar o evaluar los resultados de un programa de “QAQC” en la actividad

geológica, es importante conocer tres conceptos básicos, que se describen a continuación:
a) Precisión
Las normas ISO definen la precisión como “Grado de concordancia entre resultados de
mediciones obtenidas de una serie repetida de análisis, sobre una muestra homogénea,
bajo condiciones establecidas” (ISO 3534-1, 1995).
Dichas condiciones se denominan principalmente condiciones de repetibilidad, o de

reproducibilidad, y por tanto, frecuentemente, el término precisión denota simplemente
repetibilidad, es decir, está asociado a la dispersión de las mediciones reiteradas. Las
condiciones de repetibilidad se cumplen cuando las pruebas utilizan el mismo procedimiento,
con el mismo observador, el mismo instrumento de medición, en las mismas condiciones de
medición, en el mismo lugar y se repiten en un corto período de tiempo (Taylor-Kuyatt,
1994).
La precisión en la exploración geológica puede estar relacionada con tres etapas principales
en el proceso de recolección de datos analíticos: muestreo (precisión de muestreo), sub-
muestreo (precisión de sub-muestreo) y ensayo (precisión analítica). Cada uno de ellos se
evalúa a través de diferentes tipos de muestras duplicadas, pero en todos los casos, de acuerdo
con la definición, las muestras originales y las muestras duplicadas deben considerar
intervalos de muestreo similares, procedimientos similares de muestreo, preparación de
muestras, y ser ensayados en el mismo laboratorio. Las mismas técnicas analíticas, el mismo
equipo, los mismos reactivos y el mismo personal. Esta situación ideal sólo puede lograrse
si el original y las muestras duplicadas se incluyen en el mismo lote.

45
________________________________________________________________________________________
La precisión se evalúa a través del error relativo (RE), definido como el valor absoluto de la
diferencia entre los valores original y duplicado, dividido entre el promedio entre ambos
valores, medido en por cientos. Se recomienda tratar la precisión como una característica
cualitativa (baja precisión, alta precisión), y el error relativo como un parámetro cuantitativo
(Simón A. , Aseguramiento y Control de la Calidad en la Exploración Geológica, 2006) .
b) Exactitud
Las Normas ISO definen la exactitud como “Grado de concordancia entre el resultado
notificado y el valor de referencia aceptado” (ISO 3534-1, 1995).
El concepto de exactitud está estrechamente vinculado al concepto de "valor verdadero". El

"valor verdadero" es un concepto teórico, no una medida real. Todas las mediciones tienen
una incertidumbre (error) asociada a ellas, y por lo tanto no pueden proporcionar el "valor
verdadero". Además, diferentes muestras del lote tendrán diferentes concentraciones del
elemento que se está midiendo, lo que añade una incertidumbre adicional al "valor
verdadero" de la ley del material. En la industria minera, la exactitud se mide a través de
materiales de referencia certificados (MRS o STD), que generalmente se preparan a partir
de materiales naturales, o concentrados metalúrgicos y relaves.
Al establecer el grado de estos materiales, el valor verdadero nunca se conoce; Sin embargo,
en condiciones muy controladas, la ley o "mejor valor" de un elemento particular de un STD
puede establecerse con un nivel de confianza suficiente, que suele corresponder al nivel de
confianza del 95%, a través de múltiples mediciones en una serie de Laboratorios acreditados
(Simón A. , 2011).

46
________________________________________________________________________________________
c) Precisión vs Exactitud
A modo comparativo se expone gráficamente en la figura 2, la naturaleza de la precisión y la

exactitud con el fin de dejar en claro la diferencia entre esta variables.
Figura 16 Exactitud no es lo mismo que Precisión.
Fuente: Revista española de metrología, Emilio prieto, Jefe de área de longitud ( (Prieto, 2012).
“Exactitud es lo que define cuán cercana está una medida del valor real. La precisión, en
cambio, es una medida de cómo de cerca están entre sí un conjunto de medidas” (Cortijo,
2017).
Figura 17 Exactitud y precisión.
Fuente: Black to Green Consulting, Monitoreo ambiental: ¿exactitud o precisión? (Cortijo, 2017).

47
________________________________________________________________________________________
d) Contaminación
“Al preparar o analizar algunas muestras, particularmente las muy mineralizadas, es

posible que cierta porción de una muestra o de una solución quede retenida
accidentalmente en el equipo y contamine las muestras siguientes. La contaminación se
mide a través de muestras en blanco, que son muestras estériles en las que se ha
confirmado que la presencia de los elementos sometidos a análisis están por debajo de los
límites de detección” (Simón A. , Aseguramiento y Control de la Calidad en la Exploración
Geológica, 2006).
Las muestras en blanco se pueden presentar como “Blanco Grueso”, insertadas en la corriente
de muestra antes de la preparación, o como “Blanco Fino”, material pulverizado que se
inserta después de la preparación y antes de realizar el ensayo químico. Para que sea eficaz,
las muestra en blanco siempre deben insertarse después de muestras altamente mineralizadas.
2.6 Muestreo de Sondaje Diamantina en SMC (Veta La Fina)
Con recomendación del geólogo a cargo del proyecto, se perfora el punto de interés a fin de
interceptar el cuerpo mineralizado. En esta etapa se extrae la muestra de testigo para envío a
preparación mecánica y posterior análisis, según lo especificado en la “Solicitud de corte” y
“envío de muestras DDH”
La solicitud de Corte y Envío de Muestras DDH será emitida por Geólogo y/o Asistente, una
vez realizado el mapeo geológico, e indicara los metros a cortar, análisis requeridos y
posición de muestras de control; además se registrará los números de muestras tanto de la
etapa de envío a preparación mecánica (N° Original), como de envío a análisis químico (N°
Muestra). Se indicará también muestras para determinación de densidad.

48
________________________________________________________________________________________
Figura 18 Regularización y Geomecánica de Testigos.
Fuente: Fotografía propia. Proyecto “veta La Fina” - SMC
El muestreo se realizará en intervalos definidos según criterio geológico, dependiendo del

tipo de depósito. Esto debe ser especificado en los procedimientos de corte o muestreo
particulares para cada unidad de la compañía.
El corte de testigos DDH para muestreo geoquímico se realiza con una sierra diamantada o
con maquina hidráulica de presión, según el diámetro del testigo, en forma longitudinal,
enviando a laboratorio una mitad y dejando la otra mitad como respaldo.
Durante el procedimiento de “Mapeo Geológico”, el geólogo o asistente marcara la dirección

de corte, intentando que la mineralización quede lo más equitativamente representada en
ambas mitades (Fig. 19). Los muestreros deben respetar esta dirección y tomar en
consideración este aspecto al momento de cortar el testigo.

49
________________________________________________________________________________________
Figura 19 A. Dirección de corte errónea – B. Dirección de corte correcta.
Fuente: Protocolos internos de SMC (SMC, Protocolo QAQC SMC, Protocolo).
• Control de equi-probabilidad de la muestra: Para controlar que el corte se realiza de

manera equitativa, se medirá con un pie de metro ambos extremos del testigo a controlar,
según lo especificado en el procedimiento de corte particular del yacimiento.
• Control de la calidad y heterogeneidad composicional de la muestra: Para controlar la

calidad de la muestra y su representatividad, se inserta dentro del lote a preparación
mecánica, una muestra o duplicado gemelo (DUP-G), en la posición especificada en la
solicitud de corte. Para esto se procede a enviar el ½ testigo de respaldo de la muestra a
duplicar; de manera de tener un respaldo, se saca una fotografía de ambas mitades junto a sus
ticket respectivos y se guardan en carpeta digital.
• Determinación de Densidad Aparente: Se tomara medición de densidad aparente según

criterio geológico del yacimiento particular; sin perjuicio de lo anterior estas muestras
deberán representar al menos un 10% de las muestras enviadas a análisis químico. La

50
________________________________________________________________________________________
metodología utilizada por la compañía para determinar densidad en sus dependencias, será
aquella basada en el método de Arquímedes, la que se detalla en el procedimiento respectivo
para cada yacimiento.
Arquímedes buscando descubrir una forma de medir la densidad de los cuerpos descubrió el
siguiente principio:
“Todo cuerpo sumergido en el seno de un fluido, sufre una fuerza ascendente

(empuje) cuyo valor es igual al peso del fluido desalojado por el cuerpo.”
Al sumergir un cuerpo en un recipiente con agua, esta ejercerá un empuje vertical sobre el
cuerpo y teniendo en cuenta la tercera ley de Newton (acción y reacción) se puede determinar
que entonces el cuerpo reaccionará sobre el agua con idéntica fuerza y sentido contrario.
De esta manera, si se coloca el recipiente con agua sobre una balanza, se podrá medir el
exceso de masa que la balanza registra, cuando se introduce el cuerpo en el agua.
La densidad está definida por la masa contenida por unidad de volumen y corresponde a una
propiedad “intensiva” de los cuerpos, es decir, que no depende de la cantidad de materia de
estos. Por lo cual, cada elemento tiene una densidad que le es característica y única (Falco-
Franceschelli-Maro, 2001).
Figura 20 Método de Arquímedes para determinar densidades
Fuente: Método de Arquímedes para determinar densidades J Falco, I Franceschelli y M Maro.

51
________________________________________________________________________________________
Una vez cortadas las muestras, incluyendo el duplicado gemelo, se procede a etiquetar y
embolsar las muestras, registrando el número de ticket correspondiente en la solicitud de
corte y envío (N° Original).
Se incluye dentro de esta secuencia, una bolsa de muestra vacía, para la cual se solicita al
laboratorio extraer una muestra de “Duplicado de Rechazo Grueso (DUP-RG)” la que se
prepara de igual forma que la original, a partir del rechazo de la primera división, entrando
en el proceso posterior de pulverizado y finalmente analizada como una muestra
independiente. El análisis de esta muestra tiene como objetivo controlar la calidad y
homogeneidad de la muestra luego de la etapa de chancado y el posterior cuarteo o división
de la muestra para pulverizado. La bolsa vacía se inserta inmediatamente después de la
muestra original a duplicar.
Para controlar la contaminación durante la etapa de preparación mecánica se inserta en la

secuencia un “Blanco grueso (BLG)” en la posición indicada en la solicitud. Esta corresponde
a muestras de testigo seleccionadas a partir de sondajes anteriores, de las cuales se sabe tienen
leyes bajo los límites de detección de los elementos a controlar.
Las muestras serán entregadas al laboratorio junto a una “Solicitud de Preparación

Mecánica”, que especifica la muestra de DUP-RG a preparar, y que debe ser firmada tanto
por el personal del área de origen que entrega, como por quien recibe las muestras en el
laboratorio.
Finalmente, para cada muestra enviada a preparación, el laboratorio entregará 3 sobres de

material pulverizado de aproximadamente 150 g (1 para análisis, 1 para chequeo externo, 1
de respaldo), y 1 bolsa de aproximadamente 500 g de material chancado extraído del ultimo
rechazo de la secuencia de subdivisión/reducción.

52
________________________________________________________________________________________
• Control Granulométrico: Se exigirá al laboratorio un certificado de control

granulométrico, de al menos 5 % de las muestras, según sus procedimientos, donde se
reportara el porcentaje de material pasante para ambos casos; este documento será archivado
en la carpeta del sondaje respectivo.
(SMC, Protocolo QAQC SMC, Protocolo)
2.6.1 Recepción de Resultados – Control de Calidad
El laboratorio químico de SMC informa diariamente, a través de documento protocolizado

con firma de persona responsable, los resultados de los análisis realizados a muestras DDH.
Estos resultados se llevan a una “Planilla de Control de Envío”, donde se resumen todos los
datos relevantes de cada etapa.
El geólogo a cargo del control de calidad de las muestra DDH, revisa que los resultados sean
coherentes con la descripción geológica del sondaje, y que los valores de las muestras de
control se encuentren dentro de lo esperado.
Si LD = Limite de detección inferior, STD = Material de Referencia Estándar, X = valor de

análisis de STD que se está evaluando, M = Media de los análisis de STD a la fecha, σ =
Desviación Estándar de los análisis de STD a la fecha, se utiliza el criterio definido en la
Tabla de Fallos, ya sea para aprobar, o bien re-analizar en forma parcial o total el lote en
cuestión.

53
________________________________________________________________________________________
Tabla 9 Tabla de fallos
Si Entonces
BLF (BLG) > 3 LD (5 LD) Blanco Contaminado

En caso de blanco contaminado, solicitar reforzar procedimientos. Para errores grotescos
repetir +- 5 muestras y evaluar.
| M-X | ≤ 2 σ Se aprueba lote
| M-X | > 3 σ Fuera de control
2 σ ≤ | M-X | ≤ 3 σ para 2 STD
Fuera de control
consecutivos
Para STD fuera de control, repetir +- 5 muestras. En caso de error sistemático, evaluar si
se requiere analizar el resto de muestras.
Fuente: Protocolo interno SMC (SMC, Protocolo QAQC SMC, Protocolo).
2.7 El muestreo y la estimación de recursos
Cuando se realiza la evaluación de los recursos de un depósito, se utiliza la información de

un universo finito de muestras que han sido tomadas en terreno y de las cuales se conoce la
ley del o los elementos de interés contenidos en el yacimiento en exploración.
El principal “supuesto” de los métodos utilizados para la estimación de recursos es que las
leyes de las muestras son correctas y pueden utilizarse como un valor verdadero, es decir,
que no tienen error o que no tienen incertidumbre. No obstante en la práctica, las muestras
tomadas son pequeñas en relación al conjunto de las partículas que se están muestreando y
esto hace que exista un error en el valor de las muestras respecto a las leyes del conjunto de
partículas que se desea representar (Ortiz, U. de Chile).

54
________________________________________________________________________________________
2.8 Principales Fuentes de Error en el muestreo
El énfasis actual en la comprensión de la variedad y la fuente de los errores de muestreo ha

surgido de la obra pionera de Pierre Gy que en 1951 escribió un trabajo inédito en francés
titulado "Mínima masa de una muestra necesaria para representar un lote mineral".
La teoría de muestreo, introducida por Pierre Gy y luego extendida y llevada a la práctica por
Francis Pitard y Dominique Francois Bongarcon, permite cuantificar la magnitud del error
que se comete en las diversas etapas de un protocolo de muestreo, además de dar
recomendaciones respecto a los procedimientos utilizados en los procesos de toma y
preparación de muestras.
El número de errores ha crecido con el tiempo y ahora es de diez, todos los cuales Gy
identificó y estaban implícitos en su análisis de los errores, aunque no los había nombrado
explícitamente. Sin embargo, para efectos de esta investigación no se realizarán extensas
definiciones ni procedimientos para cuantificar estos errores, de tal forma que solo se
describen y se resumen posteriormente en un esquema.
El error del muestreo total se puede dividir en:
TE = NE + FE + GSE + QE1 + QE2 + DE + EE + WE + PE + AE Ecuación 1
1. Efecto Nugget in situ (NE)

2. Error fundamental de muestreo (FE)
3. Errores de agrupación y segregación (GE)
4. Error de fluctuación de heterogeneidad de largo alcance (calidad) (cambios y
tendencias, QE1)

55
________________________________________________________________________________________
5. Error de fluctuación periódica de heterogeneidad periódica (calidad) (ciclos, QE2)

6. Error de delimitación de incremento (DE)
7. Error de extracción incremental (EE)
8. Error de pesaje (WE)
9. Error de preparación (PE)
10. Error analítico (AE).
Los primeros cinco errores aleatorios nunca pueden ser completamente eliminados, pero
pueden minimizarse mediante un cuidadoso diseño del sistema de muestreo. La eliminación
de los últimos cuatro errores de muestreo es posible, pero si no se aplican diligentemente las
prácticas de muestreo correctas, también pueden ser fuente de sesgos importantes. Los diez
errores pueden agruparse en tres categorías, cada una de las cuales identifica los factores que
más las afectan (Minnitt-Rice-Spangenberg, 2007):
 La variación del material (variación de corto alcance) Errores 1, 2 y 3.
 El proceso de muestreo (de largo alcance y periódico variaciones) Errores 4 y 5.
 Las herramientas y técnicas (incluye manejo) Errores 6, 7, 8, 9 y 10.
En el siguiente cuadro se presentan los principales tipos de errores de muestreo con sus
posibles causas y formas de minimización:

56
________________________________________________________________________________________
Tabla 10 Principales Tipos de Errores de Muestreo (Pierre Gy)
Tipo de Error Causa Forma de minimización
Fundamental Pérdida de precisión en la Disminución del diámetro

muestra debido a su de las partículas más
composición física y química grandes o aumento de la
(tamaño de partícula) masa de la muestra
Segregación y Se debe a la distribución no Preparación al azar de
Agrupación aleatoria de las partículas, muestras compuestas u
usualmente por efecto de la homogenización y
gravedad fraccionamiento de la
muestra
Heterogeneidad de largo Error especial fluctuante y no al Toma de muchos
alcance azar incrementos para tomar una
muestra
Heterogeneidad Error de fluctuación temporal o Generación correcta de
periódica espacial muestras compuestas
Delimitación de Diseño de muestreo inapropiado Diseño de muestreo y

incrementos y/o mala selección de equipo selección apropiada de
equipos
Extracción de El procedimiento de muestreo Indispensable contar con
incrementos falla en cuanto a la extracción protocolos adecuados y
precisa del incremento equipo de muestreo bien
propuesto diseñado
Preparación Se debe a pérdidas, Existen técnicas de campo y
contaminación y/o alteración de laboratorio para evitar el
una muestra problema
Fuente: Curso Aseguramiento y Control de Calidad Chile 2013. AMEC ( (Simón A. , Taller de Aseguramiento y Control
de la Calidad en la Exploración Geológica, 2013)
Las definiciones de todos los errores se dejarán en glosario y anexos por si el lector desea
indagar más sobre el tema, ya que la finalidad de este estudio es conocer las posibles causas
que puedan generar errores en el muestreo.

57
________________________________________________________________________________________
En la siguiente figura se presenta un esquema que resume los tipos de errores en el muestro:
Figura 21 Resumen de los errores en el muestreo.
Fuente: Pptx (Universidad de Chile)
Ahora se presentan cuatro fuentes principales de error, que se identifican en SMC como foco
descriptivo según los objetivos planteados al inicio de esta investigación, detallando algunas
etapas del muestreo como posible origen de malas prácticas, errores humanos o errores que
son parte de la naturaleza de los yacimientos, los cuales son posibles de disminuir, corregir
y otros que son imposibles de eliminarlos por completo.
a) Heterogeneidad Geológica
Entre los problemas más comunes relacionados con la heterogeneidad geológica se destacan
el uso de redes de exploración inadecuadas y variabilidad de las leyes en los depósitos
minerales debido al tipo y naturaleza del yacimiento.
b) Toma de muestras
Entre los principales errores que se cometen durante esta operación se encuentran los
siguientes: El testigo es duramente maltratado en el proceso de extracción de la muestra,

58
________________________________________________________________________________________
proceso en el cual se visualizó que se generan grietas, fisuras y pérdida de material, el cual
afecta la calidad de la regularización y geomecánica de los testigos. El muestreo
predominante de metros de testigos mineralizados se les adiciona, aleatoriamente, dilución
de metros no mineralizados en base a criterios del geólogo a cargo, es decir, el envío de
muestras a preparación y análisis representa la zona mineralizada, pero no a la veta como tal
económicamente hablando.
c) Medición de Parámetros
La compañía posee un programa de aseguramiento y control de calidad implementado con

protocolos que en teoría se encuentra acorde a las exigencias del plan de exploración. No
obstante este fue diseñado para el elemento cobre y no satisface por completo la exploración
de un proyecto de oro y plata para la plata y en especial para el oro.
d) Preparación de la Base de Datos
Algunos de los errores vinculados a la preparación de la base de datos ocurren durante la

propia introducción de la información. Son comunes la digitación repetida de los datos, el
uso de fórmulas en la numeración de las muestras en tablas de Excel, la insuficiente
información sobre datos faltantes, la codificación errónea de las muestras de control de
calidad, etc.
Otros errores frecuentes, en este caso por omisión, son la falta de información útil, como la
identificación de las personas responsables de ciertas acciones importantes, datos sobre los
métodos analíticos, la recuperación y la ausencia de contra-chequeo de la información.
A continuación se presenta una tabla general de los errores en las distintas etapas del
muestreo, asociada a un porcentaje de error relativo y sesgo:

59
________________________________________________________________________________________
Tabla 11 Estructura General de los Errores de Muestreo
Estructura general de los errores de muestreo
Error Relativo
Actividad Sesgo (%) Fase
(%)
Muestreo 100 – 1.000
1.000 Muestro Primario
Transporte y Almacenamiento 1 - 100
Preparación mecánica,
10 - 100
Reducción Muestreo
50
Preparación Química (Digestión Secundario
5 a 20
y Disolución)
Análisis Químico 0,1 - 5 0,1 - 1 Análisis Químico
Fuente: Compilado a partir de Gy (1999:10); Gy and Francois-Bongarcon (1999) y Pasi (2006) (Gy, 1998)
2.9 Pruebas estadísticas
Para analizar los resultados del programa de control de calidad será necesario realizar algunas
pruebas estadísticas con el fin de comprobar algunas hipótesis que son propias de dicho
programa y que sirven para verificar la naturaleza de los datos con los cuales se trabaja.
Estas pruebas se realizan con la ayuda de dos software estadísticos llamados “IBM SPSS
STATICS 23” y “XLSTAT 2017”, debido a la dimensión de los cálculos y formulismos que
no son necesarios de incluir en este documento.
2.9.1 Contrastes de normalidad
Un caso específico de ajuste a una distribución teórica es la correspondiente a la distribución

normal. Este contraste se realiza para comprobar si se verifica la hipótesis de normalidad
necesaria para que el resultado de algunos análisis sea confiable.

60
________________________________________________________________________________________
Para comprobar la hipótesis nula de que la muestra ha sido extraída de una población con
distribución de probabilidad normal se puede realizar un estudio gráfico y/o analítico.
a) Prueba de Kolmogorov-Smirnov
Se aplica para contrastar la hipótesis de normalidad de la población, el estadístico de prueba

es la máxima diferencia (Universidad de Barcelona, 2005):
D=máx |Fn (x) - F0 (x)| Ecuación 2
Dónde:
 Fn(x) la función de distribución muestral

 Fo(x) la función teórica o correspondiente a la población normal especificada en la
hipótesis nula.
b) Prueba de Shapiro-Wilk
Cuando el universo es menor a 30 datos de muestras, se debe contrastar la normalidad con la

prueba de Shapiro-Wilk. Para efectuarla se calcula la media y la varianza muestral (S2) y se
ordenan las observaciones de menor a mayor. A continuación se calculan las diferencias
entre: el primero y el último; el segundo y el penúltimo; el tercero y el antepenúltimo, etc. y
se corrigen con unos coeficientes tabulados por Shapiro y Wilk.
El estadístico de prueba es:
𝐷2 Ecuación 3
𝑊=
𝑛𝑆 2

61
________________________________________________________________________________________
Donde:
 D es la suma de las diferencias corregidas.

 S2 es la varianza muestral.
 n es el número de datos.
Se rechazará la hipótesis nula de normalidad si el estadístico W es menor que el valor crítico

proporcionado por la tabla elaborada por los autores para el tamaño muestral y el nivel de
significación dado (Universidad de Barcelona, 2005).
Según el software el resultado de la hipótesis depende del valor de significancia “p-value”

donde:
 Si P-valor >= α, Se acepta hipótesis nula Ho
 Si P-valor < α, Se acepta hipótesis alterna Ha
2.9.2 Prueba de igualdad poblacional para muestras independientes.
La hipótesis nula del contraste es que las dos muestras, de tamaño n1 y n2, respectivamente,
proceden de poblaciones continuas idénticas:
𝐻0 : 𝐹1 (𝑋) = 𝐹2 (𝑋) (Hipótesis nula)
La hipótesis alternativa puede ser unilateral o bilateral y únicamente supone que la tendencia
central de una población difiere de la otra.
a) La prueba de U de Mann-Whitney, para la diferencia de las medianas pero no

puede suponerse la normalidad de las poblaciones de origen.

62
________________________________________________________________________________________
b) La prueba de T de Student, para la diferencia de dos medias cuando las

muestras son independientes y se demuestra la normalidad de las poblaciones de
origen.
El estadístico de esta prueba proviene de muchas otras fórmulas que no es posible de mostrar
para efectos de este estudio. Sin embargo, si el lector desea investigar puede dirigirse a la
bibliografía para consultar (Universidad de Barcelona, 2005).

63
________________________________________________________________________________________
3 CAPÍTULO III: DESARROLLO DE LA INVESTIGACIÓN
3.1 Aplicación del QA/QC en proyectos de exploración minera.
Se debe definir el plan de muestreo y los procedimientos básicos detallados para que la toma
de muestras sea exitosa. Cada una de las actividades debe tener un manual, protocolo o
procedimiento estandarizado, implementado y conocido por las personas a cargo de su
ejecución, de tal forma que se asegure la calidad (QA) de la toma de muestras en los distintos
procesos de la cadena de valor.
Luego, se debe llevar un estricto control sobre los registros que se ingresan a la base de datos,
ya que si bien en la práctica se introducen elementos de control de calidad (QC) en los
procesos de muestreo, casi siempre el análisis de los resultados se hace en forma diferida,
cuando ya no se puede corregir el proceso sino solo actuar sobre los datos. Debido a esto, es
fundamental que los controles se realicen en cada uno de los procesos de manera urgente,
obteniendo resultados rápidos que indiquen si existen problemas con dichos datos.
Dicho esto, se puede aplicar el QA/QC en distintos procesos de la exploración minera, ya sea
en la gestión de procedimientos que definen un plan de muestro asegurando la calidad de los
datos o en terreno verificando si se están ejecutando los protocolos de calidad. Además, se
pueden insertar muestras de control de calidad que sirven para chequear laboratorios internos
y externos a la compañía, así como también corroborar datos de leyes que han sido enviadas
para análisis químico.
A continuación se presenta un esquema que relaciona el “QA/QC” con las distintas

actividades del área de exploración de una compañía minera.

64
________________________________________________________________________________________
Figura 22 Aplicación del QA/QC en Exploraciones

Fuente: Procesos “QAQC” en Geominerometalurgia (Codelco, 2016)
Se puede visualizar que el “QA/QC” se encuentra en distintas etapas como en terreno, en

muestrera, laboratorios y registro de datos.
Figura 23 Aplicación del "QA/QC" para evaluar precisión, exactitud y contaminación.

Fuente: Innovación al control de procesos de muestreo (QA/QC) que validan la estimación de recursos…
(Ríos, Setiembre 2015)

65
________________________________________________________________________________________
3.1.1 “QA/QC” en muestreo
Para asegurar que la calidad del muestreo sea exitosa la compañía posee una serie de
procedimientos que se resumen en la siguiente tabla.
Tabla 12 Desarrollo de “QA/QC” en el muestreo con perforadora
Etapas Actividad “QA/QC”

Control de pesos.
Control de largo de tacos.
Calibración de instrumentos.
Perforación RC
Control de recuperación Pesos patrones.
y DDH
Registro de base de datos.
Certificados de Collar
Desviación de pozos
Control de pesos de muestras.
Chequeo de divisor Riffles (Nº y
Aplicación de protocolo tamaño de aberturas)
Toma de
de cuarteo/divisiones. Método de distribución de muestras en
muestras RC
Riffles
Certificado collar
Desviación de pozos
Fuente: Desarrollo global de “QA/QC” (Kinross, 2013)

66
________________________________________________________________________________________
3.1.2 “QA/QC” en laboratorio físico / Preparación
Luego de obtener las muestras, se procede a la preparación de las sub-muestras que serán
enviadas al laboratorio químico para su posterior análisis. En esta etapa se insertan las
muestras de control tal como se visualiza en la tabla.
Tabla 13 Desarrollo “QA/QC” en laboratorio físico o preparación
Protocolos de Duplicados de Terreno (≤ 30% Error).

preparación
Blancos Gruesos (≤ 3 - 5 veces L.D.).
(producción de Chancado de
muestras muestras. Chequeo Granulométrico.
analíticamente
homogéneas).
Protocolos de
preparación
Duplicados Gruesos (≤ 20% Error).
(producción de Pulverización
muestras de muestras. Chequeo Granulométrico.
analíticamente
homogéneas).
Inserción de Estándar.
Protocolos de
controles
análisis. Duplicados.
internos.

67
________________________________________________________________________________________
3.1.3 “QA/QC” laboratorio químico / Análisis
Tabla 14 Desarrollo “QA/QC” en laboratorio químico análisis

Control
Generación Gráficos Estándar (Exactitud)
Estándar (In Selección Leyes
•Gráfico de control con Media y Límites de
situ o Muestras Estándar
Confianza
comercial). dentro del Batch de
•Gráficos de suma acumulativa versus tiempo.
Se mide en Resultados
•Gráficos resultados análisis versus tiempo.
base al valor
•Generación Gráficos Duplicados (Precisión)
del sesgo.
Generación Gráficos Duplicados (Precisión)
•Estadísticas Básicas
•Nubes de dispersión
Control
•Gráficos cuantil vs cuantil (q-q plot)
Duplicado Selección Leyes
•Regresión
(pulpa). Muestras
•Test de comparación de medias: T de Student
No debe de Duplicados dentro
•Cálculo de varianza relativa entre pares
exceder más del Batch de
•Cálculo del % de error relativo total
del 10% de Resultados
•Cálculo de diferencia relativa absoluta entre
error.
pares
•Cálculo de diferencias relativas.
Selección Leyes
Generación Gráficos Blancos
Muestras Blancos
Control (Contaminación)
dentro del Batch de
Blanco (finos). •Gráficos Ley v/s N° Muestra
Resultados
•Gráficos Ley v/s N° Muestra Precedente
Generación Gráficos Duplicados

•Estadísticas Básicas
Chequeo •Nubes de dispersión
Selección del 5-10%
externo •Gráficos cuantil vs cuantil (q-q plot)
de Análisis
•Regresión

68
________________________________________________________________________________________
3.1.4 “QA/QC” de base de datos
Tabla 15 Desarrollo “QA/QC” en base de datos
Etapas Actividad - Comparación “QA/QC”

Cambio Base de Datos
Recomendaciones
Datos originales v/s Base de Datos. según registro original
de sondajes
firmado.
Certificado
Topográfico de
Datos originales v/s Base de Datos. según registro original
coordenadas de
firmado.
sondajes.
Reporte de Datos originales (Recuperaciones,
según registro original
Regularización. FF, Ángulos) v/s Base de Datos.
firmado
Reporte de
Datos originales v/s Base de Datos según registro original
Contratista.
firmado
Reporte de
Perforación.
firmado
Datos Originales (Dip > 0 y Azimut
entre 0 - 360°, chequear que Cambio Base de Datos
Certificados de
sondajes con survey tengan collar) según registro original
Desviaciones.
v/s Base de Datos (Al menos 10% firmado
duplicados)
Datos originales (Límites de
Certificados de detección, que el from no sea igual Cambio Base de Datos
Análisis al To, chequear valores mínimos según registro original
Geoquímico. reportados se ajustan a L.D.) v/s firmado
Base de Datos
Planillas Originales entregadas por
Registro Cambio Base de Datos
Geólogo (Fondos de sondajes, From
Geológico y según registro original
- To, Códigos Geos, recuperaciones,
Geotécnico. firmado
RQD) v/s Base de Datos
Certificados de
Densidades.
firmado
Fuente: Desarrollo global de QAQC (Kinross, 2013)

69
________________________________________________________________________________________
3.2 Métodos para evaluación de muestras de control de calidad
Se realiza una revisión de las distintas muestras de control a las que se les asocia la variable
que evalúa cada una de estas.
“Por tener propósitos diferentes, la exclusión de un tipo particular de muestras de control

no puede ser suplida por la inclusión de otro tipo de muestras” (Simón A. , Aseguramiento
y Control de la Calidad en la Exploración Geológica, 2006).
 Precisión del laboratorio primario:

 En el muestreo, a través de muestras gemelas.
 En el sub-muestreo, la preparación, el cuarteo, a través de duplicados gruesos.
 En el análisis, a través de duplicados de pulpa.
 Exactitud del laboratorio primario:

 en el mismo laboratorio, a través de los estándares.
 en un laboratorio secundario, a través de duplicados externos.
 Contaminación en el laboratorio primario:

 durante la preparación, a través de los blancos gruesos.
 durante el análisis, a través de los blancos finos.
 Precisión, exactitud y contaminación del laboratorio secundario:

 En los lotes de control, mediante la inserción de duplicados, estándares y blancos
finos en los lotes de control.
Para evaluar estas muestras se utiliza comúnmente el reconocimiento de patrones y

gráficos que indican si la nueva muestra ingresada está dentro o fuera de sus rangos

70
________________________________________________________________________________________
normales (Simón A. , Aseguramiento y Control de la Calidad en la Exploración

Geológica, 2006).
3.2.1 Blancos
El procedimiento de evaluación para muestras de control del tipo Blanco Grueso y Blanco
Fino corresponde a la determinación de un Límite de Detección (LD) del elemento de interés
estudiado, de tal forma que si el análisis de la ley arroja resultados de blancos con alguna
concentración por sobre LD estos se anotarán como datos contaminados, pero solo se
registraran los datos que estén por sobre un Límite de Seguridad (LS) que en este caso
corresponde a 5 veces LD para Blancos Gruesos y 3 veces LD para Blancos Finos, dejando
en evidencia que el LD para Au es 0,01 (g/t) y para Ag es 1 (g/t) .
Se construirán gráficos que relacionen muestras blancas versus las muestras precedentes a
estas, de tal forma de identificar cual o cuales son las muestras contaminadas y al mismo
tiempo relacionarlas con la fuente de dicha contaminación.
Figura 24. Blancos vs muestras precedente
Fuente: (Simón A. , Taller de Aseguramiento y Control de la Calidad en la Exploración Geológica, 2013)
La tasa de contaminación no debe exceder el 10 % de muestras contaminadas.

71
________________________________________________________________________________________
3.2.2 Duplicados Gruesos, Pulpas y Muestras Gemelas
El procedimiento de evaluación de las muestras gemelas y duplicadas implica la preparación

de los gráficos Max-Min, donde los valores mínimo y máximo de los pares de muestras se
trazan en los ejes X e Y, respectivamente. De esta manera, todos los puntos se trazan por
encima de la línea y = x. Los gráficos más utilizados son los de dispersión, o X-Y, de
frecuencia acumulada de los errores relativos, de Thompson-Howarth (Thompson and
Howarth, 1973, 1978). Sin embargo, se recomienda la evaluación según el método
hiperbólico, que consiste en evaluar en un gráfico de dispersión de tipo Max-Min con el
auxilio de una función hiperbólica:
𝑌 2 = 𝑚2 ∗ 𝑋 2 + 𝑏2 Ecuación 4
Según este método, la pendiente m de la asíntota de la hipérbola se calcula en función del

error relativo aceptable para cada tipo de muestra de control (30% para muestras gemelas,
20% para duplicados gruesos, 10% para duplicados de pulpa), y el término independiente b
se estima en función del límite de detección del elemento estudiado. Los pares que se ubican
por encima de la hipérbola son rechazados. Un nivel aceptable de admisibilidad se alcanza
cuando el nivel de rechazos no excede el 10% de los pares. La ventaja de este método consiste
en que también incluye en el análisis las muestras con valores bajos, incluso cercanos al
límite de detección, usualmente excluidas por otros métodos (Simón A. , Evaluation of Twin
and Duplicate Samples: The Hyperbolic Method: Discussion, 2004).
El error relativo entre cada par de muestra original y duplicado se calcula en base a la
siguiente formula:
|𝑂𝑖 − 𝐷𝑖 | Ecuación 5
𝑅𝐸 = 2 ∗
(𝑂𝑖 + 𝐷𝑖 )

72
________________________________________________________________________________________
Donde Oi es el valor original y Di es el valor del par duplicado. La precisión es tratada como
un parámetro cualitativo, inversamente proporcional a RE, que es un parámetro cuantitativo,
cuanto mayor es el RE, más pobre es la precisión, y viceversa.
En esta figura se muestran las distintas alternativas que se pueden emplear como líneas de
falla siendo el caso 1 la mejor opción:
Caso1: Método Hiperbólico, es el mejor ajuste para procesar duplicados de leyes muy
bajas, ya que disminuye los errores que se pueden ocasionar por diferencias mínimas
entre pares de muestras.
Caso2: Error Relativo, se evidencias problemas para analizar leyes demasiado bajas.
Caso3: Paralelo a Error Relativo + intersección en eje Y, se ajusta solo para leyes
extremadamente bajas, e incluye gran parte de muestras fuera de control en rangos
normales de error para leyes promedio y leyes altas.
Figura 25 Método Hiperbólico (Caso 1)
Fuente: (Simón A. , Evaluation of Twin and Duplicate Samples: The Hyperbolic Method: Discussion, 2004)

73
________________________________________________________________________________________
3.2.3 Estándares
Para evaluar las muestras de control del tipo estándar se deben construir gráficos de control
o “Shewhart” para cada tipo de estándar y elemento analizado. Los valores reportados se
deben plotear de manera secuencial y el gráfico incluir líneas con valores constantes en el eje
“Y” correspondientes a valores contantes:
MV, 1.05*MV, 0.95*MV, PR±2*DE , PR±3*DE
Donde MV es el mejor valor resultante de una prueba inter-laboratorios; PR y DE, el

promedio y la desviación estándar, respectivamente, calculados a partir de los valores
obtenidos al analizar los estándares insertados) (Simón A. , Aseguramiento y Control de la
Calidad en la Exploración Geológica, 2006).
Figura 26 Shewhart control para muestras estándares

74
________________________________________________________________________________________
El sesgo analítico Sa es calculado como:
𝑃𝑅𝑒𝑣𝑒 Ecuación 6
𝑆𝑎(%) = −1
𝑀𝑉
Donde PReve representa el promedio de los valores obtenidos, calculado tras excluir los
valores erráticos, y MV representa el mejor valor del estándar para el elemento estudiado. El
sesgo es considerado aceptable si su valor absoluto es inferior a 5%, arriesgado si se
encuentra entre 5% y 10%, e inaceptable cuando supera el 10%.
3.2.4 Duplicados Externos o de Chequeo
Para evaluar los duplicados externos comúnmente se construyen gráficos de dispersión X-Y,
en los que se plotean los resultados de dichos duplicados en el eje Y, y de las muestras
originales en el eje X, y posteriormente se representa la curva de regresión lineal entre ambas
series. Con este fin, se recomienda utilizar el método de Reducción al Eje Mayor (Reduction
to Major Axis, o RMA; Sinclair, 1999), que ofrece un ajuste insesgado de las dos series de
resultados, mediante un procedimiento matemático que trata ambas series como
independientes entre sí.
En este caso, el sesgo Sp-s del laboratorio primario con relación al secundario es calculado del
siguiente modo:
Sp-s (%) = 1 - pRMA Ecuación 7
Donde pRMA es la pendiente de la curva de regresión obtenida por el método RMA (Simón A.
, Aseguramiento y Control de la Calidad en la Exploración Geológica, 2006) .

75
________________________________________________________________________________________
El uso de la función de "regresión lineal" disponible en la mayoría de las hojas de cálculo

comerciales de software como EXCEL no proporcionará un ajuste imparcial de los datos
entre dos conjuntos de resultados de ensayo. La razón de esto es que el software asume que
una variable es independiente y la otra es dependiente. Por ejemplo, la variable independiente
podría ser un ajuste en un instrumento, y la variable dependiente podría ser una medida de
salida. El supuesto subyacente es que la variable independiente se conoce con precisión
mientras que la salida no lo es.
Este no es el caso de pares de resultados de ensayo, donde ambos conjuntos de resultados

son independientes.
Se puede aproximar un ajuste imparcial usando el ajuste de la regresión lineal dos veces,
asumiendo primero uno, y entonces el otro resultado del par es la variable independiente.
Esto dará dos líneas con tendencias diferentes que se cruzan (después de resolver
algebraicamente una de las ecuaciones lineales de manera que ambas estén en la forma y =
mx + b, es decir, una ecuación se re-expresa como x = y / m - b / m). Una estimación de la
tendencia lineal de los datos puede ser obtenida calculando la bisectriz de las dos regresiones
lineales. Sin embargo, la bisectriz no es el ajuste óptimo de los datos si la varianza de un
conjunto de resultados es diferente que el otro. En otras palabras, la tendencia de los datos
debe tener en cuenta que un conjunto de los resultados apareados puede ser más "errático"
que el otro.
El método de reducción a eje mayor calcula la pendiente de la tendencia como:
m = [desviación estándar de y] / [desviación estándar de x] Ecuación 8
La intercepción b se calcula resolviendo la ecuación y = mx + b, mediante la sustitución de

la media de X y la media de Y en la ecuación.

76
________________________________________________________________________________________
El error en la pendiente Em se calcula como:
Em = m * sqrt [(1-r2) / N] Ecuación 9
El error en la interceptación eb se calcula como:
Eb = F y * sqrt {[(1-r2) / N] * [2+ (F x / media (x)) 2 * (1 + r)] Ecuación 10
Donde F es la desviación estándar, N es el número de pares y r es el coeficiente de correlación

(Scott, 2007).
Figura 27 RMA Plot Check Samples

77
________________________________________________________________________________________
Test de Grubbs
Tal como se ve en la figura anterior, existen outliners que afectan la evaluación de los
duplicados de chequeo externo, aumentando el error global cuando algunos datos se desvían
considerablemente.
Independiente de los protocolos que hacen imperativo repetir las muestras fuera de los rangos
normales, es necesario eliminar estos datos de tal forma que quede un registro pero no afecten
los cálculos ni la visualización del error global de estas muestras de control. El problema está
en ¿Qué criterio usar para considerar un resultado de muestra como un outliners?
Un método analítico para la detección de outliners es el “Test de Grubbs”, la aplicación de

este criterio es habitual en el estudio de series estadísticas, como en las de comparaciones de
laboratorios, como es el caso en estudio.
Se basa en dos fórmulas que abordan por izquierda y por derecha una serie de datos ordenados
de menor mayor, en este caso serán las diferencias entre muestra original y duplicado.
(𝑋𝑚𝑒𝑑 − 𝑋𝑖 ) Ecuación 11
𝐺𝑖 =
𝑆
(𝑋𝑖 − 𝑋𝑚𝑒𝑑 ) Ecuación 12
𝐺𝑛 =
𝑆
Con estas fórmulas se comparan los resultados con tablas:
1) Se ordenan los datos de menor a mayor.

2) Se buscan los valores discrepantes
3) Se calcula la desviación estándar (S) y la media de los datos
4) Se selecciona el riesgo o nivel de confianza (%)

78
________________________________________________________________________________________
5) Se calcula y compara con las tablas según los resultados de Gi y Gn (para valores por
la izquierda y por la derecha respectivamente) con la tabla de Grubbs y si el valor
supera el valor de Grubbs es considerado un outliners (Grubbs, 1974).
3.3 Programa de QA/QC
El programa de “QAQC” a ejecutar consta de una revisión del programa ya implementado,

además de una mejora y automatización del procesamiento de los datos.
Partiendo de la base de que los datos no son información sin que estos hayan sido procesados,
es que se automatizarán los procesos de análisis con el fin de minimizar el tiempo necesario
para dicha actividad.
Se crean nuevas planillas en software Excel y macros de “VBA” que procesan datos de
muestras de control, de tal forma que exista una hoja de cálculo llamada “input” en la que se
ingresen los valores de forma directa desde el certificado de análisis de laboratorio, que los
datos se procesen automáticamente en las demás hojas a partir formulas y condiciones según
la bibliografía estudiada y los protocolos internos de SMC, para finalmente obtener una hoja
de cálculo que entregue toda la estadística y los resultados de cada lote de muestras de control
con el fin de evaluar la precisión, exactitud y la contaminación de los datos de un proyecto
en particular.
El programa “QA/QC” a construir consta de la particularidad de que sirve para cualquier

proyecto que contenga especies de Oro, Plata, Cobre y Arsénico, de tal forma que este
quedará implementado en la base de datos de la Gerencia de exploraciones para ser usado en
los proximos proyectos y/o la activación de un proyecto en pausa. Solo se deberán cambiar
los parámetros de entrada e ingresar los valores de leyes para que el programa entregue los
graficos y la estadística necesaria para evaluar un proyecto.

79
________________________________________________________________________________________
Parte de las planillas se pondrán en anexos, ya que no es posible adjuntar el programa

completo. No obstante los gráficos y resultados de este se evidencian a lo largo de la
evaluación del proyecto evaluado y serán cargados completamente en el CD-ROM adjunto
en este documento.
3.3.1 Limites de detección y Materiales de Referencia Estándar usados en el

programa.
Las muestras son preparadas en el laboratorio interno de la compañía y se analizan

químicamente en ActLabs por medio del método de espectrometría de Absorción Atómica
(AA), (fuente: Experiencia con certificados de análisis químicos y comunicación verbal).
Tabla 16 Límites de detección y Materiales de referencia estándar
Tipo de Muestras de Límite de detección Unidad de

Sub-Muestra
Control o ley de Referencia medida
Blanco Au 0,01 (g/t)
Blancos
Blanco Ag 1 (g/t)
STD Bajo Au 0,05 (g/t)
Material de Referencia STD Bajo Ag 34 (g/t)
Estándar (STD) STD Alto Au 5,49 (g/t)
STD Alto Ag 231 (g/t)
Fuente: Elaboración propia. Datos de programa de “QA/QC” de SMC.
3.4 Implicación de malos programas de control de calidad para la estimación de

recursos
La importancia de la calidad de los datos para la estimación de los recursos difícilmente

puede ser subestimada. El uso de métodos de procesamiento matemático cada vez más
sofisticados en la estimación de recursos sólo puede justificarse si los datos de los que se

80
________________________________________________________________________________________
basan son suficientemente precisos y exactos. Por otro lado, la clasificación de los recursos
se basa en la confianza de las estimaciones locales y globales.
El primer paso en la estimación de recursos es evaluar la fiabilidad de los datos. La falta de

datos de control de calidad adecuados a menudo resulta en tener que excluir campañas de
perforación completas de la base de datos de estimación, afectando así el tonelaje, la ley y la
clasificación de los recursos.
Una mala precisión debido a la presencia de oro grueso podría conducir a una grave
sobreestimación de la ley si este problema no se detecta y se aborda oportunamente. Del
mismo modo, la exactitud de los ensayos pobres requiere a menudo correcciones dolorosas,
a veces afectando la factibilidad del proyecto. Sólo hay una forma de evitar sorpresas
desagradables cuando surge el momento crítico: implementar desde el primer día un
programa integral de control de calidad, y seguirlo estrictamente durante toda la vida del
proyecto.

81
________________________________________________________________________________________
4 CAPÍTULO IV: RESULTADOS Y ANÁLISIS DE DATOS
Se ha ordenado y validado la información correspondiente a datos de Assays desde la Base

de datos de sondajes diamantinos Sond_2016-01 hasta Sond_2016-18 y Sond_2017-19 hasta
Sond_2017-49 donde además se agrega un sondaje perteneciente a otro proyecto
denominado Sond_v_2016-09, de donde se extraen las muestras que soportan el proyecto de
“Veta La Fina”.
Se realizaron 47 sondajes diamantinos que juntos conforman un largo total de 5270 (m)
perforados.
Se tiene un total de 1856 muestras analizadas en laboratorio, de las cuales el 100%

corresponde a “Veta La Fina”. Estas muestras están conformadas por 1727 (m) de testigo,
los cuales representan un 33% del total de metros perforados. Las muestras seleccionadas
han sido preparadas mecánicamente tanto en el laboratorio interno de SMC como de Actlabs,
mientras que los análisis químicos por Au y Ag fueron analizados en su totalidad en Actlabs
(Laboratorio químico externo).
Cabe destacar que solo el 14 % de las muestras (254 muestras) interceptan la zona de vetas
como tal, el resto de las muestras procesadas entrega información sobre el entorno en que se
ubican espacialmente dichas vetas.
Para el control de la calidad se han insertado 154 muestras de control distribuidas entre
Blancos, Duplicados y Materiales de Referencia. Los detalles de inserción se reflejan en la
siguiente tabla.

82
________________________________________________________________________________________
Tabla 17 Tasa de inserción de muestras de control
Tipo Tasa de Tasa

No. Comentario
Muestra Inserción recomendada
STD - A 9 0,5% 3% Bajo la tasa recomendada
STD - B 8 0,4% 3% Bajo la tasa recomendada
BLF 17 0,9% 2% Bajo la tasa recomendada
BLG 98 5,3% 2% Sobre la tasa recomendada
DUP - G 1 0,1% 2% Bajo la tasa recomendada
DUP - RG 0 0,0% 2% Bajo la tasa recomendada
DUP - P 21 1,1% 2% Bajo la tasa recomendada
DUP - CH 0 0,0% 4% Bajo la tasa recomendada
Se debe insertar más muestras de

Total 154 8,3% 20% control para cumplir con la tasa
recomendada
Fuente: Elaboración propia
4.1 Blancos
Los blancos son muestras de material estéril, desprovistas del elemento que está siendo
analizado. Los blancos ayudan a monitorear la contaminación y desarreglo de las muestras
durante la preparación y análisis de la muestra.
4.1.1 Blancos Gruesos
Para “Blancos Gruesos” o “Coarse Blanks”, se pueden utilizar arena silícea o rocas frescas
que no tengan ninguna alteración o mineralización. Blancos gruesos se deben insertar
óptimamente después o entre muestras de alta ley. Los blancos gruesos deberán dar valores
menores que o igual 5 veces el valor del límite de detección; y el 90% de las veces.
En total se revisaron 94 controles del tipo blanco grueso y se prepararon gráficos de Blanco
versus muestra precedente para Au y Ag.

83
________________________________________________________________________________________
Blanco grueso para el elemento Oro (Au – ppm)
Veta La Fina-Blancos Gruesos vs M. Previa-Au(ppm)

0,14
0,12
0,10
0,08 Línea Seguridad

Au
Blanco
0,06 Regression
0,04
0,02
0,00
0,00 20,00 40,00 60,00 80,00 100,00 120,00
Muestra precedente
Figura 28 Blancos gruesos vs muestra precedente – Au (ppm)
Blanco grueso para el elemento Plata (Ag – ppm)
Veta La Fina-Blancos Gruesos vs M. Previa-Ag(ppm)

6,00
5,00
4,00
Ag
3,00 Línea Seguridad
Blanco
Regression
2,00
1,00
0,00
0,00 200,00 400,00 600,00 800,00 1000,00 1200,00 1400,00
Muestra Precedente
Figura 29 Blancos gruesos vs muestra precedente – Ag (ppm)

84
________________________________________________________________________________________
A partir de las comparaciones y análisis de la operación descrita anteriormente se puede

concluir que las muestras contaminadas para el elemento Au han sido 4, mientras que para el
elemento Ag no se encontraron muestras contaminadas.
Tabla 18 Resultados de Blancos gruesos Au – Ag (ppm)
Resumen de Blancos Gruesos

Tasa
No. De Max Max Límite
Elemento Un. Contaminados de
Blancos Previo Blanco detección
Cont.
Au 94 (ppm) 110 0,13 0,010 4 4,3%
Ag 94 (ppm) 1147 3,50 1,0 0 0,0%
La tasa de contaminación acumulada corresponde a un 4.3 % para el Au y 0.0 % para Ag.

Estos valores se encuentran dentro de la tolerancia permitida para este tipo de muestras (<
10% contaminación).
4.1.2 Blancos Finos
Como “Blancos Finos” o “Pulp Blanks” se utiliza material estéril molido (pulpas) y deben
ser insertados directamente después de muestras de alta ley. Los blancos de pulpas deberán
dar valores menores que o iguales al triple del valor del límite de detección.
En total se revisaron 17 controles del tipo blanco fino y se prepararon gráficos de Blanco
versus muestra precedente para Au y Ag.

85
________________________________________________________________________________________
Blancos finos para el elemento Oro (Au – ppm)
Veta La Fina-Blancos Finos vs M. Previa-Au(ppm)

0,06
0,05
0,04
Línea Seguridad
0,03 Au
Blanco
Regression
0,02
0,01
0,00
0,00 10,00 20,00 30,00 40,00 50,00
Muestra precedente
Figura 30 Blancos finos vs muestra precedente – Au (ppm)
Blancos finos para el elemento Plata (Ag – ppm)
3,50 Veta La Fina-Blancos Finos vs M. Previa-Ag(ppm)
3,00
2,50
2,00 Ag
Línea Seguridad
Blanco
1,50 Regression
1,00
0,50
0,00
0,00 200,00 400,00 600,00 800,00 1000,00 1200,00 1400,00 1600,00
Muestra precedente
Figura 31 Blancos finos vs muestra precedente – Ag (ppm)

86
________________________________________________________________________________________
El resumen de muestra de control de blancos finos indica que se ha obtenido una tasa de
contaminación del 5,9 % tanto para el elemento Au y 0,0 % para Ag.
A partir de las comparaciones y análisis de la operación descrita anteriormente se puede

concluir que las muestras contaminadas para el elemento Au ha sido 1, mientras que para el
elemento Ag no se encontraron muestras contaminadas.
Tabla 19 Resultados de Blancos finos Au – Ag (ppm)
Resumen de Blancos Finos

Tasa
No. De Max Max Límite de
Elemento Un. Contaminados de
Blancos Previo Blanco detección
cont.
Au 17 (ppm) 46 0,05 0,010 1 5,9%
Ag 17 (ppm) 1522 2,00 1,0 0 0,0%
4.2 Duplicados Gruesos, Pulpas y Muestras Gemelas
4.2.1 Duplicados Gruesos
No se realizaron controles del tipo “Duplicado Grueso” en el proyecto estudiado, por lo tanto
la precisión del sub-muestreo, la preparación y el cuarteo del laboratorio interno de SMC
queda sin respaldo para poder emitir un juicio sobre este.
4.2.2 Muestras Gemelas
“Muestras Gemelas” o “Twin Samples”, se trata de muestras que se recolectan en el mismo

sitio. Sirven para monitorear la homogeneidad de la mineralización y la variación inducida
por el método de muestreo.

87
________________________________________________________________________________________
La diferencia relativa entre la muestra original y su duplicado no debe ser mayor al 30 %, de

tal forma que si este error es mayor, se considerará el par como un muestreo fallido. Además,
para aceptar los resultados de un lote de análisis, el error no debe estar presente en más del
10 % de la población de datos.
Se ha insertado solo 1 duplicado gemelo en el análisis del sondaje Sond_2017-16, cuyas

diferencias relativas en la ley para Au son de 18 % (0.81 g/T Au Vs. 0.67 g/T Au), mientras
que las diferencias para Ag son de 4 % (18.7 g/T Ag – 18 g/T Ag). Valores que se encuentran
dentro del rango esperado para la precisión para los elementos Au y Ag.
Tabla 20 Resultados de precisión de duplicados gemelos Au-Ag (ppm)
% falla
(%) fallas
Fallas permitida para
Elemento Pares Fallas permitidas Estado
(%) cada par de
por lote
muestras
Error dentro de
Au 1 0 0,0% 30% 10%
rangos normales
Error dentro de
Ag 1 0 0,0% 30% 10%
rangos normales
Se prepararon gráficos Max-Min para Au, Ag (Fig. 31, y 32 respectivamente).

88
________________________________________________________________________________________
Evaluación Muestras Gemelas

9,0
8,0
7,0
6,0 Duplicado de campo

Max Au (ppm)
45º Line
5,0
Línea de Falla
4,0 Fallas
3,0 Número de muestras

2,0 1
Fallas
1,0 0 0,0%
0,0
0,0 5,0 10,0
Min Au (ppm)
Figura 32 precisión de muestras gemelas – Au (ppm)
Evaluación Muestras Gemelas

35
30 Muestras
Gemelas
25 45º Line
Max Ag (ppm)
Línea de Falla
20
Fallas
15
Número de muestras
10
1
Fallas
5
0 0,0%
0
0 10 20 30
Min Ag (ppm)
Figura 33 precisión de muestras gemelas – Ag (ppm)

89
________________________________________________________________________________________
La precisión global de la campaña de exploración del muestreo in-situ no puede ser

determinada debido a la falta de información. Solo se posee una muestra que valida tan solo
una intercepción de un sondaje con Veta La Fina.
4.2.3 Duplicados de Pulpa
“Re-ensaye” o “Duplicado Fino”, indican la precisión del análisis químico del laboratorio.
“Duplicados Finos” es la segunda parte de las pulpas de las muestras que se separan al final
de la preparación completa y después de pulverizar las muestras.
La diferencia relativa entre la muestra original y su duplicado no debe ser mayor al 10 %, de

tal forma que si este error es mayor, se considerará el par como un muestreo fallido. Además,
para aceptar los resultados de un lote de análisis, el error no debe estar presente en más del
10 % de la población de datos.
Se revisaron 21 resultados de duplicados de pulpa.
Se prepararon gráficos de Max – Min para los elementos Au y Ag (Fig. 34 y 35 para Au, 36
y 37 para Ag). Siendo la tasa de error para Au de 33,3 %, considerando 7 fallas del total de
muestras analizadas. Para el caso de Ag la tasa de error es de 23,8 %, equivalente a 5
muestras que sobrepasan el error relativo de análisis.

90
________________________________________________________________________________________
Veta La Fina: Au en Duplicados de Pulpa

Evaluación Duplicados de Pulpa
200,0
Duplicados
180,0 de Pulpa
160,0 45º Line
140,0
Línea de Falla
Max Au (ppm)
120,0
100,0 Fallas
80,0
Número de muestras
60,0 21
40,0 Fallas
20,0 7 33,3%
0,0
0,0 50,0 100,0 150,0 200,0
Min Au (ppm)
Figura 34 Precisión de duplicados de pulpa – Vista General – Au (ppm)
Veta La Fina: Au en Duplicados de Pulpa

5,0
Duplicados
4,5 de Pulpa
4,0 45º Line
Max Au (ppm)
3,5 Fallas
3,0
2,5 Línea de Falla
2,0
Número de muestras
1,5 21
Fallas
1,0
7 33,3%
0,5
0,0
0,0 2,0 4,0
Min Au (ppm)
Figura 35 Precisión de duplicados de pulpa – Vista Detalle – Au (ppm)

91
________________________________________________________________________________________
Veta La Fina: Ag en Pulp Duplicates

2000
1800
Pulp
1600 Duplicates
1400 45º Line
1200 Línea de Falla
Max Ag (ppm)
1000
Fallas
800
600 Numero de muestras
400 21
200 Fallas
5 23,8%
0
0 500 1000 1500 2000
Min Ag (ppm)
Figura 36 Precisión de duplicados de pulpa – Vista General – Ag (ppm)
Veta La Fina: Ag en Pulp Duplicates

50,0
Pulp Duplicates
40,0
45º Line
30,0 Línea de Falla

Max Ag (ppm)
Falla
20,0
Numero de muestras
21
10,0
Fallas
5 23,8%
0,0
0,0 10,0 20,0 30,0 40,0 50,0
Min Ag (ppm)
Figura 37 Precisión de duplicados de pulpa – Vista Detalle – Ag (ppm)

92
________________________________________________________________________________________
Tabla 21 Resultados de precisión de duplicados de pulpa Au – Ag (ppm)
% falla permitida (%) fallas

Fallas
Elemento Pares Fallas en pares de permitida Estado
(%)
muestras por lote
Error sobre lo
Au 21 7 33,3% 10% 10%
permitido
Error sobre lo
Ag 21 5 23,8% 10% 10%
permitido
Las muestras de control de duplicados de pulpa tienen como objetivo evaluar la precisión en
el análisis químico de las muestras y según el cuadro anterior se poseen errores muy por
encima de lo permitido.
4.3 Estándares
Se procesaron un total de 17 análisis de muestras de STD (9 muestras STD-A y 8 muestras

STD-B), con una tasa de inserción total del 0,9 %.
Se prepararon gráficos de control para cada elemento y para cada STD (Fig. 24 y 25).
4.3.1 Estándar Bajo
Tabla 22 Resultados de Estándar Bajos Au – Ag (ppm)
Media Sesgo MFC

STD Elemento No. MV MFC
(SO) (%) (%)
BAJO STD-B Au 8 0,050 0,045 -10,00% 0 0%
BAJO STD-B Ag 8 34,00 29,88 -12,13% 0 0%

93
________________________________________________________________________________________
Figura 38 STD Bajo Veta La Fina – Au (ppm)
Figura 39 STD Bajo Veta La Fina – Ag (ppm)
Los resultados de análisis de “STD Bajo” presentan sesgos del orden de 10 % a 12 %, lo que
indica que el grado de exactitud de laboratorio para el proyecto “Veta La Fina” es inaceptable

94
________________________________________________________________________________________
según el análisis de leyes bajas para el oro y la plata. Materiales de referencia iguales a 0,05
(g/t) y 34 (g/t) respectivamente.
4.3.2 Estándar Alto
Tabla 23 Resultados de Estándar Altos Au – Ag (ppm)
Media Sesgo MFC

STD Elemento No. MV MFC
(SO) (%) (%)
ALTO STD-A Au 9 5,490 5,234 -4,65% 0 0%
ALTO STD-A Ag 9 231,00 234,26 1,41% 0 0%
Figura 40 STD Alto Veta La Fina – Au (ppm)

95
________________________________________________________________________________________
Figura 41 STD Alto Veta La Fina – Ag (ppm)
Los resultados de análisis de “STD Alto” presentan sesgos aceptables por debajo del 5 %, lo
que indica un buen grado de exactitud para leyes altas en el proyecto “Veta La Fina”
4.4 Duplicados Externos o de Chequeo
Separaciones de la pulpa que se mandan a un segundo laboratorio con número de muestra

diferente. Sirven, en conjunto con los estándares, para el monitoreo de la exactitud,
mandando un 5 % de muestras como muestra de chequeo al laboratorio externo.
No se han enviado muestras de chequeo a laboratorio externo, por lo tanto no se pueden

realizar mediciones para este tipo de muestra, vale decir, no se pueden realizar comparaciones
de exactitud inter-laboratorios.

96
________________________________________________________________________________________
5 CAPÍTULO V: EVALUACIÓN DE LA CALIDAD DE LOS DATOS QUE

SUSTENTAN EL PROYECTO DE EXPLORACIÓN “VETA LA FINA”
“Una cadena es tan fuerte como su eslabón más débil”
Este dicho fue adaptado de un escrito del siglo XVIII por Thomas Reid titulado: “Ensayos
en los Poderes Intelectuales del Hombre”. La cita real dice así: "En cada cadena de
razonamiento, la evidencia de la última conclusión no puede ser mayor que el eslabón más
débil de la cadena, sin importar la fuerza del resto." Frase que ha tomado gran participación
en el área industrial para evaluar los procesos y el desempeño de las empresas (Reid, XVIII).
Tomando en cuenta la frase anterior es que se realiza una analogía para determinar, calificar
y cuantificar la evaluación de la calidad de los datos que sustentan el proyecto de exploración
“Veta La Fina” según los criterios de precisión, exactitud y contaminación, de tal forma que
cada aspecto estará condicionado por el resultado más conservador, solo para evidenciar el
riesgo a los cuales se enfrenta la compañía.
El resultado final de este capítulo difiere de lo esperado por la compañía minera y este análisis
puede variar a medida que se revelan nuevos resultados que se generarían de los últimos lotes
con muestras de control enviados a raíz de la problemática visualizada por el equipo de
trabajo al momento de evidenciar niveles de precisión y sesgos de tal magnitud según los
resultados del capítulo IV.

97
________________________________________________________________________________________
5.1 Precisión
La precisión de proyecto “Veta La Fina” se puede evaluar en varias etapas. En el muestreo,

el sub-muestreo, la preparación mecánica y el análisis químico.
El programa “QAQC” refleja los siguientes resultados:
Sub-Muestreo y
Muestreo Análisis Químico
Preparación
Muestras Duplicados Duplicados de

Gemelas Gruesos Pulpa
0 % de error
Error no 33,3% de
(solo 1
mensurable error
muestra)
Figura 42 Resultados globales de precisión.
La precisión del proyecto está condicionada por el error más alto, de tal forma que la
precisión es inversamente proporcional al error más alto obtenido.
Si bien, la precisión se mide cualitativamente, pero el error es cuantitativo e inversamente

proporcional, se puede decir que se tiene un 100 % de certeza de que la precisión de las leyes
analizadas responde a un 33,3 % de error. Valor demasiado alto que supera el 10 % permitido.

98
________________________________________________________________________________________
5.2 Exactitud
La exactitud de los datos que sustentan el proyecto “Veta La Fina” se evalúa a través de
“Estándares” cuando se trata del laboratorio interno y a través de “Duplicados de Chequeo
Externo” cuando se trata de un laboratorio secundario.
El programa “QA/QC” entrega los siguientes resultados:
En Laboratorio Interno En Laboratorio Externo
Dup. Chequeo
Estándares
Externo
-12,13 % de Sesgo Error no mensurable
Figura 43 Resultados globales de exactitud.
La exactitud se define como el grado de concordancia entre el resultado notificado por el

laboratorio y el valor de referencia aceptado. Es un concepto teórico que analiza el nivel de
confianza de un lote de muestras a partir de los errores presentados y el sesgo mensurable.
El grado de exactitud de laboratorio para el proyecto “Veta La Fina” es inaceptable según

este resultado de 12 % de sesgo (sesgo > 10 % es inaceptable). Se asume que las leyes
analizadas no son verídicas o no responden al concepto de “valor verdadero”.

99
________________________________________________________________________________________
5.3 Contaminación
La evaluación de la contaminación en la preparación se mide a través de Blancos Gruesos y

durante el análisis por medio de Blancos Finos.
Los resultados arrojados por el programa “QAQC” son los siguientes:
En Preparación En Análisis Químico
Blancos Gruesos Blancos Finos
4,3 % de error 5,9 % de error
Figura 44 Resultados globales de contaminación.
La contaminación global en los datos de leyes que soportan el proyecto de “Veta La Fina” es
de 5,9 % y responde de muy buena forma a la tolerancia permitida del 10 % de datos
contaminados respecto del total.

100
________________________________________________________________________________________
5.4 Discusión sobre los resultados del programa “QA/QC”
El programa de aseguramiento y control de calidad del proyecto “Veta La Fina” presenta una
inserción de muestras de control insuficientes, cercano al 8 %. Mientras que el porcentaje de
inserción esperado corresponde al 20 % del total de las muestras analizadas.
Tabla 24 Resultados de tasa de inserción de muestras de control.
Tipo Tasa de Tasa

No. Comentario
Muestra Inserción recomendada
STD - A 9 0,5% 3% Bajo la tasa recomendada
STD - B 8 0,4% 3% Bajo la tasa recomendada
BLF 17 0,9% 2% Bajo la tasa recomendada
BLG 98 5,3% 2% Sobre la tasa recomendada
DUP - G 1 0,1% 2% Bajo la tasa recomendada
DUP - RG 0 0,0% 2% Bajo la tasa recomendada
DUP - P 21 1,1% 2% Bajo la tasa recomendada
DUP - CH 0 0,0% 4% Bajo la tasa recomendada
Se debe insertar más muestras de

Total 154 8,3% 20% control para cumplir con la tasa
recomendada
Se posee tan solo una muestra del tipo Duplicado Gemelo, la que figura dentro de los rangos
aceptables, pero no se puede estimar una precisión del proceso con solo una muestra. Por
otra parte no existen muestras de control de Duplicado Rechazo Grueso ni de Duplicado de
Chequeo Externo, por lo cual no se puede evaluar la precisión en la preparación física ni la
exactitud del laboratorio primario.

101
________________________________________________________________________________________
5.4.1 Error Relativo en Duplicados de Pulpas
Se evidencia un gran error en la precisión de leyes analizadas correspondientes a las muestras

de control de duplicados de pulpas. Este error supera el 30 % y entrega como resultado una
gran incertidumbre con respecto a la veracidad de los datos con los cuales se está evaluando
el proyecto. Debido a esta razón se procede a aplicar pruebas estadísticas que permitan
evaluar si los datos responden a una distribución esperada. Si tanto las muestras de duplicados
de pulpa como originales provienen de una misma población de datos, si las medias de cada
grupo de datos no son significativamente diferentes, etc. Todo esto con el fin de tomar la
decisión de si es factible seguir adelante con el proyecto a pesar de tener un error como el
mencionado.
A continuación se realiza la prueba de Kolmogorov-Smirnov para comprobar si los errores

relativos responden a una distribución normal.
Estadísticos descriptivos:
Tabla 25 Estadísticos descriptivos para error relativo en duplicados de pulpa
Obs. sin datos Desv.

Variable Observaciones Mínimo Máximo Media
perdidos típica
Error
21 21 0% 84% 14% 19 %
Relativo

102
________________________________________________________________________________________
a) Prueba de Kolmogorov-Smirnov para error relativo
Hipótesis del estudio:
 Ho: El grupo de muestras sigue una distribución Normal

 Ha: El grupo de muestras no sigue una distribución Normal
Tabla 26 Prueba de Kolmogorov-Smirnov para error relativo en duplicados de pulpa
Indicador Valor
D 0,269
valor-p 0,078
alfa 0,05
Interpretación de la prueba:
Puesto que el valor-p calculado es mayor que el nivel de significación alfa=0,05, no se puede
rechazar la hipótesis nula Ho lo que implica que el grupo de muestras sigue una distribución
normal.
El riesgo de rechazar la hipótesis nula Ho cuando es verdadera es de 7,81%.

6
Histogramas
Error Relativo
Densidad
4
Normal(0,140;0,188)
0
0% 10% 20% 30% 40% 50% 60% 70% 80% 90%
Error Relativo
Figura 45 Histograma. Distribución de errores relativos de duplicados de pulpa

103
________________________________________________________________________________________
Sin embargo, la prueba de Normalidad de Kolmogorov-Smirnov está diseñada para muestras

superiores a 30 datos, mientras que para esta prueba solo se tienen 21. Por lo tanto se aplicará
la prueba de Shapiro-Wilk que trabaja con pocos datos.
b) Prueba de Shapiro-Wilk (Error Relativo):
 Ho: La variable de la cual se extrajo la muestra sigue una distribución Normal.

 Ha: La variable de la cual se extrajo la muestra no sigue una distribución Normal.
Tabla 27 Prueba de Shapiro-Wilk para errores relativos de duplicados de pulpa
Indicador Valor
W 0,647
valor-p (bilateral) < 0,0001
alfa 0,05
Puesto que el valor-p computado es menor que el nivel de significación alfa=0,05, se debe
rechazar la hipótesis nula Ho, y aceptar la hipótesis alternativa Ha.
Según esta prueba se concluye que los datos no siguen una distribución normal y difiere de
lo propuesto por Kolmogorov-Smirnov. Además se comprueba con gráfico Q-Q plot que los
datos no siguen la distribución normal esperada

104
________________________________________________________________________________________
Q-Q plot (Error Relativo)
0,7
Cuantil - Normal (0,14; 0,19)

0,5
0,3
0,1
-0,3 0,2 0,7

-0,1
-0,3
Error Relativo
Figura 46 Gráfico Q-Q plot para normalidad de datos de error relativo
No obstante, se espera que estos datos respondan a una distribución normal o que al menos
se pueda demostrar que provienen de una misma población de datos. Para esto será necesario
aplicar la prueba de U de Mann –Whitney para datos no paramétricos (que no siguen una
distribución normal), donde se compara las muestras “Original” vs “Duplicado”.
c) Prueba de Mann-Whitney / Prueba bilateral:
Esta prueba sirve para comprobar si los datos utilizados en la evaluación del proyecto
corresponden a una misma población de muestreo, es decir que estadísticamente provienen
de una muestra homogénea y trabaja con datos que no responden a una distribución normal.
Hipótesis de estudio:
 Ho: Los datos provienen de una misma población o distribución muestral homogénea.
 Ha: Los datos provienen de distinta población o distribución muestral heterogénea.

105
________________________________________________________________________________________
Tabla 28 Prueba de U de Mann-Whitney para comparar poblaciones de datos. Original vs Duplicados.
Indicador Valor
U 217
U (estandarizado) -0,075
Valor esperado 220,500
Varianza (U) 1579,994
valor-p (bilateral) 0,940
alfa 0,05
rechazar la hipótesis nula Ho.
Por lo tanto, según la prueba de U de Mann-Whitney se puede decir que los datos “Original”
vs “Duplicado” provienen de una misma población muestral homogénea.
d) Test de Grubbs para valores atípicos
Se ha determinado que los datos de error relativo son resultado de dos muestras (Original-
Duplicado) que provienen de una misma población y que además no responden a una
distribución normal. Esto se debe a valores atípicos o valores que no son esperados dentro
del proceso de análisis en cuestión.
Mediante el Test de Grubbs se ubican los valores atípicos y se extraen de la población de

datos a fin de confirmar si efectivamente provienen de una distribución normal.

106
________________________________________________________________________________________
Tabla 29 Diferencias atípicas para valores de Oro
Duplicado Au
Original Au (g/t) Diferencia Error Relativo Muestra
(g/t)
0,24 0,59 0,35 84% 21
39,62 24,33 15,29 48% 20
4 Z-scores
3
1
Z-score
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
-1
-2
-3
-4
Observaciones
Figura 47 Prueba de Grubbs para error relativo de 84 % en duplicado de pulpa
Z-scores
4
3
2
Z-score
1
0
-1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
-2
-3
-4
Observaciones
Figura 48 Prueba de Grubbs para error relativo de 48 % en duplicado de pulpa

107
________________________________________________________________________________________
e) Shapiro-Wilk sin datos atípicos
Ahora se procede a determinar la normalidad de los datos excluyendo las dos muestras
extraídas recientemente y se calculan los nuevos estadísticos descriptivos.
Estadísticos descriptivos
Tabla 30 Estadísticos descriptivos para error relativo en duplicados de pulpa sin datos atípicos
Obs. con Obs. sin

Desv.
Variable Obs. datos datos Mínimo Máximo Media
típica
perdidos perdidos
Error
19 0 19 0% 24,5 % 8,5 % 6,8 %
Relativo
Prueba de Shapiro-Wilk (Error Relativo):

Tabla 31 Prueba de Shapiro-Wilk sin valores atípicos
Indicador Valor
W 0,941
valor-p
0,275
(bilateral)
alfa 0,05

108
________________________________________________________________________________________
Q-Q plot (Error Relativo)

0,25
0,2
0,15
0,1
0,05
0
-0,05 0,05 0,15 0,25
-0,05
Error Relativo
Figura 49 Gráfico Q-Q plot para normalidad de datos de error relativo
Según este resultado de prueba de hipótesis se puede decir que los datos responden o tienden
a una distribución normal.
Con estos dos datos excluidos del lote de muestras de control de “Duplicado de Pulpas” se
procede a calcular nuevamente el error relativo a fin de evaluar la precisión del análisis
químico de las muestras.
El error global baja de un 33,3 % a un 26,3 % para el elemento Au y de 23,8 % un 21,1 %

para el caso del elemento Ag.

109
________________________________________________________________________________________
Tabla 32 Resultados de precisión de duplicados de pulpa Au – Ag
% falla permitida (%) falla

Fallas
Elemento Pares Fallas en pares de permitida Estado
(%)
muestras por lote
Error sobre lo
Au 19 5 26,3% 10% 10%
permitido
Error sobre lo
Ag 19 4 21,1% 10% 10%
permitido
Estos errores siguen siendo sumamente amplios para afirmar una precisión aceptable en el
proyecto “Veta La Fina”, es decir, si se acepta un error máximo del 10 % sobre el total de los
pares de leyes, tener un 26 % y un 21 % de error genera bastante incertidumbre con respecto
a las demás leyes analizadas con las cuales se está realizando la estimación de recursos.
5.4.2 Prueba de T Student para muestras independientes Original – Duplicado
Conociendo los resultados anteriores, donde se arrojan resultados con los cuales el proyecto
corre un alto riesgo, se realiza una última prueba estadística para evidenciar si el promedio
de leyes originales de pulpa es mayor que el promedio de las leyes de duplicados de pulpa.
Hipótesis del investigador:
 Ho: Existe una diferencia significativa entre la media de las leyes originales de pulpa
versus la media de las leyes de duplicados de pulpa.
 Ha: No existe diferencia significativa entre las medias de leyes originales de pulpa
versus duplicados de pulpa.

110
________________________________________________________________________________________
Requisitos para realizar el test T Student
Comprobar Normalidad de los datos con test de Shapiro Wilk y Kolmogorov – Smirnov e
igualdad de varianzas de los dos grupos de muestras.
Resultados Normalidad e Igualdad de Varianza
a) Kolmogorov- Smirnov (Distribuciones de las muestras)
Tabla 33 Estadísticos descriptivos para distribuciones de muestras Original - Duplicado
Obs. con datos Obs. sin datos Desv.

Variable Obs. Mínimo Máximo Media
perdidos perdidos típica
Original 21 0 21 0,200 153,230 16,604 35,221
Duplicado 21 0 21 0,200 145,790 15,010 32,665
Prueba de Kolmogorov-Smirnov sobre dos muestras / Prueba bilateral
 H0: La distribución de las dos muestras es la misma.
 Ha: Las distribuciones de las dos muestras son diferentes.
Tabla 34 Prueba de Kolmogorov-Smirnov para dos muestras
Indicador Valor
D 0,095
alfa 0,05

111
________________________________________________________________________________________
rechazar la hipótesis nula Ho y se concluye que la distribución de las dos muestras es la
misma. Por lo demás, es posible ver los empates de los datos y sus desviaciones en el
siguiente gráfico
Distribuciones acumuladas (Original - Duplicado)

1
0,9
Frecuencia relativa acumulativa
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 20 40 60 80 100 120 140 160 180
Original - Duplicado
Original Duplicado
Figura 50 Empates en las distribuciones de muestras de dos grupos. Original – Duplicado

112
________________________________________________________________________________________
b) Pruebas de Shapiro – Wilk (Original – Duplicado)
Prueba de Shapiro-Wilk (Original):

Tabla 35 Prueba de Shapiro-Wilk para datos de grupo “Original”
Indicador Valor
W 0,526
alfa 0,05
Prueba de Shapiro-Wilk (Duplicados):
 H0: La variable de la cual se extrajo la muestra sigue una distribución Normal.


113
________________________________________________________________________________________
Tabla 36 Prueba de Shapiro-Wilk para grupo de datos “Duplicado”
Indicador Valor
W 0,501
alfa 0,05
Se puede visualizar en las gráficas la no normalidad de los dos grupos de datos para Original
y Duplicado.
Q-Q plot (Original) Q-Q plot (Duplicado)
190
140
140
90
90
40
40
-10 -10
-60 40 140
-60 40 140
-60 -60
Original Duplicado
Figura 51 Gráficos Q-Q plot para normalidad de datos. Original – Duplicado
Fuente: Elaboración propia. XLSTAT 2017.

114
________________________________________________________________________________________
c) Prueba de Levene (Media) / Prueba bilateral (Igualdad de Varianzas)
 Ho: Las varianzas son idénticas.
 Ha: Al menos una de las varianzas es diferente de la otra.
Tabla 37 Prueba de Levene para igualdad de varianzas
Indicador Valor
F (Valor observado) 0,107
F (Valor crítico) 4,085
GL1 1
GL2 40
alfa 0,05
d) Resultados de pruebas de Normalidad e igualdad de varianzas:
Según Shapiro-Wilk
P-valor < Alfa, se acepta Ha  los datos no representan una distribución normal.
Pero, tan solo se tienen 21 datos, por lo cual no se puede asegurar que los datos no responden
a una distribución normal.

115
________________________________________________________________________________________
Esto se puede deber a 4 causales:
1.- Pocos datos (< 30)
2.- Alta presencia de oro grueso, lo que afecta la precisión de muestreo debido a la naturaleza
del yacimiento
3.- Análisis químico, métodos de análisis, error, azar.
4.- Laboratorio físico, la ausencia de control de duplicados gruesos repercute de tal forma
que no se conoce la precisión del sub-muestreo y preparación de las muestras (análisis
granulométrico)
Aunque según el análisis de Kolmogorov – Smirnov se ha detectado un “empate” en los datos

y que la distribución de las dos muestras es la misma.
Igualdad de Varianza
P-valor >= Se acepta Ho  Las varianzas son idénticas
Se llega a la conclusión de que los datos no siguen una distribución normal pero que si tienen
igualdad en sus varianzas. Por lo tanto no se puede aplicar el test de T Student para comparar
las medias aritméticas de estos dos grupos de datos (Original-Duplicado) sin antes realizar
una transformación de estos, para demostrar que tienden a la distribución esperada.

116
________________________________________________________________________________________
e) Transformación de datos Originales y Duplicados para realizar ajuste normal

de datos a fin de aplicar test de T Student.
Los datos de leyes originales y duplicados no se ajustan a una distribución normal, por lo
cual se procede a realizar una transformación lognormal para hacer posible la aplicación del
test de T Student y evidenciar si las medias de estos dos grupos son idénticas o su diferencia
no es significativa.
Bajo una transformación Lognormal y utilizando los residuales como una manera de
justificar el supuesto de normalidad se procede a aplicar el test de T Student.
Tabla 38 Resultados de pruebas de normalidad para datos transformados (Original y Duplicados)
Residuo Kolmogorov-Smirnov Shapiro-Wilk

estandarizado Grupo Estadístico gl Sig. Estadístico gl Sig.
1 0,141 21 0,200 0,931 21 0,146
LnORI_DUP
2 0,160 21 0,172 0,930 21 0,138
Figura 52 Gráficos Q-Q plot para residuos estandarizados Original – Duplicados. Normalidad
Fuente: Elaboración propia. IBM SPSS Statictis 23

117
________________________________________________________________________________________
f) Prueba T Student para dos muestras independientes / Prueba bilateral

(Residuos Estandarizados)
Estadísticos descriptivos
Tabla 39 Estadísticos descriptivos para transformaciones de datos Original – Duplicado (Residuos estandarizados)
Obs. con Obs. sin

Desv.
típica
perdidos perdidos
Residuos Ln
21 0 21 -1,360 2,070 0,000 1,027
Original
Residuos Ln
21 0 21 -1,370 2,030 0,000 0,974
Duplicados
 Ho: La diferencia entre las medias es igual a 0.

 Ha: La diferencia entre las medias es diferente de 0.
Tabla 40 Prueba T Student para dos grupos de muestras. Residuos estandarizados Original - Duplicado
Indicador Valor
Diferencia 1,39x10-17
t (Valor observado) 0,000
|t| (Valor crítico) 2,021
GL 40
alfa 0,05

118
________________________________________________________________________________________
rechazar la hipótesis nula Ho. La diferencia entre las medias es igual a 0.
Prueba t para dos muestras independientes / Prueba

bilateral
0,45
0,4 t(obs)=0
0,35
0,3
Densidad
0,25
0,2
0,15
-t(crit)=- t(crit)=2,02
2,021 0,1 1
a/2=0,025 0,05
a/2=0,025
0
-6 -4 -2 0 2 4 6
t
Figura 53 Prueba T Student bilateral para dos muestra independientes. Residuos estandarizados Original – Duplicado

119
________________________________________________________________________________________
g) Finalmente Aplicar de forma análoga T de Student para medias de Original vs

Duplicado
Tabla 41 Estadísticos descriptivos para comparar medias de grupos Original vs Duplicado.
Obs. con Obs. sin

Desv.
típica
perdidos perdidos
Original 21 0 21 0,200 153,230 16,604 35,221
Duplicado 21 0 21 0,200 145,790 15,010 32,665
Fuente: Elaboración propia.
 Ho: No existe diferencia significativa entre las medias de leyes originales de pulpa
versus duplicados de pulpa.
 Ha: Existe una diferencia significativa entre la media de las leyes originales de pulpa
versus la media de las leyes de duplicados de pulpa.
Tabla 42 Prueba de T Student para dos muestras independientes Original - Duplicado
Indicador Valor
Diferencia 1,595
t (Valor observado) 0,152
|t| (Valor crítico) 2,021
GL 40
alfa 0,05

120
________________________________________________________________________________________
Puesto que el P-valor calculado es mayor que el nivel de significancia (alfa) de 5 %, no se

puede rechazar la hipótesis nula Ho.
El riesgo de rechazar la hipótesis nula Ho cuando es verdadera es el 87,98 %
Por lo tanto no existe diferencia significativa entre la media de las leyes originales y
duplicados de pulpa.
La media originales es de 16,6 g/t de Au.
La media de duplicados es de 15,01 (g/t) de Au.
5.5 Error en la estimación de recursos de “Veta La Fina”
Se han revisado los planos de todas las secciones en las que se ubica espacialmente “Veta La
Fina” y se han extraído todas las muestras correspondientes a las intersecciones de los
sondajes con dicha veta.
Luego, se ubicó cada muestra con su respectivo lote de envió de muestras para análisis
químico, comparándolas con la base de datos y se revisó mediante el programa de “QA/QC”
a fin de determinar cual fuera el error en la precisión, exactitud y contaminación más alto
posible.

121
________________________________________________________________________________________
Según la revisión del envío de lotes de

muestras para análisis químico se
extrae de la tabla de anexos 1 los
errores y la contaminación más alta
presentes en las muestras de control
insertadas, de las cuales se obtiene
como resultado un 16 % de error en la
precisión en duplicados de pulpa, un 22
% de error en la exactitud y 0 % de
contaminación.
Figura 54 Interceptos de sondajes con Veta La Fina. Sección X.
Fuente: Elaboración de colaborador.
Fragmento de tabla (Anexo 1) que contiene las muestras que sustentan el control de calidad
de la estimación de recursos de “Veta la Fina”.
Tabla 43 Muestras usadas para estimación de recursos con respaldo de “QAQC” en Veta La Fina (Fragmento)
Muestras con respaldo “QA/QC” usadas para estimación de recursos preliminar de

“Veta La Fina”
Ley
N. Tipo de muestras de
Au Precisión Exactitud Contaminación
Muestra control
(g/t)
13532 0,28 Coincide muestra Error más
13533 Dup. Pulpa Au 37,48 alto * 0,00%
13533 43,94 (g/t)

122
________________________________________________________________________________________
13539 Dup. Pulpa Au 3,02

13537 0,68
(g/t)
13540 Dup. Pulpa Au 0,72 16 % > 10 %
13539 2,85
(g/t) permitido
Lote incluye 2 Blancos
13540 0,77
Gruesos
16269 1,46
16270 0,005 1 STD-A 4,4 Error más
16271 1,12 3 Blancos Finos * alto 22 0,00%
16273 0,64 1 Blanco Grueso %
16274 0,38
* Error o contaminación es inmensurable por falta
** No se insertaron muestra de control en este lote
de información
5.6 Evaluación de la precisión según Marat Abzalov
La mayoría de las evaluaciones se han realizado en base a los protocolos implementados por
la propia compañía. Estos resultados están ligados a la poca información que se maneja sobre
el control de calidad, siendo la mayoría, del autor referente del “QA/QC” Sr Armando Simón.
Existen otros referentes, que siendo muy escasos, solo divulgan la información o replican lo
expuesto por A. Simón. Aunque, después de meses de estudio se ha encontrado una
información valiosa propuesta por el geólogo ruso Marat Abzalov, quien postula que es
posible aceptar hasta un 20 % de error entre pares de “Duplicados de Pulpa” cuando se
evidencia que el proyecto posee oro de granulometría media a gruesa.

123
________________________________________________________________________________________
Figura 55 Mejores y aceptables niveles de error en la precisión propuestos como referencia para evaluar proyectos
mineros.
Fuente: Applied Mining Geology (Abzalov, 2016)
Los resultados para la precisión de “Duplicados de Pulpa” para “Veta La Fina” según lo
propuesto por Marat Abzalov se muestran en la siguiente tabla

124
________________________________________________________________________________________
Tabla 44 Resultados de precisión en Duplicados de Pulpa para Veta La Fina según propuesta de Marat Abzalov.
% falla permitida (%) fallas

Fallas
Elemento Pares Fallas en pares de permitidas Estado
(%)
muestras por lote
Error sobre lo
Au 21 3 14,3% 20% 10%
permitido
Error sobre lo
Ag 21 4 19,0% 20% 10%
permitido
Aunque se ha permitido un error relativo del 20 % para cada par de muestras, aun así los
fallos superan el 10 % de fallas por lote con un 14,3 % y un 19 % para el oro y la plata
respectivamente.

125
________________________________________________________________________________________
6 CAPÍTULO VI: CONCLUSIONES
Con respecto al “Aseguramiento y Control de Calidad” en general:
 En la práctica se introducen muestras de control de distintos tipos para cada etapa

según los procesos de muestreo, pero casi siempre el análisis de los resultados se hace
en forma diferida cuando ya no se puede corregir el proceso sino solo actuar sobre
los datos.
 Cuando se revisan los diagramas de resultados del “QAQC” al final de una campaña
de exploración y se evidencian periodos con problemas de precisión, exactitud y/o
contaminación ya no se puede actuar.
 El trabajo del “QAQC” es silencioso, cuando todo se hace bien no se nota. En cambio
cuando hay problemas toma mucha relevancia, ordenando la repetición de un grupo
de muestras o de un lote completo dependiendo de la robustez del programa
implementado.
 El “QAQC” genera costos no menores que pueden llegar a elevar el presupuesto en

un 20 %. Sin embargo, estos gastos que para algunos profesionales son innecesarios,
pueden prevenir la pérdida de millones de dólares.
 Es necesario tener en cuenta que los programas de muestreo han sido diseñados para
una mena principal, como por ejemplo cobre, oro, plata o fierro. Por lo tanto no se
puede asegurar la representatividad de una mena secundaria o elementos
contaminantes.

126
________________________________________________________________________________________
 Si el programa de “QAQC” implementado en la compañía es reactivo y no proactivo,

es decir, que se concentra más en los efectos y no sobre las causas de los problemas
se generarán pérdidas de tiempo, pérdidas económicas y no se resolverá nada.
 La baja precisión o exactitud revelados por un programa de “QAQC” genera pérdidas

ocultas que no aparecen en los cálculos de VAN o en la potencialidad económica del
proyecto y por lo tanto, la alta dirección no puede tomar conciencia de ellos.
 Es necesario implementar desde el primer día del proyecto un programa efectivo de

“QAQC”, e insistir que los diversos elementos evaluados durante el Control de
Calidad son independientes entre sí. Cada tipo de muestras de control tiene un
propósito especial, y la exclusión de un tipo particular de muestras de control no
puede ser suplida por la inclusión de otro tipo de muestras.
Con respecto al proyecto “Veta La Fina”:
 Las muestras de control ingresadas en el proyecto “Veta La Fina” no siguen un

programa sistemático de inserción. Sin embargo, se posee un protocolo de ingreso de
muestras con el cual debería cumplirse la tasa de inserción recomendada del 20 % del
total de muestras analizadas, pero se deja en evidencia que no se toman muy en serio
los efectos negativos que esto conlleva a la hora de evaluar dicho proyecto.
 Cada tipo de muestras de control tiene un propósito especial, y la exclusión de un tipo

particular de muestras de control no puede ser suplida por la inclusión de otro tipo de
muestras. Según esta afirmación, la evaluación del proyecto “Veta La Fina” posee un
déficit de muestras de control, en donde no se han insertado ninguna del tipo
“Duplicado de Rechazo Grueso” ( 0%), lo que trae como consecuencia incertidumbre

127
________________________________________________________________________________________
con respecto a la precisión de la preparación, el cuarteo y la representatividad de las

muestras. Tampoco se han insertado muestra del tipo “Duplicado de Chequeo Externo
(0%), lo que significa tener nula certeza o confianza en relación a la exactitud del
laboratorio interno. Por otra parte solo se ingresó un “Duplicado Gemelo”,
equivalente a 0,1 % de una recomendación del 2 %, el cual arroja resultados dentro
de rangos normales inferior al 30 % con un 18 % para el Oro y 4 % para la Plata.
 La precisión global del proyecto queda acotada tan solo a las muestras del tipo
“Duplicado de Pulpa”, las que conforman el 1.1 % de un total recomendado del 2 %.
El grupo está conformado por 21 pares de muestras dentro de las cuales se visualizan
7 muestras fallidas para el Oro con un error total de 33,3 % y 5 muestras fallidas para
la Plata con un error total de 23,8 %. Valores que son demasiado altos y están por
encima del valor aceptable del 10 % según la teoría de Armando Simón. No obstante
se ha retirado de los grupos de datos dos muestras para el Oro con valores atípicos
para reflejar cual sería la precisión sin estos dos pares de datos y los resultados serían
los siguientes: 26,3 % de error para el Oro y 21,1 % de error para la Plata. Finalmente
se realiza una nueva evaluación de la precisión en base a la teoría de Marat Abzalov
el cual propone un 20% de error aceptable para pares de muestras y los resultados son
los siguientes: 14,3 % de error para el Oro y 19 % de error para la Plata.
 La exactitud global del proyecto se limita a los resultados de estándares altos y bajos,
los cuales no presentan ningún dato fuera de rango o desviación, pero que sí,
presentan un sesgo no menor de 4,65 % para STD-Alto, al borde de que el proyecto
sea arriesgado (>5 % arriesgado) y de 12,13% para STD-Bajo lo que lo hace
inaceptable (>10 %: inaceptable). Aunque se evidencia que las leyes bajas son mal
registradas ya que para el Oro faltaría ingresar datos con más decimales y la fuente
de la información los coarta, mientras que para la plata, si bien el material de
referencia posee una ley de 34 (g/t), por planilla y según gráfico se pensaría que se

128
________________________________________________________________________________________
está cometiendo un error sistemático ya que por la tendencia de los datos, pareciera
que se están analizando leyes de 31 (g/t).
 La contaminación en laboratorio, sobre las leyes que sustentan el proyecto es de 5,9

% del total de los datos y está dentro de los rangos normales menor a 10 %. Aunque
se gastaron recursos innecesarios al analizar demasiadas muestras del tipo “Blanco
Grueso”, las cuales fueron 98 en total, las que comprenden un 5,3% de inserción de
un total recomendado del 2%.
 Con respecto a las pruebas estadísticas realizadas, se esperaba que los datos de errores
relativos tuvieran una distribución normal o gaussiana, pero se comprobó que los
datos no se agrupaban en torno a un error, y que los errores relativos iban del orden
del 0 % al 84 %. Por la poca cantidad de datos no se pudieron extraer mayores
conclusiones y se aplicaron pruebas estadísticas para datos no paramétricos y
simulaciones análogas de “T de Student con transformaciones log-normales”
concluyendo que: Las distribuciones de datos “Original” y “Duplicados” eran las
mismas y fueron extraídas de una misma población de datos. Además se demostró
que las medias de los grupos “Original” y “Duplicados” eran similares y su diferencia
no era significativa con 95 % de confianza. Las medias de estos datos fueron de 16,6
(g/t) de Oro para “Original” y de 15,01 (g/t) de Oro para “Duplicados”.
Análogamente se extrae de planillas de Excel que las medias para la Plata son de 336
(g/t) para “Original” y 307 (g/t) para “Duplicado”.
 Para Finalizar, se torna difícil concluir sobre la viabilidad del proyecto “Veta La Fina”
cuando se tienen tan pocos datos y errores como los demostrados, pero se pueden
visualizar 3 posibles fuentes de este error:

129
________________________________________________________________________________________
1.- Alta presencia de oro grueso, lo que afecta el error de muestreo debido a la
naturaleza del yacimiento.
2.- Análisis químico, métodos de análisis, error, azar (falta de chequeo externo).
3.- Laboratorio físico, la ausencia de control de duplicados gruesos repercute de tal
forma que no se conoce la precisión del sub-muestreo y preparación de las muestras
(análisis granulométrico).
RECOMENDACIONES
 Se recomienda modificar protocolo de Aseguramiento y Control de Calidad, ya que

el actual está diseñado para muestras de Cobre y Plata. No obstante para el Oro,
debido a su mineralización de naturaleza errática no puede ser evaluado con los
parámetros actuales de análisis. Además, se evidenció un error en la fórmula para
calcular el Sesgo en los materiales de referencia STD, el cual se diferencia del
propuesto por Armando Simón y es de suma importancia revisar la exactitud histórica
de cada proyecto en evaluación e incluso corroborar el sesgo analítico del área de
producción.
 El proyecto “Veta La Fina” aún no se ha descubierto en su totalidad, por lo cual se

aconseja insertar las muestras de control de tal forma que se respete el protocolo
sistematizado de “QA/QC” que permita solucionar las dudas que se tienen con
respecto a la naturaleza del yacimiento, el muestreo y el análisis químico de las
muestras.
 Se dejó implementado un programa de “QA/QC” con planillas de seguimiento y

alerta para proyectos de exploración, el cual debe de usarse desde el primer momento
en que se perfora un prospecto. Es imprescindible hacer uso de este programa para

130
________________________________________________________________________________________
obtener resultados inmediatos, los permites actuar de manera urgente frente a las
distintas complicaciones que se puedan presentar y se debe hacer de manera contante
y con predicción de estos eventos, de forma proactiva como filosofía de vida y no de
manera reactiva cuando ya no se puede solucionar.
 La compañía posee personal capacitado para llevar el control de calidad de manera

sistemática, pero por intereses económicos no es posible completar al 100 % de
inserción de muestras, más aún cuando se trata de proyectos pequeños, pero se
evidenció que la tasa de inserción de muestras de Blanco Grueso era excesiva con
respecto a la tasa recomendada, por lo tanto se recomienda gestionar los recursos de
mejor forma para disminuir dicha tasa de inserción y ocuparla en muestras de
estándares (STD).
 Finalmente la compañía tiene varios proyectos Stand-by los cuales desea retomar. Se
han realizado perforaciones exploratorias las cuales no han sido muchas, pero se
recomienda reanalizar algunas muestras desde ya para comprobar la precisión de sus
leyes y reanalizar la prioridad de estos proyectos. Resulta que si en la primera fase de
exploración, no se reanalizan las muestras se puede sobrevalorar un prospecto y
repercutir negativamente en la planificación estratégica de la gerencia de
exploraciones.

131
________________________________________________________________________________________
BIBLIOGRAFÍA
Abzalov, M. (2016). Applied Mining Geology. Australia: Vol 12 Springer.
Antoni Camprubí*, E. G.-P. (2003). Depósitos epitermales de alta y baja sulfuración: una
tabla comparativa. Boletin de la Sociedad Geologica Mexicana.
Base de datos, G. d. (s.f.).
Bloom, L. (1999). The role of the economic geologist in evaluating assay data quality.
manuscript.
Calderón, J. R. (s.f.). La garantia de la calidad de los productos y servicios ed unidades de

información en el contexto de la sociedad de información.
Carlos Emparan y Germán Pineda. (1997). El sistema de calderas Condoriaco (Cretácico

Superior - Eoceno Inferior), IV región de Coquimbo, Chile. Universidad Católica del
Norte.
Codelco, P. Z. (2016). Procesos QA/QC para poblar una base Geominerometalúrgica.

Seminario Recursos, Reservas y Planes mineros.
Comisión Minera de Chile. (2015). Comisión Calificadora de Competencias de Recursos y

Reservas mineras. Chile: CM.
Committee of The Australasian Institute of Mining and Metallurgy, Australian Institute of

Geosciencists and Minerals Council of Australia (JORC). (2004). The Jorc Code.
Australia.
Comunicación Verbal e Informes Preliminares - SMC. (s.f.). Copia no controlada. SMC.

132
________________________________________________________________________________________
Cortijo, A. L. (9 de Marzo de 2017). Consulting. Obtenido de Black to Green:

https://www.blacktogreen.com/2017/03/monitoreo-ambiental-exactitud-precision/
Crosby, P. B. (1987). La calidad no cuesta. El arte de cerciorarse de la calidad. México:

Editorial Continental S.A. de C.V.
Deming, W. E. (1989). Salir de La Crisis. Calidad, Productividad y Competencia. España:

Edición Española Díaz de santos, S. A. pag 9.
Falco-Franceschelli-Maro. (2001). Método de Arquñimedes para determinar densidades.

Universidad de san Andrés.
Grubbs, F. E. (1974). Procedures for detecting outlying observations in samples. Maryland:

Ballistinc research laboratories aberdeen proving gorund.
Gy, P. (1998). Sampling for Analytical Purposes. Wiley.
Ishikawa, K. (1986). ¿Qué es el control total de la calidad? La modalidad japonesa.

Colombia: Editorial Norma S.A. pp. 22-130. 3.
ISO 3534-1. (1995). Estadística. Vocabulario y Símbolos. Parte 1: Términos Relativos a

Probabilidades y Estadística General. Venezuela: COVENIN.
keylor Castillo Moreno et Al. (2017). National instrument (NI 43-101). Universidad Nacional
de Cajamarca.
Kinross. (Abril de 2013). Aplicación de QAQC en el proceso geológico conducente a la

estimación de recursos. Samuel Collipal , Jhony Bonilla.

133
________________________________________________________________________________________
Long, S. (2000). Assay Quality Assurance-Quality Control Program for Drilling Projects at
the Prefeasibility to Feasibility Report Level. Mineral Resource Development Inc.,
Internal Report.
Minnitt-Rice-Spangenberg. (2007). Understanding the components of the fudamental

sampling error: a key to good sampling practice. The Journal of Te Southern African
Institute of Mining and Metallurgy.
Ortiz, J. (U. de Chile). Apuntes de muestreo para la evaluación de yacimientos. Santiago:

Universidad de Chile.
Prieto, E. (2012). E-Medida. Obtenido de Revista Española de Metrología: http://www.e-

medida.es/documentos/Numero-1/exactitud-no-es-lo-mismo-que-precision.htm
Reid, T. (XVIII). Ensayos enn los poderes intelectuales del hombre.
Ríos, J. V. (Setiembre 2015). Innovación al control de procesos de muestreo (QA/QC) que

validan la estimación de recursos... Cajamarca - Perú: Perumin.
Rogers, R. (1998). Forensic Geology and Mineral Exploration Projects. Exploration and
mining Geology. Vol. 7, No. 1-2 25-27, ISSN 0964-1823.
Scott, L. (2007). Method of Reduction to Mayor Axis (RMA). Discussion and References.
Principal Geochemist, AMEC.
SEDAR. (Date of the queries: 27 de October de 2006). SEDAR. Obtenido de 3 SEDAR:

System for Electronic Document Analysis and Retrieval, Canadian Securities
Administration.: www.sedar.com
Sernageomin. (2003). Mapa Geológigo de Chile. Geología Digital Nº4.

134
________________________________________________________________________________________
Simón, A. (30 de Septiembre de 2004). Evaluation of Twin and Duplicate Samples: The
Hyperbolic Method: Discussion. Lima, Perú.
Simón, A. (2006). Aseguramiento y Control de la Calidad en la Exploración Geológica.

Santiago, Chile: AMEC.
Simón, A. (2007). Control Sample Insertion Rate. IAGS.
Simón, A. (2011). A Discussión on Current Quality-Control Practices in Mineral

Exploration. Chile: AMEC, INTECH.
Simón, A. (2013). Taller de Aseguramiento y Control de la Calidad en la Exploración

Geológica. Santiago, Chile.
Sironvalle, M. A. (2007). Estimación de Recursos Mineros. Santiago: USACH/U. de Chile.
SMC. ( Protocolo). Protocolo QAQC SMC.
SMC. (s.f.). Proyecto Veta La Fina. Gerencia de Exploraciones - SMC.
Taylor-Kuyatt. (1994). Guidelines for Evaluating and Expressing the Uncertainty of NIST
Measurement Results. Washington: NIST Technical Note 1297.
TSE-OSC. (1999). Mining Standards Task Force, Toronto Stock Exchange and Ontario
Securities Commission. TSE-OSC.
UNE ISO 8402. (1995). ISO 8402 Gestion de Calidad y Aseguramiento de calidad, AENOR,
Asociación Española de Normalización y Certificación. España: Comité técnico
AEN/CTN 66.

135
________________________________________________________________________________________
Universidad de Barcelona. (2005). Manual de SPSS. Obtenido de

http://www.ub.edu/aplica_infor/spss/
Universidad de Chile. (s.f.). Muestro y control de calidad. Santiago, Chile.
Vallée, M. (1998). Smapling Quality Control. In: Quality Assurance, Continuous Quality
Improvement and Standards in Mineral Resourc Estimation. Exploration and Mining
Geology, Vol 7.

136
________________________________________________________________________________________
GLOSARIO
A
D
Assays
Datos de leyes, litología, densidad, alteración, DDH
Método de perforación desondajesdelos
etc. por cada tramo de testigo ensayado y
cualesse extraeun testigo de roca como
mapeado geológicamente, 82
muestra., 24, 45, 46, 49, 62
Azimut
Dip
Dirección con respecto al Norte geográfico., 65
Buzamiento de un zondaje con respecto a un
B plano horizontal., 65
Batch E
Lote de muestras enviadas a laboratorio., 64
Epitermal de Baja Sulfidización
C Los depósitos epitermales se encuentran de

preferencia en áreas de volcanismo activo
Catch-as-catch-can alrededor de los márgenes activos de
En la medida en que se pueda relizar, 39 continentes o arcos de islas y los más
Ciegas importantes son los de metales preciosos
Inserciones ciegas. muestras de control cuyos (Au, Ag), aunque pueden contener
tipos de muestras y valores de leyes cantidades variables de Cu, Pb, Zn, Bi, etc.
mineralógicas, no son conocidas por el La mineralización epitermal de metales
laboratorio., 6, 38 preciosos puede formarse a partir de dos
Collar tipos de fluidos químicamente distintos. Los
Punto topográfico dispuesto en superficie, en el de “baja sulfuración” son reducidos y tienen
cual nace un sondaje., 25, 62, 65 un pH cercano a neutro (la medida de
Cut-off concentración de iones de hidrógeno) y los
Es la concentración mínima que debe tener un fluidos de “alta sulfuración”, los cuales son
elemento en un yacimiento para ser más oxidados y ácidos., 20
económicamente explotable, 34

137
________________________________________________________________________________________
L provinciales de valores que rige cómo los

emisores divulgan información científica y
Laissez faire técnica sobre sus proyectos mineros para el
una filosofía o práctica caracterizada por una público., 23, 35
abstención de dirección o interferencia
especialmente con la libertad individual de P
elección y acción., 39
Pulpa
M Material pulverizado, generalmente se

encuentra bajo la malla #200 Ty., 9, 10, 11,
Mapeo Geológico 12, 33, 35, 36, 37, 64, 66, 68, 81, 91, 92, 93,
Es una herramienta de exploración rentable y 97, 102, 103, 104, 107, 108, 110, 120
un proceso generador de proyectos que
entrega beneficios tangibles para todos los R
programas de exploración. Un buen mapa
geológico no sólo sirve para orientar un RQD
Índice para la designación de la calidad de la
programa de exploración, sino que también
roca, 65
comunica claramente el potencial
económico de un proyecto a los actores., 46
MFC
S
Muestra fuera control o rangos normales., 94, STD
95 Material de referencia o MRS, 10, 33, 42, 43,
MRS 49, 50, 76, 83, 94, 95, 96, 101, 122, 127,
Material de referencia estándar. Muestra con 129, 137, 140
ley mineralógica conocida., 33, 35, 36, 37, Survey
42 Levantamiento topografico de pozo perforado.
Dirección, profundidad en tramos del
N sondaje., 65
NI 43-101
Una norma desarrollada por los
T
Administradores de Valores Canadienses Trend
(CSA) y administrados por las comisiones Hacia donde se inclina una alineación, 21

138
________________________________________________________________________________________
ANEXOS
Anexo 1 Precisión, exactitud y contaminación en control de calidad que sustenta la

estimación de Veta La Fina
Precisión Exactitud
Error Error
Original - Ley
Tipo muestra de Control en Relativo Relativo
Muestras Au Contaminación
lote Valor valor
base de datos (g/t)
original y certificado
duplicado y resultado
12696 2,46
12697 11,16 El lote solo incluye 2 muestras
* * 0,00%
12698 4,95 del tipo Blanco Grueso
12699 1,03
13076 3,73 Coincide muestra
Error más
13083 0,79 13076 Dup. Pulpa 3,24 g/t
alto
13084 0,21 13083 Dup. Pulpa 0,86 g/t * *
14 % > 10 %
13085 0,12 Lote incluye 3 Blancos
permitido
13086 0,66 Gruesos
El lote solo incluye 2 muestras
13250 9,47 * * 0,00%
del tipo Blanco Grueso
13532 0,28 Coincide muestra
13533 43,94 13533 Dup. Pulpa 37,48 g/t Error más
13537 0,68 13539 Dup. Pulpa 3,02 g/t alto
* 0,00%
13539 2,85 13540 Dup. Pulpa 0,72 g/t 16 % > 10 %
Lote incluye 2 Blancos permitido
13540 0,77 Gruesos
14105 7,56
14106 5,05
14107 0,39
** * * *
14116 2,57
14117 1,8
14118 0,36
14580 1,21
El lote solo incluye 2 muestras
14581 2,04 * * 0,00%
del tipo Blanco Grueso
14583 2,49
14747 1,03
14749 0,48
14750 1,17 Coincide muestra Error más
14751 0,81 14752 Dup. Gemelo 0,67 g/t alto
* 0,00%
14753 0,12 Lote incluye 3 Blancos 19 % < 30 %
14754 0,04 Gruesos permitido
14755 0,005
14756 0,005
* * 0,00%

139
________________________________________________________________________________________

* * 0,00%
15036 0,13
15037 0,37 El lote incluye solo 4 muestras
* * 0,00%
15039 0,52
15272 1,32
15273 3,98 ** * * *
15302 2,32
15331 21,39
** * * *
15332 2,57
16153 0,63 1 STD-B 0,05
16154 2,32 1 STD-A 5,2 Error más
* 0,00%
16156 1,5 2 Blancos Finos alto 5 %
16157 1,66 2 Blancos Gruesos
16191 25,67 1 STD-B 0,04
16193 3,56 1 STD-A 5,36 Error más
* 0,00%
16194 0,16 1 Blancos Finos alto 22 %
16195 0,61 1 Blancos Gruesos
16269 1,46
16270 0,005 1 STD-A 4,4
Error más
16271 1,12 3 Blancos Finos * 0,00%
alto 22 %
16273 0,64 1 Blanco Grueso
16274 0,38
* Error o contaminación es inmensurable por
** No se insertaron muestra de control en este lote
falta de información

140
________________________________________________________________________________________
Anexo 2 Datos de Duplicados de Pulpa Original – Duplicados y sus transformaciones de

Residuos para comprobar normalidad de datos.
Original Duplicado Error Residuos Ln Residuos Ln

Au (g/t) Au (g/t) Diferencia Relativo Original Duplicados
0,2 0,2 0 0% -1,36 -1,37
0,34 0,34 0 0% -1,08 -1,1
0,35 0,39 0,04 11% -1,07 -1,03
0,47 0,48 0,01 2% -0,92 -0,92
0,24 0,59 0,35 84% -1,26 -0,81
0,77 0,72 0,05 7% -0,66 -0,71
0,66 0,75 0,09 13% -0,74 -0,69
0,79 0,86 0,07 8% -0,65 -0,62
0,91 0,89 0,02 2% -0,57 -0,6
1,2 1,32 0,12 10% -0,43 -0,4
1,72 1,56 0,16 10% -0,25 -0,31
2,85 3,02 0,17 6% 0,01 0,03
3,1 3,04 0,06 2% 0,06 0,03
3,73 3,24 0,49 14% 0,15 0,07
11,27 11,43 0,16 1% 0,72 0,72
9,83 12,58 2,75 25% 0,65 0,77
18,59 20,78 2,19 11% 0,98 1,03
39,62 24,33 15,29 48% 1,37 1,11
43,94 37,48 6,46 16% 1,43 1,33
54,88 45,41 9,47 19% 1,54 1,43
153,23 145,79 7,44 5% 2,07 2,03

141
________________________________________________________________________________________
Anexo 3 Tabla de valores críticos de Grubbs
Fuente: Procedures for detecting outlying observations in samples (Grubbs, 1974)

142
________________________________________________________________________________________
Anexo 4 Registro de muestras de control de calidad en cada uno de los sondajes realizados
LARGO DUP DUP DUP STD- STD-

HOLE ID BLF DUP
(m) BLG - RG - P - CH ALTO BAJO
-G
Sond_2016_01 105,85 2 - - - 5 - - -
Sond_2016_02 170,05 - - - - 3 - - -
Sond_2016_03 99,95 2 - - - - - - -
Sond_2016_04 169,65 2 - - - 5 - - -
Sond_2016_05 101,25 - - - - 7 - - -
Sond_2016_06 121,85 - - - - 1 - - -
Sond_2016_07 131,45 - - - - - - - -
Sond_2016_08 131,45 - - - - - - - -
Sond_2016_09 90,60 3 - - - - - - -
Sond_2016_10 104,05 - - - - - - - -
Sond_2016_11 74,30 3 - - - - - - -
Sond_2016_12 161,10 4 - - - - - - -
Sond_2016_13 143,89 2 - - - - - - -
Sond_2016_14 140,50 3 - - - - - - -
Sond_2016_15 182,30 5 - - - - - - -
Sond_2016_16 128,00 5 - - 1 - - - -
Sond_2016_17 101,30 5 - - - - - - -
Sond_2016_18 172,95 4 - - - - - - -
Sond_2017_19 146,00 5 - - - - - - -
Sond_2017_20 104,25 4 - - - - - - -
Sond_2017_21 149,20 3 - - - - - - -
Sond_2017_22 143,50 3 - - - - - - -
Sond_2017_23 71,25 - - - - - - - -
Sond_2017_24 110,25 4 - - - - - - -
Sond_2017_25 100,80 3 - - - - - - -
Sond_2017_26 130,95 - - - - - - - -
Sond_2017_27 131,25 - - - - - - - -
Sond_2017_28 80,05 2 - - - - - - -
Sond_2017_29 91,90 3 - - - - - - -
Sond_2017_32 103,35 2 - - - - - - -
Sond_v_2016_09 122,00 2 - - - - - - -
Sond_2017_34 71,00 2 - - - - - - -
Sond_2017_35 63,15 3 - - - - - - -
Sond_2017_36 95,35 3 - - - - - 1 1
Sond_2017_37 125,40 2 1 - - - - 1

143
________________________________________________________________________________________
Sond_2017_38 155,45 3 1 - - - - 1 1
Sond_2017_39 110,00 2 1 - - - - 1 1
Sond_2017_40 98,35 2 1 - - - - 1 -
Sond_2017_41 106,60 1 1 - - - - - 1
Sond_2017_42 62,10 1 1 - - - - 1 -
Sond_2017_43 76,85 1 1 - - - - - 1
Sond_2017_44 132,00 2 3 - - - - 1 1
Sond_2017_45 122,40 2 2 - - - - 1 1
Sond_2017_46 85,85 1 1 - - - - 1 1
Sond_2017_47 53,00 1 1 - - - - - -
Sond_2017_48 99,98 1 3 - - - - 1 -
Totales 5.272,72 98 17 0 1 21 - 9 8

144
________________________________________________________________________________________
Anexo 5 Parámetros de entrada para muestras de control tipo “Blancos Gruesos”
Plot Title Coarse Blanks versus Previous

Sample Type Blancos Gruesos
Period 2017
Project Name Veta La Fina
Veta La Fina
QA-QC Review
Elemento Unidad medida

Au (ppm)
Ag (ppm)
Límite de detección (LD)

Au Ag
0,01 1
(ppm) (ppm)
Límite de seguridad
5 x veces LD
Au Ag
0,05 5
(ppm) (ppm)
Instrucciones:
Celdas en blanco debe ingresar valor
Celdas amarillas para títulos predefinidos
Celdas azules para resultados automáticos
Celdas rojas indican alerta sobre lím. detección
Celdas rojas indican alerta sobre Valor de seguridad
Ingresar datos solo en la hoja "INPUT"

En la hoja "OUTPUT" se alojan los resultados
** Este programa soporta hasta 5000 datos de muestras **

145
________________________________________________________________________________________
Anexo 6 Datos de muestras de control del tipo “Blancos Gruesos”

Coarse Blanks versus Previous Blank Sample Previous Sample
Blancos Gruesos Muestra Blanca Muestra previa
ID muestra NºBatch Fecha Au Ag ID muestra previa Au Ag
Blank Sample ID Lab Batch Fecha Batch Var1 Var2 Prev Sample ID Var1-pre Var2-pre
12689 CL16 - 5011 08-09-2016 0,005 0,50 12688 4,33 67,9
12700 CL16 - 5012 08-09-2016 0,005 0,50 12699 1,03 12,7
12978 CL16 - 6192 14-11-2016 0,005 0,50 12977 0,34 26,3
12985 CL16 - 6192 14-11-2016 0,030 3,50 12984 18,59 1067,6
13243 CL16 - 6520 28-11-2016 0,020 0,50 13242 16,77 200,5
13501 CL16 - 6520 28-11-2016 0,020 0,50 13250 9,47 391,2
13526 CL16 - 6818 09-12-2016 0,005 0,50 13525 0,03 2,8
13538 CL16 - 6818 09-12-2016 0,005 0,50 13537 0,68 18,4
14248 CL16 - 7294 28-12-2016 0,005 0,50 14247 0,89 28,2
14253 CL16 - 7294 28-12-2016 0,020 0,50 14252 1,58 40,5
14271 CL16 - 7294 28-12-2016 0,020 0,50 14270 40,34 1112,4
14463 CL17 - 0077 10-01-2017 0,005 0,50 14462 0,02 0,5
14476 CL17 - 0077 10-01-2017 0,005 0,50 14475 0,56 9,8
14487 CL17 - 0077 10-01-2017 0,005 0,50 14486 37,18 584,1
14529 CL17 - 0070 12-01-2017 0,005 0,50 14528 0,08 4,0
14533 CL17 - 0070 12-01-2017 0,005 1,40 14532 2,61 56,4
14537 CL17 - 0070 12-01-2017 0,005 1,20 14536 0,94 11,6
14550 CL17 - 0070 12-01-2017 0,030 2,40 14549 110,25 1146,7
14653 CL17 - 0180 12-01-2017 0,005 1,20 14652 0,03 3,1
14663 CL17 - 0180 12-01-2017 0,005 1,40 14662 0,30 7,1
14668 CL17 - 0180 12-01-2017 0,005 1,30 14667 6,13 78,7
14674 CL17 - 0252 13-01-2017 0,005 0,50 14673 0,03 0,5
14690 CL17 - 0252 13-01-2017 0,005 0,50 14689 0,01 0,5
14702 CL17 - 0252 13-01-2017 0,005 0,50 14701 0,02 0,5
14713 CL17 - 0252 13-01-2017 0,005 0,50 14712 2,23 60,6
14737 CL17 - 0252 13-01-2017 0,130 0,50 14736 0,68 4,3
14748 CL17 - 0232 19-01-2017 0,005 0,50 14747 1,03 19,7
14758 CL17 - 0232 19-01-2017 0,005 0,50 14757 0,04 2,3
14768 CL17 - 0232 19-01-2017 0,005 0,50 14767 0,16 4,5
14779 CL17 - 0232 19-01-2017 0,005 0,50 14778 0,69 25,6
14789 CL17 - 0232 19-01-2017 0,005 0,50 14788 0,23 10,5
14807 CL17 - 0274 20-01-2017 0,005 0,50 14806 4,70 17,1
14820 CL17 - 0274 20-01-2017 0,005 0,50 14819 0,13 4,2
14833 CL17 - 0274 20-01-2017 0,005 0,50 14832 0,24 9,5
14842 CL17 - 0274 20-01-2017 0,005 0,50 14841 0,19 8,1
14851 CL17 - 0274 20-01-2017 0,005 0,50 14850 1,19 56,8
14860 CL17 - 0342 23-01-2017 0,005 0,50 14859 2,91 79,5
14871 CL17 - 0342 23-01-2017 0,005 0,50 14870 0,60 52,2
14887 CL17 - 0342 23-01-2017 0,005 0,50 14886 9,51 236,2
14898 CL17 - 0342 23-01-2017 0,020 0,50 14897 15,65 298,4
14916 CL17 - 0390 26-01-2017 0,005 0,50 14915 0,70 33,0
14925 CL17 - 0390 26-01-2017 0,005 0,50 14924 0,03 1,3

146
________________________________________________________________________________________
14942 CL17 - 0390 26-01-2017 0,005 0,50 14941 0,31 14,2

14945 CL17 - 0390 26-01-2017 0,020 0,50 14944 2,44 72,6
14961 CL17 - 0390 26-01-2017 0,005 0,50 14960 1,73 65,8
14988 CL17 - 0439 27-01-2017 0,005 0,50 14987 0,57 36,1
15019 CL17 - 0439 27-01-2017 0,005 0,50 15018 0,01 0,5
15034 CL17 - 0439 27-01-2017 0,005 0,50 15033 0,11 4,2
15040 CL17 - 0439 27-01-2017 0,005 0,50 15039 0,52 6,1
15048 CL17 - 0442 27-01-2017 0,005 0,50 15047 0,01 0,5
15070 CL17 - 0442 27-01-2017 0,005 0,50 15069 0,02 1,0
15076 CL17 - 0442 27-01-2017 0,005 0,50 15075 4,14 70,8
15183 CL17-0550 02-02-2017 0,005 0,50 15182 0,01 0,5
15207 CL17-0550 02-02-2017 0,040 1,90 15206 16,13 567,6
15211 CL17-0550 02-02-2017 0,005 0,50 15210 1,26 12,1
15221 CL17-0550 02-02-2017 0,020 0,50 15220 10,73 131,8
15227 CL17 - 0564 31-01-2017 0,005 1,20 15226 0,02 0,5
15247 CL17 - 0564 31-01-2017 0,005 0,50 15246 0,02 1,1
15255 CL17 - 0564 31-01-2017 0,005 0,50 15254 0,51 10,4
15358 CL17 - 0810 14-02-2017 0,005 0,50 15357 0,03 1,6
15360 CL17 - 0810 14-02-2017 0,005 0,50 15359 0,23 5,6
15376 CL17 - 0943 20-02-2017 0,005 0,50 15375 0,06 2,1
15411 CL17 - 0943 20-02-2017 0,005 0,50 15410 0,01 0,5
15414 CL17 - 0943 20-02-2017 0,030 1,70 15413 0,04 2,7
15431 CL17 - 0943 20-02-2017 0,005 0,50 15430 0,01 0,5
15441 CL17 - 0943 20-02-2017 0,020 0,50 15440 16,57 536,8
12689 CL16 - 5011 08-09-2016 0,005 0,50 12688 4,33 67,9
12700 CL16 - 5012 08-09-2016 0,005 0,50 12699 1,03 12,7
15467 CL17-1706 29-03-2017 0,005 0,50 15466 2,13 25,8
15482 CL17-1706 29-03-2017 0,030 0,50 15481 0,37 19,0
15499 CL17-1706 29-03-2017 0,005 0,50 15498 2,35 53,6
15512 CL17-1706 29-03-2017 0,005 0,50 15511 1,09 41,5
15521 CL17-1706 29-03-2017 0,005 0,50 15520 0,01 3,1
15704 CL17-1965 04-04-2017 0,005 1,10 15703 4,13 65,2
15733 CL17-1965 04-04-2017 0,020 1,30 15732 9,45 415,3
15749 CL17-1965 04-04-2017 0,080 3,20 15748 29,64 868,7
15646 CL17-2035 07-04-2017 0,070 0,50 15645 3,41 123,4
15655 CL17-2035 07-04-2017 0,060 0,50 15654 1,02 13,7
15679 CL17-2035 07-04-2017 0,005 0,50 15678 1,31 50,2
15758 CL17-2054 10-04-2017 0,005 0,50 15757 0,01 0,5
15777 CL17-2054 10-04-2017 0,005 0,50 15776 1,85 54,4
15812 CL17-2172 17-04-2017 0,005 1,30 15811 17,16 499,4
15845 CL17-2172 17-04-2017 0,005 0,50 15844 0,62 16,8
15871 CL17-2219 17-04-2017 0,005 0,50 15870 0,05 3,2
15874 CL17-2219 17-04-2017 0,005 0,50 15873 0,82 39,9
15921 CL17-2429 25-04-2017 0,005 0,50 15920 0,88 38,9
15943 CL17-2478 26-04-2017 0,005 0,50 15942 1,27 18,5
15962 CL17-2479 26-04-2017 0,005 0,50 15961 0,48 26,1
16017 CL17-2810 17-05-2017 0,005 0,50 16016 2,86 84,6
16028 CL17-2810 17-05-2017 0,005 0,50 16027 0,08 3,0
16106 sol de corte 45 04-04-2017 0,005 0,50 16105 0,01 0,5
16155 sol de corte 45 04-04-2017 0,005 0,50 16154 2,32 117,2
16192 sol de corte 46 25-05-2017 0,005 0,50 16191 25,67 370,0
16174 sol de corte 47 23-05-2017 0,005 1,30 16173 0,01 0,5

147
________________________________________________________________________________________
Anexo 7 Parámetros de entrada para muestras de control tipo “Blancos Finos”
Plot Title Pulp Blanks versus Previous

Sample Type Blancos Finos
Period 2017
Project Name Nom bre Proyecto
Veta La Fina
QA-QC Review
Elemento Unidad medida

Au (ppm)
Ag (ppm)
Límite de detección (LD)

Au Ag
0,01 1
(ppm) (ppm)
Límite de seguridad
3 x veces LD
Au Ag
0,03 3
(ppm) (ppm)
Instrucciones:
Celdas en blanco debe ingresar valor
Celdas amarillas para títulos predefinidos
Celdas azules para resultados automáticos
Celdas rojas indican alerta sobre lím. detección
Celdas rojas indican alerta sobre Valor de seguridad
Ingresar datos solo en la hoja "INPUT"

En la hoja "OUTPUT" se alojan los resultados
** Este programa soporta hasta 5000 datos de muestras **

148
________________________________________________________________________________________
Anexo 8 Datos de muestras de control del tipo “Blancos Finos”

Pulp Blanks versus Previous Blank Sample Previous Sample
Blancos Finos Muestra Blanca Muestra previa
ID muestra NºBatch Fecha Au Ag ID muestra previa Au Ag
Blank Sample ID Lab Batch Fecha Batch Var1 Var2 Prev Sample ID Var1-pre Var2-pre
1417 CL16-7192 19-12-2016 0,005 0,50 1416 0,75 18,5
1426 CL16-7192 19-12-2016 0,005 1,90 1425 24,33 1279,9
1432 CL16-7192 19-12-2016 0,005 0,50 1431 0,39 10,8
15786 CL17-2054 10-04-2017 0,030 0,50 15785 35,65 350,0
15658 CL17-2035 07-04-2017 0,050 2,00 15657 45,88 1521,9
15828 CL17-2172 17-04-2017 0,005 0,50 15827 2,55 102,2
15877 CL17-2219 17-04-2017 0,005 0,50 15876 4,42 135,3
15901 CL17-2429 25-04-2017 0,005 0,50 15900 0,75 5,7
15933 CL17-2478 26-04-2017 0,005 0,50 15932 12,83 124,3
15973 CL17-2479 26-04-2017 0,005 0,50 15972 0,01 0,5
16003 CL17-2810 17-05-2017 0,020 1,00 16002 6,72 257,9
16011 CL17-2810 17-05-2017 0,005 1,20 16010 4,44 212,6
16047 CL17-2810 17-05-2017 0,005 0,50 16046 0,03 0,5
16129 sol de corte 45 04-04-2017 0,005 0,50 16128 0,11 0,5
16140 sol de corte 45 04-04-2017 0,005 0,50 16139 0,09 2,1
16217 sol de corte 46 25-05-2017 0,005 0,50 16216 0,01 0,5
16173 sol de corte 47 23-05-2017 0,005 0,50 16172 0,31 4,2

149
________________________________________________________________________________________
Anexo 9 Parámetros de entrada para muestras de control del tipo “Duplicados Gemelos” y
Datos.
Código de colores
Ingresar datos o compoletar si es necesario
Títulos, no cambiar
Resultados, no cambiar Cía. Minera San
Precaución, leer instrucciones
parámetros predefinidos
Project Name Veta La Fina

Project Sub-Name Informe de QAQC
Sample Type Twin Samples Twin Samples Intercept b (F*PDL)
Element Units Practical Detection Limit Factor Corrected V
Variable 1 Au (ppm) 0,1 20 2
Variable 2 Ag (ppm) 1 20 20
Variable 3 (ppm) 20 0
Variable 4 20 0
Equation All Elements Reference Parameter
m2 1,83 DH Nr.
Plot Sub-Title (All Samples) Batch Nr.
Plot Sub-Title (Low Grade Samples)
Report Name Evaluación Muestras Gemelos
Programa definido para 5000 muestras
Sample Type Intercept b (F*PDL) Accepted

Factor Corrected Value Relative Error Coefficient m
Variable 1 20 2 30% 1,353
Variable 2 20 20 30% 1,353
Variable 3 20 0 30% 1,353
Variable 4 20 0 30% 1,353
Intercept Factor (F)

Sample Type Sample Type (Full) Sample Type (Full) For Au-Ag For Others
CD Coarse Duplicates Duplicado Grueso 10 5
FD Field Duplicates Duplicado de Campo 20 10
PD Pulp Duplicates Duplicado de Pulpa 5 3
TS Twin Samples Muestra Gemela 20 10
ORIGINAL SAMPLES DUPLICATE (OR TWIN) SAMPLES

Original Duplicate
Batch Nr. Au Ag Batch Nr. Au Ag Date
Sample Nr. Sample Nr.
Original Duplicate
Batch Nr. Au Ag Batch Nr. Au Ag Date
CL17 - 0232 14752,00 0,67 18,00 14751,00 0,81 18,70

150
________________________________________________________________________________________
Anexo 10 Parámetros de entrada para muestras de control del tipo “Duplicados de Pulpa”
y Datos.
Sample Type Intercept b (F*PDL) Accepted

Factor Corrected Value Relative Error Coefficient m
Variable 1 5 0,5 10% 1,105
Variable 2 5 5 10% 1,105
Variable 3 5 0 10% 1,105
Variable 4 5 0 10% 1,105
ORIGINAL SAMPLES DUPLICATE (OR TWIN) SAMPLES

Original Duplicate
Batch Nr. Au Ag Batch Nr. Au Ag
Original Duplicate
Batch Nr. Au Ag Batch Nr. Au Ag
CL16-6192 12967,00 9,83 167,10 CL16-7192 1408 12,58 166,00
CL16-6192 12977,00 0,34 26,30 CL16-7192 1409 0,34 26,30
CL16-6192 12979,00 153,23 1321,40 CL17-1797 12979,00 145,79 947,40
CL16-6192 12981,00 0,91 41,10 CL16-7192 1411 0,89 42,70
CL16-6192 12984,00 18,59 1067,60 CL16-7192 1412 20,78 1062,90
CL16-6440 13076,00 3,73 68,40 CL16-7192 1414 3,24 71,40
CL16-6440 13083,00 0,79 18,90 CL16-7192 1415 0,86 19,70
CL16-6440 13086,00 0,66 17,20 CL16-7192 1416 0,75 18,50
CL16-6818 13511,00 1,20 32,30 CL16-7192 1418 1,32 32,80
CL16-6818 13512,00 3,10 145,60 CL16-7192 1419 3,04 145,10
CL16-6818 13533,00 43,94 527,10 CL16-7192 1420 37,48 523,80
CL16-6818 13539,00 2,85 58,70 CL16-7192 1421 3,02 61,40
CL16-6818 13540,00 0,77 20,10 CL16-7192 1423 0,72 21,60
CL16-6818 13570,00 0,47 20,20 CL16-7192 1424 0,48 34,20
CL16-6818 13572,00 39,62 1294,80 CL16-7192 1425 24,33 1279,90
CL16-6818 13573,00 0,20 5,40 CL16-7192 1427 0,20 6,90
CL16-6818 13581,00 54,88 1553,60 CL16-7192 1428 45,41 1347,90
CL16-6818 13582,00 0,24 17,90 CL16-7192 1429 0,59 32,40
CL16-6818 13583,00 11,27 589,80 CL16-7192 1430 11,43 541,40
CL16-6818 13584,00 0,35 9,80 CL16-7192 1431 0,39 10,80
CL16-6889 13592,00 1,72 65,90 CL16-7192 1433 1,56 65,00

151
________________________________________________________________________________________
Anexo 11 Parámetros de entrada para muestras de control del tipo “Estándar Alto” y
Datos.
STD ALTO Veta La Fina Parámetros

Ingresar valores conocidos de estándares:
Au - Ag STD ALTO BAJO,MEDIO,ALTO
Proyecto: Veta La Fina
Elemento Valor Unidades

Variable 1 STD Alto Au 5,49 ppm
Variable 2 STD Alto Ag 231,00 ppm
ITEM Id Sondaje Batch Fecha N° Muestra Tipo MC Au Ag Laboratorio

1 - CL 16-7192 19-12-2016 1413 STD-A 5,62 241 ACTIVATION
2 LIB-2017-36 CL17-1965 04-04-2017 15709 STD-A 5,03 226 ACTIVATION
7 LIB-2017-45 04-04-2017 16145 STD-A 5,20 229 ACTIVATION
8 LIB-2017-46 25-05-2017 16184 STD-A 5,36 233 ACTIVATION
9 LIB-2017_48 06-06-2017 16236 STD-A 4,40 226 ACTIVATION

152
________________________________________________________________________________________
Anexo 12 Parámetros de entrada para muestras de control del tipo “Estándar Bajo” y
Datos.
STD BAJO Veta La Fina Parámetros

Ingresar valores conocidos de estándares:
Au - Ag STD BAJO BAJO,MEDIO,ALTO
Proyecto: Veta La Fina
Elemento Valor Unidades

Variable 1 STD BAJO Au 0,05 ppm
Variable 2 STD BAJO Ag 34,00 ppm
ITEM Id Sondaje Batch Fecha N° Muestra Tipo MC Au Ag Laboratorio

1 LIB-2017-36 CL17-1965 04-04-2017 15753 STD-B 0,03 31 ACTIVATION
7 LIB-2017-45 04-04-2017 16111 STD-B 0,05 28 ACTIVATION
8 LIB-2017-46 25-05-2017 16208 STD-B 0,04 24 ACTIVATION
9 STD-B
10 STD-B

153
________________________________________________________________________________________

Memoria de título-QAQC-Jordan Contreras Gálvez PDF

Загружено:

Сведения о документе

Оригинальное название

Авторское право

Доступные форматы

Поделиться этим документом

Поделиться или встроить документ

Параметры публикации

Этот документ был вам полезен?

Это неприемлемый материал?

Авторское право:

Доступные форматы

Memoria de título-QAQC-Jordan Contreras Gálvez PDF

Загружено:

Авторское право:

Доступные форматы

UNIVERSIDAD DE LA SERENA

“EJECUCIÓN DE UN PROGRAMA DE ASEGURAMIENTO Y

JORDAN ALEXIS CONTRERAS GÁLVEZ

Memoria para optar al título de:

M.Sc. Ing. Sr. Mario Gaete Madariaga – Profesor Patrocinante

M.Sc. Ing Sr. Jose Muñoz Villalobos

Geo. Sra. Jimena Cucurella Asenjo

Departamento Ingeniería de Minas – Facultad de Ingeniería – Universidad de La Serena

En esta memoria se realizó un estudio y análisis detallado de los conceptos fundamentales

Se describieron las principales fuentes de error, los procedimientos apropiados para su

Finalmente, a partir de un conjunto de datos resultantes de una campaña de sondajes y su

Departamento Ingeniería de Minas – Facultad de Ingeniería – Universidad de La Serena

QUALITY ASSURANCE AND CONTROL PROGRAM OF DRILLING SAMPLES

Departamento Ingeniería de Minas – Facultad de Ingeniería – Universidad de La Serena

CAPÍTULO I: INTRODUCCIÓN ................................................................................... 1

1.1 Exposición general del problema .......................................................................... 2

1.2 Investigación propuesta ........................................................................................ 3

1.3 Objetivos .............................................................................................................. 4

1.3.1 Objetivo general ............................................................................................ 4

1.3.2 Objetivo específicos ...................................................................................... 4

1.4 Alcance y justificación ......................................................................................... 5

1.4.1 Requisitos para lograr la investigación .......................................................... 5

1.4.2 Importancia de la investigación ..................................................................... 6

1.4.3 Delimitaciones de la investigación ................................................................ 6

1.5 Nomenclatura ....................................................................................................... 6

1.6 Antecedentes de proyecto de exploración “Veta La Fina” ..................................... 7

CAPÍTULO II: ESTUDIO BIBLIOGRÁFICO ............................................................ 23

2.1 Marco regulatorio y normativo ........................................................................... 23

2.1.1 Códigos internacionales para la publicación de resultados de exploración ... 24

2.2 Calidad ............................................................................................................... 28

2.3 Calidad en el manejo de la información. ............................................................. 29

2.4 Aseguramiento y control de calidad. ................................................................... 31

2.4.1 Definiciones y principios. ............................................................................ 31

2.4.2 Diferencias entre aseguramiento de calidad (QA) y control de calidad (QC) 33

2.5 Un programa integral de control de calidad ........................................................ 33

2.5.1 Frecuencia de inserción de muestras de control ........................................... 37

Departamento Ingeniería de Minas – Facultad de Ingeniería – Universidad de La Serena

2.5.2 La necesidad de inserciones ciegas .............................................................. 41

2.5.3 Prácticas de aseguramiento y control de calidad en el mundo real ................ 42

2.5.4 Precisión, exactitud y contaminación ........................................................... 44

2.6 Muestreo de Sondaje Diamantina en SMC (Veta La Fina) .................................. 47

2.6.1 Recepción de Resultados – Control de Calidad ............................................ 52

2.7 El muestreo y la estimación de recursos.............................................................. 53

2.8 Principales Fuentes de Error en el muestreo........................................................ 54

2.9 Pruebas estadísticas ............................................................................................ 59

2.9.1 Contrastes de normalidad ............................................................................ 59

2.9.2 Prueba de igualdad poblacional para muestras independientes. .................... 61

CAPÍTULO III: DESARROLLO DE LA INVESTIGACIÓN ..................................... 63

3.1 Aplicación del QA/QC en proyectos de exploración minera. ............................. 63

3.1.1 “QA/QC” en muestreo................................................................................. 65

3.1.2 “QA/QC” en laboratorio físico / Preparación ............................................... 66

3.1.3 “QA/QC” laboratorio químico / Análisis ..................................................... 67

3.1.4 “QA/QC” de base de datos .......................................................................... 68

3.2 Métodos para evaluación de muestras de control de calidad ................................ 69

3.2.1 Blancos ....................................................................................................... 70

3.2.2 Duplicados Gruesos, Pulpas y Muestras Gemelas ........................................ 71

3.2.3 Estándares ................................................................................................... 73

3.2.4 Duplicados Externos o de Chequeo ............................................................. 74

3.3 Programa de QA/QC .......................................................................................... 78

3.3.1 Limites de detección y Materiales de Referencia Estándar usados en el

Departamento Ingeniería de Minas – Facultad de Ingeniería – Universidad de La Serena

3.4 Implicación de malos programas de control de calidad para la estimación de

CAPÍTULO IV: RESULTADOS Y ANÁLISIS DE DATOS ....................................... 81