Академический Документы
Профессиональный Документы
Культура Документы
RESUMEN
INTRODUCCIÓN
Las metodologías convencionales para evaluar los recursos minerales [1] se basan
en valores constantes, como grado y el tonelaje, sin tener en cuenta las
incertidumbres relativas a estas estimaciones ni el impacto económico sobre el
"downstream" los procesos de la
cadena de valor del proyecto.
Se desarrollaron técnicas geostadísticas por Matheron Journel [2] y [3] en el 1970,
pero debido a la limitada capacidad computacional de ese momento, su
aplicación se limitaba al control de calidad de los estudios, problemas
operacionales y la planificación a corto plazo [4, 5]. En los años noventa, el
desarrollo de proyectos mineros gigante de mineral marginal, destacó la
importancia de evaluar la incertidumbre y el riesgo asociado con el grado, el
tonelaje de mineral y otras variables del proyecto intrínseca. Varios autores como
Ravenscroft Berckmans [6],[7] y Armstrong, Dimitrakopoulos et al [8], y Dowd y Dare-
Bryan Dowd [9] sugiere diversos modelos matemáticos para evaluar la planificación
de la mina asociado con riesgos e incertidumbres de recursos
Los problemas de riesgo en las decisiones de inversión minera han sido estudiados
por Nicholas et al [15], quien se centró en la necesidad de integrar los procesos de
evaluación técnica (por ejemplo, el muestreo, la estimación del recurso, la
planificación, las operaciones) y el modelo económico del proyecto minero en un
único marco de evaluación. El mismo problema fue abordado por botín et al [16],
con el desarrollo del proyecto minero (Gestión del Riesgo) marco MPRM. En
términos generales, la metodología MPRM se centra en identificar y caracterizar los
parámetros más relevantes de la incertidumbre asociada a cada proceso en El
proyecto para desarrollar en última instancia de la cadena de valor incertidumbre
modelos que identifican reducir riesgos asociados a niveles que puedan ser
aceptables para los inversores. En esta metodología, la cuantificación del riesgo
con respecto a una determinada fuente de incertidumbre puede hacerse
comparando un caso básico (con riesgo) con otros escenarios exenta de riesgo,
utilizando herramientas de simulación estocástica, árboles de decisión, la
valoración de las opciones reales, u otros métodos. El modelo desarrollado a
continuación está basado en la metodología MPRM.
"Preparación de los datos" (fase I), "Diseño y planificación" (Estadio III) y "Modelo
Económico" (estadio IV) se realiza de acuerdo a la práctica estándar en la
evaluación de la viabilidad de un proyecto minero. Por lo tanto, este documento
se centrará principalmente en la descripción de los estadios II y V, donde se realiza
la simulación condicional geoestadística (Fase II) y el cuerpo de mineral de grado
modelo de bloque se caracteriza mediante un modelo probabilístico. En la etapa
III, el grado de incertidumbre se transfiere desde el modelo de bloque para el plan
de producción, y en la etapa V, el modelo de flujo de efectivo del proyecto es
desarrollado. Los impactos sobre las finanzas se estiman utilizando el VAR (Valor en
Riesgo). Se cuantifica en función del grado de la incertidumbre del modelo y
"tolerancia de riesgo" en la cuantía necesaria.
Durante la preparación de datos (Fase I), los principales datos recogidos son
procesados y validados a partir de la exploración y la investigación de los
yacimientos. Durante esta etapa, se aplican técnicas de análisis estadístico para el
estudio de la distribución espacial de los datos, la densidad de la perforación
Patrones, las litologías presentes, y geotécnicos y propiedades de masa de rocas.
Varios otros métodos estadísticos son usados para el aseguramiento de la calidad
de los datos para determinar los errores y /o atípicos. También en esta fase, el
análisis se realiza variographic y el variograma derivado, en función de los datos
disponibles. Esto encaja variograma teórico, que permite la interpretación de la
continuidad espacial del grado.
La etapa II es una parte clave de la investigación. Aquí, los modelos probabilísticos
son desarrollados para el estudio de la variable riesgo (unidad de grado de bloque
en el mineral del cuerpo). Para ello, la simulación condicional geoestadística
aplicados para evaluar el grado de incertidumbre, donde unos conjuntos de
valores de grado probable igualmente se generan para cada bloque de la unidad
de mineral en el cuerpo. El método de simulación condicional elegido es el método
secuencial gaussiana, el grado en que los valores se transforman en una
distribución gaussiana con una media de cero y una desviación estándar. A
continuación, estos datos se utilizan para realizar el análisis variographic función
gaussiana aleatoria y simulación. Por último, las transformaciones inversas
gaussianas se aplican en orden para regresar a la variable original.
En la etapa III, el último diseño de boxes y un plan a largo plazo para que se
desarrolle el proyecto. Esto se realiza aplicando el estado de arte diseño para
planificación de mina, utilizando el algoritmo Lerchs-Grossman [17] y el algoritmo
de planificación secuencial propuesto por Whittle [18] y utilizando un adecuado
paquete de software general de minería comercial.
En la etapa IV, el plan a largo plazo generados en la etapa III se utiliza para generar
una programación de producción por períodos de importancia económica (por
ejemplo, trimestres) y la utilización de estos períodos, un "caso base" el modelo de
flujo de efectivo para la evaluación financiera del proyecto es desarrollado.
En la etapa IV, los conjuntos de bloque de la unidad de cuerpo de mineral
estimaciones grado.
1 1 (𝑙𝑜𝑔𝑦−𝑢)2
G(y) = exp (− );𝑦 >
√2𝑛 𝑦 2𝑎 2
U(X1P1;…… XnPn)=P1U(X1)+⋯+PnU(Xn)…………………….(2)
Aversión al riesgo: Cuando u es cóncavo (u'' <0). La aversión al riesgo es una
preferencia de un "cierto" alternativa (x) a cualquier alternativa arriesgada cuyo
valor esperado es x.
Por lo tanto, el valor esperado criterio es aplicable donde es posible calcular las
probabilidades para cada uno de los resultados posibles. En este enfoque, que se
adopte una decisión, comparando el valor esperado obtenidos (p. ej. "Caso Base")
con un escenario definido como "seguros" o
Aversión al riesgo: Cuando u es cóncavo (u'' <0). La aversión al riesgo es una
preferencia de un "cierto" alternativa (x) a cualquier alternativa arriesgada cuyo
valor esperado es x.
Por lo tanto, el valor esperado criterio es aplicable donde es posible calcular las
probabilidades para cada uno de los resultados posibles. En este enfoque, que se
adopte una decisión, comparando el valor esperado obtenidos (p. ej. "Caso Base")
con un escenario definido como "seguros" o tener un riesgo aceptable.
CASO DE ESTUDIO
Este estudio de caso fue desarrollado a partir del proyecto de cobre Gabriela
Mistral, ubicado en el norte de Chile, a 220 km. al este de la ciudad de Antofagasta.
El proyecto empezó a funcionar en 2010 y en 2012 alcanzó una producción de
150,000-170,000 toneladas de cobre por año. Implica la explotación de un
yacimiento de cobre pórfido (600 millones de toneladas de óxidos de cobre mineral
0.41% Cu) mediante la minería a cielo abierto convencional.
El estudio de caso fue desarrollado usando taladro datos del proyecto, por lo tanto,
se considera determinados valores, como el promedio de grado o reservas
explotables son diferentes a la realidad, aunque no es la intención de replicar el
proceso de estimación de recursos en su totalidad. Asimismo, varias hipótesis y
simplificaciones fueron hechas, pero no restringe la validez de la metodología o
conclusiones. En este sentido, no se ha intentado generar un plan óptimo, pero un
plan básico que reúne el material extraído y las limitaciones en materia de
alimentación de mineral a la planta. Como un paso necesario, la validación se
produce mediante la generación de un modelo de riesgo cuantitativo, que es el
objetivo fundamental de este estudio de investigación. Además, el estudio también
examinó una versión simplificada del flujo de efectivo suficiente para validar el
modelo propuesto de
los datos utilizados para el estudio fueron obtenidos de registro básico de 54
taladros. Estos datos se obtuvieron del registro básico, preparación de muestras y
ensayos almacenados en bases de datos. Este núcleo de datos fue compuesto
para producir un total de 3,802 muestras de núcleo que eran iguales a 3 m de
longitud y cada núcleo muestra representaba un punto de datos con información
sobre las tres coordenadas, cobre grado y de la litología. Los datos se clasifican en
tres grupos según la litología de la similitud en grado de cobre. Estos grupos son: la
litología.
Grupo 1: Breccia hidrotermal (BHI), pórfido Granodiorita (PG) y Granodiorita (GD)
Grupo 2: finales de pórfido (PT); la biotita (BIG)
Grupo 3: Feldespato (FMDI).
Las calificaciones para cada litología están resumidas en la Tabla 1 y la Tabla 2
muestra las estadísticas para cada grupo.
Lithologies Cu (%)
BHI 0.441
BIG 0.588
FMDI 0.700
GD 0.459
PG 0.479
PT 0.560
Análisis Variographical
La generación de una dotación económica final (Ultimate pit) y los fosos anidados
se realiza utilizando el algoritmo Lerchs y Grossman y factores de ingresos. Consulte
la Tabla 5 para los parámetros que se consideraron en la evaluación. Pendiente de
boxes propiedades geotécnicas fueron simplificados por considerar sólo un ángulo
de inclinación total.
Tabla 5. Los parámetros de diseño principal de diseño
Los fosos anidadas usando los ingresos generados fueron factores que varían entre
0,3 a 1,02 veces el precio del cobre. Con la define anidados, los pozos "mejor caso"
y el "peor caso" escenarios son definidos por el tonelaje de mineral (y de los
residuos), grado de recuperación, etc. para cada una de las piscinas, donde
factores Ingresos precio igual a 1.
La figura 4 muestra cada uno de los pozos anidados, el NPV, acumulativo y la
planta acumulado alimento para el "mejor caso" y el "peor caso" de escenarios. En
la Figura 4, los fosos resaltada en colores serán considerados en la selección del
último hoyo. Hoyo 36 tiene la mayor VNA. Por lo tanto, las comparaciones se
realizarán con respecto a ella.
La planificación a largo plazo del modelo económico fue desarrollada por períodos
trimestrales y se basa en la técnica del proyecto y los parámetros económicos, la
máxima tasa de extracción, plan de máxima velocidad de alimentación, la altura
de la banqueta, etc. Además, una ley de corte de 0,162% Cu fue calculada según
la ecuación (3) a continuación, caracterizar mineral y residuos. La secuencia de
extracción fue definida por una secuencia de fase del banco.
Donde:
PC = costo de tramitación
MC = Costo de minería
Rec = Metal Recovery
P = precio del metal
CS = Costo de ventas
Los principales parámetros del plan a largo plazo se presentan en la figura 7. Estos
son: mineral, residuos, extracción total, molino y el grado de concentración del
mineral. Además, como se explicó antes, el grado de cada cuarto período fue
calculado a partir de los resultados de la simulación condicional. Por lo tanto, 100
grado los valores se generan y un modelo de ley mineral probabilístico (log normal)
fue desarrollado para cada trimestre en el plan de producción y se utiliza para
cuantificar el riesgo.
con el plan a largo plazo, los costes operativos y de capital, y otros parámetros
económicos del proyecto un "caso base" se desarrolló el modelo de flujo de
efectivo. En el cuadro 6, un resumen del modelo de flujo de efectivo se muestra. El
cálculo del valor actual neto (NPV) tuvieron una tasa de descuento del 2,41% por
trimestre. El NPV calculado para el caso básico fue de US$1.021 millones.
Tabla 6. 10 años simplificado de flujo de efectivo del Caso Base resumen por años
Para definir la "libre de riesgo" escenario un percentil es elegida como una medida
de tolerancia al riesgo de cada período. "Sin riesgo" durante el período de ley
mineral se deriva de la log-normal de distribución de probabilidad acumulativa. Por
ejemplo, eligiendo el percentil 10, significa que el 10% de los grados están bajo el
limitado valor para un determinado período de tiempo. Así, el "sin riesgo" ley mineral
se define como el valor de y (grado)
Partiendo del análisis anterior, la "libre de riesgo" escenario se caracterizó por una
"tolerancia de riesgo" equivalente al percentil 5. Este "sin riesgo" escenario reduce
el van desde US$1,014 millones a US$ millones (un 25.41% de reducción), reduciendo
el grado de concentración del mineral de 0,419% a 0,379%, una reducción del
grado de 9,55%. Esta "tolerancia" nivel de riesgo puede ser considerado como el
peor escenario previsto y una decisión de inversión real de la situación. Sin
embargo, todo esto dependerá de la estrategia de inversión de la empresa minera.
Por lo tanto, la cuantificación del riesgo obtenido es
Conclusiones
Los métodos tradicionales para la evaluación del riesgo de los proyectos mineros
se basan en la evaluación de escenarios y análisis de sensibilidad de variables del
proyecto en función de su relevancia económica. Sin embargo, estos métodos
ofrecen poca información sobre las fuentes originales de la incertidumbre o el
riesgo y, por tanto, son de poca o ninguna utilidad para gestionar el riesgo.
Específicamente en el contexto de la evaluación del riesgo asociado al grado de
concentración del mineral, la práctica habitual es realizar una simulación de Monte
Carlo, en base a la opinión de los expertos sobre los rangos de variación de grado,
que no necesariamente reflejan el grado real de la incertidumbre en el cuerpo de
mineral.
El modelo propuesto en este estudio utiliza técnicas de simulación condicional para
integrar la economía del proyecto con ley mineral incertidumbre para cada
período de producción. En este sentido, la metodología propuesta permite la
incertidumbre sobre el grado de concentración del mineral para ser incorporadas
en cada período de producción del plan minero. El grado del período se
caracteriza por las funciones de probabilidad logarítmico-normal, lo que permite la
cuantificación del riesgo mediante la aplicación de simulación estocástica para el
modelo económico del proyecto. Además, esta metodología permite la
cuantificación del riesgo para cada período en el plan de producción a largo plazo
y, por lo tanto, puede utilizarse como una potente herramienta de gestión de
riesgos para identificar los riesgos y "objetivos" de reducción de riesgos en las etapas
de prefactibilidad de una mina.
Agradecimientos
[1] Dominy, S.C.; Noppé, M.A. y Annels, A.E. Errores e incertidumbre en recursos
minerales y reservas de mineral: estimación de la importancia de acertar.
Exploración y geología minera, 2002, Vol 11, nº 1-4, p. 77-98.
[2] Matheron, G. Las funciones aleatorio intrínseca y sus aplicaciones. Los avances
en probabilidad aplicada, 1973, pp. 439-468.
[16] el botín, J.A.; Guzmán, R.R. y Smith, M.L. Un modelo metodológico para ayudar
en la optimización y gestión de riesgos de la minería las decisiones de inversión.
Dyna, 2011, Vol 78, nº 170, pág. 221-226.
[17] Lerchs, H. y Grossmann, I.F. Diseño óptimo de minas a cielo abierto.CIM Bulletin,
1965, Vol 58, nº 633, pág. 47-54.
[18] Whittle, J. Una década de mina a cielo abierto de planificación y optimización
- La artesanía de convertir algoritmos en paquetes. En los procedimientos de
APCOM'99: Aplicaciones de la informática en la industria de los minerales: 28
Simposio Internacional, Escuela de Minas de Colorado, Golden, Colorado, 1999,
págs. 15-24.