Академический Документы
Профессиональный Документы
Культура Документы
de variabilidad
ABSTRACTO y el riesgo que sustenta recursos / reservas. enfoques del estado de la técnica que
cuantifican la incertidumbre geológica y riesgo pueden utilizarse para estandarizar la
Categorización de los recursos minerales y reservas de mineral como medidos, indicados,
clasificación recurso / reserva, apoyar una mejor toma de decisiones de inversión, habilitar
inferido y probada o probable, respectivamente, es un requisito tanto para la información
pública, así como las evaluaciones internas de la empresa de los activos mineros. A partir de la los informes de bolsa de valores técnicamente defendible y el cumplimiento de los códigos
comprensión de los recursos minerales de estimación de reservas de mineral, los impactos de la industria y proporcionar una mayor seguridad a los inversores y proteger el público.
geológicos incertidumbre en gran medida de la clasificación recurso / reserva. Clasificación de Tradicionalmente,
Recursos / reserva se basa tradicionalmente en criterios geométricos, como por el número de clasificación de los recursos se ha basado en
muestras o agujeros de perforación dentro de un volumen alrededor de los bloques de depósito consideraciones geométricas y una clasificación bloque por bloque usando criterios
siendo clasificada, o, alternativamente, alguna forma de una varianza estimada
vinculados al número de muestras con-en un volumen o de perforación densidades de
geoestadísticamente derivado. Estos criterios son relativamente fáciles de entender y aplicar -
agujeros, o alternativamente, una varianza de estimación geoestadísticamente derivado.
sin embargo, no tienen en cuenta la variabilidad local de grados dentro de un depósito,
Estos criterios son relativamente simple de implementar, además de ser fácilmente
comprendido y transparente. Sin embargo, tienen un inconveniente principal, ya que no
tienen en cuenta la variabilidad local de grados dentro de un depósito - esto conduce a la
Este documento propone un enfoque fundado en un marco de simulación estocástica para tergiversación de la confianza de los grados estimados dentro de volúmenes dados y de
cuantificar la incertidumbre geológica y riesgo en cinco pasos: generación de realizaciones adecuadas las
de la depósito en la escala blocksupport apropiado, derivación de funciones condicionales acumulativos el resultando recurso / reserva
de distribución (CCDF) de los grados de bloque o atributo seleccionado, la utilización del coeficiente de clasificación.
variación condicional (CCV) de la CCDF grado dentro de un bloque como la medida de la incertidumbre
Los esfuerzos anteriores para mejorar las técnicas de clasificación se centraron en el desarrollo y uso de
para la clasificación de recursos de cada bloque en el modelo de yacimiento, la clasificación de los
recursos / reservas, y la evaluación y la producción de perfiles de riesgo para las estimaciones. Este versiones alternativas de estimación de leyes (kriging) varianzas, donde los patrones de clasificación se basan
enfoque integra tanto las consideraciones geométricas utilizadas tradicionalmente, en el sentido de en el tamaño de la cuadrícula de muestreo (por ejemplo Saburin, 1983; Froideveau, Roscoe y Valiant, 1986;
ubicaciones de datos y la en el lugar la variabilidad de los grados. Las aplicaciones en un yacimiento de David , 1988; David y Dagbert, 1977; Arik, 2002 y otros). Como también se ha indicado anteriormente, estas
diamantes de aluvión, veta de oro epitermal y un espectáculo de pórfidos de cobre que hay formulaciones puede dar cuenta de posibles aumentos de la precisión como el tamaño de la cuadrícula de
agrupaciones naturales de la CCV de bloques de minería que permiten la clasificación racional de los
muestreo disminuye - sin embargo, que no incorporan incertidumbre introducida por la variabilidad local en los
recursos o reservas. El enfoque propuesto no sólo es transparente, pero también proporciona un
datos reales como presentados elocuentemente por Ravenscroft (1992). La Figura 1 ilustra este punto, que
reporte técnicamente defendible del recurso / reserva ficación de clase en un contexto geoestadística y
muestra dos configuraciones idénticas de un bloque y cuatro orificios de perforación. A la derecha, el grado del
puede apoyar una mejor toma de decisiones de inversión.
material muestreado es muy variable, mientras que en el bloque de izquierda, los grados son mucho menos
variable. Si esto fuera la misma zona con el mismo variograma, las variaciones de estimación serían los
mismos, proporcionando así un nivel falso de evaluación de la incertidumbre y la clasificación de los bloques.
recursos globales y más aún para los recursos globales por encima de una línea de corte (David, 1988), como
INTRODUCCIÓN
sería el caso si se utiliza cualquier otra medida geométrica. enfoques basados en la simulación se han
Clasificación de recursos minerales medidos, indicados e inferidos reservas de mineral sugerido dados los problemas discutidos anteriormente (Audet y Ross, 2007; Wawruch y Betzhold, 2005;
y como comprobada o probable se requiere para la divulgación pública como se detalla Dohm, 2005; Duggan y Dimitrakopoulos, 2005; Murphy las variaciones de estimación no abordan
en diversos códigos como JORC, CIM, PERC, o SAMREC. Además, la categorización adecuadamente la cuestión de la precisión de las estimaciones de recursos globales y más aún para los
de los recursos y las reservas es un contribuyente importante a la evaluación de los recursos globales por encima de una línea de corte (David, 1988), como sería el caso si se utiliza cualquier otra
activos mineros y sus curvas de tonelaje-ley de una empresa. Es ampliamente medida geométrica. enfoques basados en la simulación se han sugerido dados los problemas discutidos
aceptado que la incertidumbre y el riesgo geológico en gran medida el impacto de la anteriormente (Audet y Ross, 2007; Wawruch y Betzhold, 2005; Dohm, 2005; Duggan y Dimitrakopoulos, 2005;
clasificación de recursos y reservas, a partir del conocimiento de los recursos minerales Murphy las variaciones de estimación no abordan adecuadamente la cuestión de la precisión de las
y los programas de exploración de la 'reserva de mineral'. Fiabilidad, confianza, estimaciones de recursos globales y más aún para los recursos globales por encima de una línea de corte
(David, 1988), como sería el caso si se utiliza cualquier otra medida geométrica. enfoques basados en la
la transparencia y la simulación se han sugerido dados los problemas discutidos anteriormente (Audet y Ross, 2007; Wawruch y Betzhold, 2005; Doh
'Capacidad de defensa' técnica de la clasificación son críticos. Teniendo en cuenta el valor de las Las deficiencias de la convencional reserva / recurso
empresas mineras, los beneficios para los accionistas, la presentación de informes a las instituciones clasificación puede ser explorado en un ejemplo de una mina de oro. Reservas clasificados
financieras, y la atracción de la comunidad de inversores para la toma de decisiones en el orden de mil como medidos, indicados e inferidos se basan principalmente en el número de muestras
millones de dólares, hay una verdadera necesidad de comprender y cuantificar la incertidumbre dentro de una distancia de un bloque que se está estimado geoestadísticamente y la
geológica consideración de la continuidad espacial grado dentro de vetas de oro identificados. La
Figura 2 muestra parte de una veta donde los bloques se han clasificado para reservar
categorías en función de enfoque establecido de la mina. Aunque esto
1. FAusIMM, Profesor y Director, COSMO - Laboratorio de Planificación Minera estocástico,
Departamento de Ingeniería de Minas y de Materiales de la Universidad McGill, Montreal,
QC H3A 2A7, Canadá. E-mail: roussos.dimitrakopoulos@mcgill.ca
Los avances en yacimiento Modelado y Estratégica Planificación Minera I El volumen de la serie Spectrum 17 215
R DIMITRAKOPOULOS, M Godoy y CL CHOU
metodología de clasificación
HIGO 2 - Clasificación de reserva tradicional en un filón de una mina de oro Medidas de incertidumbre espacial local
(Izquierda) y las probabilidades de que los bloques sean mineral (derecha).
Una parte clave de la metodología de clasificación es el uso de las estadísticas de
resumen y medidas de incertidumbre que se derivan de la función de distribución
planteamiento es razonable, relativamente simple, transparente, que cumple con la acumulativa condicional de la Z grado (u) de un bloque en la ubicación u dentro del
normativa y técnicamente defendible, lo tradicional depósito (Figura 4). medidas básicas incluyen la varianza condicional, coeficiente
enfoque muestra deficiencias cuando la clasificación se compara con condicional de variación, los rangos de percentiles inter e intervalo de probabilidad.
probabilidades de bloques siendo mineral (véase la Figura 2). Grandes partes de la
veta que se clasifican como Indicado tienen más del 80 por ciento y el 90 por ciento La varianza condicional (CV) mide la propagación de la CCDF alrededor de su valor
de probabilidades de ser mineral - por lo que no parece inconsistente de informar medio y está dada por:
sobre ellos según lo medido. Del mismo modo, los bloques que han sido
+
clasificados como residuos tienen, de hecho, más del 50 por ciento de probabilidad
Σ
K * 2
CV u() = [ z kk - zu F uz
()] [(;), [(; - F uz k- )
] (1)
de ser mineral. Aunque el análisis anterior se limita a aspectos limitadas (por mi k 1
= 11
ejemplo y según el JORC, también se debe estimar con precisión el grado), ilustra
cómo los criterios de clasificación convencionales no incluyen medidas directas de
donde: z k k = 1, ... K son valores de umbral K discretización de la gama de
geológica (grado) incertidumbre aparte de las relacionadas con la configuración
espacial de los taladros. Como resultado, en el lugar la variabilidad espacial del
yacimiento. variación de valores de z
Σ
* 2
sucesivamente. La siguiente sección comienza por discutir brevemente límites de los [ zk - zu
mi
F uz
()] [(;), k
- F uz
(; k- 1
)]
k = 11
enfoques tradicionales de clasificación. Posteriormente, una metodología alternativa se CCV u() = (2)
*
describe, en base a las distribuciones condicionales simuladas de grados de apoyo Block y zu
mi
( )
medidas de su incertidumbre para un modelo de yacimiento. Medidas de incertidumbre se
detallan a continuación usando un ejemplo de un depósito de diamante aluvial.
El CCV mejor discrimina zonas en términos de densidad de la muestra (o
Clasificación de Recursos / reserva en el mismo depósito, una veta de oro epitermal y un
disponibilidad de la información acondicionado). Una ventaja de la CCV sobre el CV es
depósito de cobre pórfido dilucidar los aspectos y características relacionados de la
que se expresa directamente como un porcentaje de la media y, por tanto, filtra los
aproximación. Observaciones y conclusiones.
efectos proporcionales.
El rango entre cuartil (IQR) se define como la diferencia entre la parte superior
(q 0.75) y el inferior (q 0.25) cuartiles de la distribución:
216 El volumen de la serie Spectrum 17 Los avances en yacimiento Modelado y Estratégica Planificación Minera I
CLASIFICACIÓN DE RECURSOS / RESERVA CON INTEGRADO geométricas y MEDIDAS DE GRADO variabilidad local
HIGO 4 - Una función de distribución acumulada condicional (CCDF) que muestra las estadísticas
de resumen y las medidas de incertidumbre para el espesor de un 100 × 100 m 2 bloquear en un
depósito de diamante. El CCDF se genera mediante el cálculo de las probabilidades asociadas para
un determinado medidas de clasificación de recursos / reservas
bloquear de múltiples realizaciones simuladas.
Las medidas de incertidumbre en la sección anterior se pueden utilizar para definir los criterios de
clasificación de recursos / reservas. Estos criterios requieren el uso de valores de umbral, de
a los valores atípicos. El DPI también puede ser escalada por la media o mediana de la CCDF
manera similar a los esfuerzos del pasado, donde se aplicaron umbrales a la estimación de las
correspondiente. medidas relacionadas de incertidumbre son la probabilidad de que un grado de
variaciones (por ejemplo, en opinión Sinclair y Blackwell, 2000). Los valores de umbral pueden
bloque, Z (u) está por encima, por debajo o dentro de un intervalo de probabilidad. La Figura 4 muestra
reflejar la tolerancia de error que es aceptable a nivel local para las estimaciones de bloques, así
las estadísticas de resumen relacionadas y medidas de incertidumbre para la CCDF de espesor de un
como a nivel mundial para la estimación de recursos. La estimación de bloque en la presente
100 × 100 m 2
memoria corresponde al valor medio (o estimación de tipo e). Es posible categorizar los recursos
bloquear. El CCDF sí mismo proporciona el modelo de incertidumbre para el valor del con precisión bloque y el uso de modelos de recursos derivados de múltiples realizaciones de
atributo de grosor para un bloque dado en la ubicación u dentro del depósito. Cada simulación para obtener la incertidumbre en los recursos o los recursos globales dentro de
punto discreto en el CCDF corresponde a un valor simulado. El CCDF es un incrementos de producción de interés en cada categoría.
histograma acumulativo de todos los valores simulados asignados a las realizaciones
de simulación del depósito. Una función continua se interpola entre los puntos
discretos para permitir la evaluación de las probabilidades para cualquier valor CCDF. Un primer intervalo de confianza basado en el CCV implica CCVs umbral fijo
que se comparan con el CCV. Esto es equivalente a comparar el intervalo de
confianza de la media de ± la desviación estándar contra una confianza umbral
La Figura 5 muestra el CV, condicionada media, CCV y IQR para el mismo tamaño de los intervalo define como una proporción de la media. El criterio de clasificación CCV
bloques de espesor sobre una parte de un depósito de diamante. Los valores se generaron a están dados por:
partir de 50 realizaciones de simulación y taladro
Los avances en yacimiento Modelado y Estratégica Planificación Minera I El volumen de la serie Spectrum 17 217
R DIMITRAKOPOULOS, M Godoy y CL CHOU
HIGO 5 - Vista en planta de izquierda a derecha, la varianza condicional (CV); media condicional (CM); coeficiente condicional de variación (CCV); e inter
gama cuartil (IQR) para 100 × 100 m 2 espesor de bloque en un depósito de diamante. Tenga en cuenta que la perforación densa no asegura una menor incertidumbre.
la quinta y 95º percentiles, denominado diferencias negativas y positivas. El intervalo baja. Los resultados indican que en este estudio el umbral del 40 por ciento puede
Para recursos inferidos, como el umbral aumenta el volumen disminuye y aumenta la incertidumbre relativa
asociada. La disminución en los resultados de volumen de los bloques que se mueven a la categoría indicada.
• zu
mi
*
F U-
()
- 1
(;. 0 05 )
*
z mi ()U F- U
- 1
(;. 0 95 ) •
Confianza En tErval =±
*
w
-
+
*
w
+
(6) El aumento de la incertidumbre se espera ya que refleja la mayor incertidumbre en relación con los valores de
•• zu
mi
() zu
mi
() •• umbral más alto. La clasificación RPR en comparación con el enfoque de clasificación CCV, clasifica
• •
considerablemente menos bloques como se indica en todos los umbrales y no representa una buena
evaluación de la variabilidad. Al igual que con la medida IQR se discutió anteriormente, la clasificación RPR
donde: W- y w + son los pesos para las diferencias relativas a la quinta y 95 percentiles,
ignora la distribución interna de las densidades de probabilidad y conduce a la sobrerrepresentación de riesgo.
respectivamente. Los pesos facilitan los intervalos de confianza asimétricos y son Por lo tanto, es muy conservador en la clasificación de bloques. Los resultados presentados en la Tabla 1
determinados en base a los intervalos de probabilidad: muestran que el análisis de la incertidumbre sobre el recurso basado en tres valores umbral diferentes, puede
proporcionar una indicación en cuanto a qué valor de umbral podría ser más apropiado para el depósito. La
comprensión del significado del valor umbral es fundamental en la aplicación de los criterios de clasificación
propuestos. parámetros de extracción y procesamiento pueden además tener en cuenta además de las
* * consideraciones externas que pueden ser tomadas a bordo, la economía relevantes para proyectar o nivel de
- [.0 05 - F uzu
(; ())] + [.0 95 - F uzu
(; ())]
(7)
mi mi
w = w = aversión al riesgo de una empresa. Tenga en cuenta que el análisis en este documento corresponde a la
0 .9 0 .9 propagación de la incertidumbre de secuencia local a la incertidumbre en el recurso global. Criterios de
selección de los valores de umbral basándose en las características de depósito se discuten a continuación. La
Tenga en cuenta que la configuración W y W + a 0,5 corresponde a la definición del comprensión del significado del valor umbral es fundamental en la aplicación de los criterios de clasificación
intervalo de confianza como ± el promedio entre las diferencias negativas y positivas. El propuestos. parámetros de extracción y procesamiento pueden además tener en cuenta además de las
consideraciones externas que pueden ser tomadas a bordo, la economía relevantes para proyectar o nivel de
criterio de clasificación es:
aversión al riesgo de una empresa. Tenga en cuenta que el análisis en este documento corresponde a la
218 El volumen de la serie Spectrum 17 Los avances en yacimiento Modelado y Estratégica Planificación Minera I
CLASIFICACIÓN DE RECURSOS / RESERVA CON INTEGRADO geométricas y MEDIDAS DE GRADO variabilidad local
TABLA 1
clasificación de los recursos de 100 100 m 2 bloques de espesor en base a criterios de clasificación CCV y RPR utilizando 40 por ciento, 50 por ciento
y 60 por ciento umbrales CV.
Categoría Indic Inferir Indic Inferir Indic Inferir Indic Inferir Indic Inferir Indic Inferir
El volumen medio (M m 3) 3.15 3.91 5.26 1.80 6.67 0.46 0.45 6.61 2.06 5.00 3.94 3.13
volumen Max (M m 3) 3.02 4.27 5.66 2.00 7.17 0.55 0.50 7.16 2.19 5.45 4.21 3.43
volumen Min (M m 3) 3.38 3.60 4.96 1.64 6.25 0.36 0.40 6.25 1.91 4.70 3.74 2.89
contra el CCV durante 25 realizaciones de soporte de bloque de la veta. La figura muestra una
propagación general y claramente creciente (riesgo) en el tonelaje del mineral y el grado
promedio a medida que aumenta CCV, que es particularmente fuerte en los tonelajes de mineral.
Esta tendencia también se observa en la Tabla 2 se detallan las estadísticas de resumen para
CCV y contenido de metales en la veta de oro. Las características de la propagación y la
pendiente de las curvas en la Figura 7 y los valores reportados en la Tabla 2 se pueden usar para
guiar la selección de los umbrales para la clasificación. Por ejemplo, la figura 7 sugiere que hay
poco riesgo para un CCV hasta alrededor
0,65 como el tonelaje relacionada encima de las curvas de corte son en su mayoría de
solapamiento y parece haberse estabilizado el grado superior a la media de corte. Además, la
figura muestra que después de un CCV de alrededor
1.1, la propagación de tonelajes y leyes está en su máximo y se mantiene estable para
valores CCV más altas. Por lo tanto, los CCV más altas pueden ser seleccionados para la
clasificación del recurso de alto riesgo.
Selección de los umbrales en una mina de oro los rangos entre el máximo y simulaciones mínimos). También tenga en cuenta que
la tolerancia utilizada en este estudio de caso podría ser menor que resulta en la
El ejemplo de una mina de oro a cielo abierto en el oeste de Australia se utiliza para explorar posibilidad de ampliar los recursos medidos. La Tabla 3 proporciona la información
más a fondo clasificación basada CCV. Los temas abordados incluyen la selección de los detallada de la clasificación de reserva. Un
valores de umbral para la clasificación de reserva. El ejemplo se compone de un conjunto de
vetas epitermales de oro en una zona del depósito que han de ser clasificados como
medidos, indicados o recursos inferidos. La Figura 7 muestra el tonelaje del mineral por
encima de corte (1 g / t) y de grado superior a la media de corte trazada
HIGO 7 - Promedio por encima de la g / t de corte de 1 (izquierda) y el tonelaje del mineral por encima de corte (derecha) representan frente el CCV durante 25 realizaciones
Los avances en yacimiento Modelado y Estratégica Planificación Minera I El volumen de la serie Spectrum 17 219
R DIMITRAKOPOULOS, M Godoy y CL CHOU
difusión (riesgo) en el tonelaje de mineral medida que aumenta la CCV. Figura 8 sugiere la
TABLA 2
presencia de poco riesgo para un CCV hasta aproximadamente 0,45 como el tonelaje
CCV y estadísticos de resumen para el contenido de metal en una carga de oro.
relacionada encima de las curvas de corte son en su mayoría de superposición. La difusión de
la misma curva aumenta hasta un CCV de 0,85, cuando la propagación parece alcanzar su
CCV Min de metal rango Promedio CV Aumento de
metálica Max (oz) metálica (%) la cantidad de máximo y se estabiliza en que la amplitud máxima. Estos dos valores de la CCV entonces se
(oz) (oz) metal pueden utilizar como los valores de umbral escogidos para la clasificación de recursos.
1.20 228 104 295 563 67 459 258 527 6.9 6559
1.30 903 298 081 229 68 178 261 089 6.9 2562
Bloques reportados en la clasificación de los recursos deben ser del mismo
1.40 230 305 299 453 69 148 262 317 7.0 1227
tamaño de apoyo. Si este no es el caso, las medidas de apoyo independientes
1.50 230 549 299 779 69 230 262 641 7.0 324 pueden derivarse. Un enfoque conocido es la estandarización de la CCV de un
bloque de un tamaño apoyo dado usando la raíz cuadrada de la varianza
correspondiente dispersión (por ejemplo Sabourin, 1983). Otro comentario práctico
es que el número de simulaciones requeridas en este enfoque depende de la
TABLA 3
sensibilidad de los resultados. Si simulaciones adicionales no afectan a la
La notificación de clasificación y evaluación de las reservas de mineral de
clasificación general, no se requiere. Todos los enfoques de clasificación pueden
metal, toneladas y el grado promedio.
ser mejoradas mediante la elección de una agrupación espacial racional de los
bloques clasificados en una categoría para evitar su dispersión poco realista. Por
Categoría CCV Tonelaje Promedio (g Metálica
último, si bien no menos importante,
(T) / t) (oz)
220 El volumen de la serie Spectrum 17 Los avances en yacimiento Modelado y Estratégica Planificación Minera I
CLASIFICACIÓN DE RECURSOS / RESERVA CON INTEGRADO geométricas y MEDIDAS DE GRADO variabilidad local
120
100
80
Tonelaje por encima de corte (toneladas x 106)
60
40
20
CCV
HIGO 8 - tonelaje de mineral frente al CCV durante 25 realizaciones del depósito de cobre.
de mezcla deseada de los materiales dentro de períodos que proporcionan el perfil de riesgo
general preespecificado en un período de programación, optimizando así la clasificación de las
reservas. Es posible mejorar sustancialmente y proporcionar evaluaciones más realistas y
clasificación de las reservas cuando los horarios y la incertidumbre de los recursos se gestionan
de forma conjunta.
CONCLUSIONES
Los recursos minerales y reservas de mineral son clasificados como medidos, indicados,
inferido y probada o probable, respectivamente, tanto para la información pública y las
evaluaciones internas de la compañía. Clasificación de Recursos / reserva se basa
tradicionalmente en criterios geométricos, tales como el número de muestras o agujeros de
perforación dentro de un volumen, o alguna forma de variaciones de estimación. Aunque
transparente y relativamente fácil de entender, estos criterios ignoran la variabilidad local de
los grados dentro de un depósito y puede conducir a la simplificación excesiva o tergiversación
de la confianza de los grados estimados.
La integración y el entendimiento de la interacción entre la clasificación de reserva derivación de funciones de distribución acumulativa condicionales de los grados de bloque
con la secuencia de la minería y la programación de la producción tradicionalmente no o atributo seleccionado, la utilización del coeficiente condicional de Variación ( CCV) de la
se consideran, aunque en el pasado, la simulación condicional se ha utilizado para CCDF grado dentro de un bloque como la medida de la incertidumbre para la clasificación
probar la incertidumbre de los programas de producción (Ravenscroft 1992; y otros). de recursos de cada bloque en el modelo de yacimiento, la clasificación de los recursos /
Sin embargo, es lógico, ya que el sencillo ejemplo anterior sugiere, para considerar la reservas, y la evaluación y la producción de perfiles de riesgo para las estimaciones.
mejora de los métodos de clasificación. Por ejemplo,
el
medidas de incertidumbre descritos anteriormente pueden ser utilizados para clasificar los Los aspectos prácticos y las complejidades del enfoque propuesto se exploran en tres
recursos / reservas dan un programa de producción y consideran diferentes criterios de aplicaciones en un depósito de diamante aluvial, una veta de oro epitermal y un depósito de
clasificación de los períodos mineras a fin de reflejar el tiempo. cobre pórfido. Una observación interesante, común a estas aplicaciones, es que hay
agrupaciones naturales de la CCV de bloques de minería que permiten la clasificación racional
Es también, y tal vez es más importante hacer hincapié en que la programación se puede de los recursos o reservas de una manera transparente y técnicamente defendible. Con esta
realizar en condiciones de incertidumbre geológica y el descuento riesgo geológico se puede herramienta, junto con las prácticas existentes, tales como el examen de secciones
aplicar dentro de las formulaciones de programación. Este concepto se introduce en el transversales del depósito, para asegurar que se cumplen las definiciones de los códigos de
descuento de Dimitrakopoulos y Ramazan (2004) y se utiliza en los nuevos programadores información nacional. Como resultado, la presentación de informes de clasificación de los
estocásticos a largo plazo la producción minera (Ramazan y Dimitrakopoulos, 2009; también, recursos / reservas y puede apoyar una mejor toma de decisiones de inversión.
Benndorf y Dimitrakopoulos de 2010, en este volumen) conduce a una
Los avances en yacimiento Modelado y Estratégica Planificación Minera I El volumen de la serie Spectrum 17 221
R DIMITRAKOPOULOS, M Godoy y CL CHOU
HIGO 10 - condicionales funciones de distribución acumulativa que describen la incertidumbre en el volumen de materiales mineralizadas para la producción
períodos (izquierda) y el perfil de riesgo sobre el volumen esperado durante tres períodos de producción (derecha). Las variaciones trazados no son acumulativos.
Una mejora clave de este enfoque podría ser vinculándola a la mía programación de la Froidevaux, R, Roscoe, WE y Valiant, RI, 1986. Estimación y
producción, en primer lugar, por lo que las clasificaciones representan las unidades de producción la clasificación de las reservas de oro en la Página-Williams zona C: Un estudio de caso en
con el tiempo - lo que se ha extraído en diez años no debería quizás ser clasificado como lo que es geoestadística no paramétricas, en Reservas de Mena Estimación: Métodos, Modelos y
necesario extraer el próximo año y en segundo lugar , al considerar el control de la clasificación de Realidad ( eds: M David, R Froidevaux, AJ Sinclair y M Vallée), pp 280-300 (Instituto
Canadiense de Minería: Montreal). Giroux, GH, Sinclair, AJ y Miller, JHL, calidad 1986.
los recursos / reservas a través de la mezcla de riesgos y aplazamiento, una capacidad que los
Producción
programadores estocásticos pueden ofrecer.
experimentos de control, en Reservas de Mena Estimación: Métodos, Modelos y Realidad
( eds: M David, R Froidevaux, AM Sinclair y M Vallée), pp 238-260 (Instituto Canadiense de
Minería: Montreal). Comité Conjunto Ore Reserves (JORC), 2004. Código de Australasia
EXPRESIONES DE GRATITUD para
La comunicación de los resultados de exploración, Recursos Minerales y mineral
Se agradece el fin de los miembros de la industria del Laboratorio COSMO:
reservas (Código JORC). Journel, AG y Kyriakidis, PC, 2004. Evaluación de las reservas
AngloGold Ashanti, Barrick, BHP Billiton, De Beers, Newmont, Vale y Vale Inco, así
minerales
como CRSNG (Descubrimiento Grant 239019), la Investigación de Canadá
- Un enfoque de simulación, 232 p (Oxford University Press: Nueva York). Leite, A y
Programa de Cátedras y TPI son gratamente admitido. Dimitrakopoulos, R, 2010. Programación de la producción en virtud
Arik, A, 2002. Comparación de metodologías de clasificación de recursos con Dimitrakopoulos), pp 35-40 (El Instituto Australiano de Minería y Metalurgia: Melbourne).
un nuevo enfoque, en Proceedings Aplicaciones de la Informática y Operaciones de Lopes, JA, Rosas, CF, Fernandes, JB y Vanzela, GA, 2010.
investigación en la industria mineral (APCOM) 2002.
Una simulación basada en la geología conjunta condicional de un depósito de níquel
Audet, M y Ross, AF, 2007. Koniambo lateríticos depósitos de Ni-Co, Nueva
laterítico - Cuantificación de riesgo en las curvas de tonelaje de grado y la categorización
Caledonia - Un estudio de caso de modelado geológico a la clasificación de recursos
de los recursos, en Los avances en yacimiento Modelado y Estratégica Planificación
minerales, en Yacimiento Modelado y Planificación Estratégica de la mina, segunda edición
Minera (I ed: R Dimitrakopoulos), pp 205-214 (Instituto Australiano de Minería y Metalurgia:
(ed: R Dimitrakopoulos), pp 235-244 (Instituto Australiano de Minería y Metalurgia:
Melbourne). Murphy, M, Parker, H, Ross, A y Audet, M, 2004. Ore-espesor y
Melbourne). Benndorf, J y Dimitrakopoulos, R, 2007. Los nuevos métodos eficientes para
Estratégica Planificación Minera (I ed: R Dimitrakopoulos), pp 151-158 (Instituto Australiano de Revista Europea de Investigación de Operaciones ( presentado) e Informe de COSMO 2007, pp
Minería y Metalurgia: Melbourne). 257-294.
Ravenscroft, PJ, análisis 1992. Riesgo para la mía programación por condicional
Comisiones de Valores de Canadá (CSA), 2005. instrumento Nacional simulación, Las transacciones de las instituciones de Minería y
43-101: Normas para la divulgación de proyectos minerales. David, M, 1977. Geoestadística Metalurgia, Tecnología Minera, 101: A104-A108. Sabourin, RL, 1983. Aplicación del
222 El volumen de la serie Spectrum 17 Los avances en yacimiento Modelado y Estratégica Planificación Minera I