Recursos / Clasificación Reserva con Integrado geométrica y Medidas locales grado
de variabilidad
R Dimitrakopoulos 1, M Godoy 2 y CL Chou 3
ABSTRACTO
Categorización de los recursos minerales y reservas de mineral como medidos, indicados,
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
comprensión de los recursos minerales de estimación de reservas de mineral, los impactos
geológicos incertidumbre en gran medida de la clasificación recurso / reserva. Clasificación de
Recursos / reserva se basa tradicionalmente en criterios geométricos, como por el número de
muestras o agujeros de perforación dentro de un volumen alrededor de los bloques de depósito
siendo clasificada, o, alternativamente, alguna forma de una varianza estimada
geoestadísticamente derivado. Estos criterios son relativamente fáciles de entender y aplicar -
sin embargo, no tienen en cuenta la variabilidad local de grados dentro de un depósito,
Este documento propone un enfoque fundado en un marco de simulación estocástica para
cuantificar la incertidumbre geológica y riesgo en cinco pasos: generación de realizaciones adecuadas
de la depósito en la escala blocksupport apropiado, derivación de funciones condicionales acumulativos
de distribución (CCDF) de los grados de bloque o atributo seleccionado, la utilización del coeficiente de
variación condicional (CCV) de la CCDF grado dentro de un bloque como la medida de la incertidumbre
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
enfoque integra tanto las consideraciones geométricas utilizadas tradicionalmente, en el sentido de
ubicaciones de datos y la en el lugar la variabilidad de los grados. Las aplicaciones en un yacimiento de
diamantes de aluvión, veta de oro epitermal y un espectáculo de pórfidos de cobre que hay
agrupaciones naturales de la CCV de bloques de minería que permiten la clasificación racional de los
recursos o reservas. El enfoque propuesto no sólo es transparente, pero también proporciona un
reporte técnicamente defendible del recurso / reserva ficación de clase en un contexto geoestadística y
puede apoyar una mejor toma de decisiones de inversión.
INTRODUCCIÓN
Clasificación de recursos minerales medidos, indicados e inferidos reservas de mineral
y como comprobada o probable se requiere para la divulgación pública como se detalla
en diversos códigos como JORC, CIM, PERC, o SAMREC. Además, la categorización
de los recursos y las reservas es un contribuyente importante a la evaluación de los
activos mineros y sus curvas de tonelaje-ley de una empresa. Es ampliamente
aceptado que la incertidumbre y el riesgo geológico en gran medida el impacto de la
clasificación de recursos y reservas, a partir del conocimiento de los recursos minerales
y los programas de exploración de la 'reserva de mineral'. Fiabilidad, confianza,
la transparencia y la
'Capacidad de defensa' técnica de la clasificación son críticos. Teniendo en cuenta el valor de las
empresas mineras, los beneficios para los accionistas, la presentación de informes a las instituciones
financieras, y la atracción de la comunidad de inversores para la toma de decisiones en el orden de mil
millones de dólares, hay una verdadera necesidad de comprender y cuantificar la incertidumbre
geológica
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
2. MAusIMM, Golder Associates Santiago, Av 11 de Septiembre 2353, Piso 2, Proviendencia
Santiago, Chile. E-mail: mgodoy@golder.cl
3. COSMO - Laboratorio de Planificación Minera estocástico, Departamento de Ingeniería de
Minas y de Materiales de la Universidad McGill, Edificio de la FDA, 3450 University Street,
Montreal QC H3A 2A7, Canadá. E-mail: lulu.chou@mail.mcgill.ca
Los avances en yacimiento Modelado y Estratégica Planificación Minera I
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
clasificación recurso / reserva, apoyar una mejor toma de decisiones de inversión, habilitar
los informes de bolsa de valores técnicamente defendible y el cumplimiento de los códigos
de la industria y proporcionar una mayor seguridad a los inversores y proteger el público.
Tradicionalmente,
clasificación de los recursos se ha basado en
consideraciones geométricas y una clasificación bloque por bloque usando criterios
vinculados al número de muestras con-en un volumen o de perforación densidades de
agujeros, o alternativamente, una varianza de estimación geoestadísticamente derivado.
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
tergiversación de la confianza de los grados estimados dentro de volúmenes dados y de
las
el resultando recurso / reserva
clasificación.
Los esfuerzos anteriores para mejorar las técnicas de clasificación se centraron en el desarrollo y uso de
versiones alternativas de estimación de leyes (kriging) varianzas, donde los patrones de clasificación se basan
en el tamaño de la cuadrícula de muestreo (por ejemplo Saburin, 1983; Froideveau, Roscoe y Valiant, 1986;
David , 1988; David y Dagbert, 1977; Arik, 2002 y otros). Como también se ha indicado anteriormente, estas
formulaciones puede dar cuenta de posibles aumentos de la precisión como el tamaño de la cuadrícula de
muestreo disminuye - sin embargo, que no incorporan incertidumbre introducida por la variabilidad local en los
datos reales como presentados elocuentemente por Ravenscroft (1992). La Figura 1 ilustra este punto, que
muestra dos configuraciones idénticas de un bloque y cuatro orificios de perforación. A la derecha, el grado del
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.
las variaciones de estimación no abordan adecuadamente la cuestión de la precisión de las 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 simulación se han
sugerido dados los problemas discutidos anteriormente (Audet y Ross, 2007; Wawruch y Betzhold, 2005;
Dohm, 2005; Duggan y Dimitrakopoulos, 2005; Murphy las variaciones de estimación no abordan
adecuadamente la cuestión de la precisión de las 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 simulación se han sugerido dados los problemas discutidos
anteriormente (Audet y Ross, 2007; Wawruch y Betzhold, 2005; Dohm, 2005; Duggan y Dimitrakopoulos, 2005;
Murphy las variaciones de estimación no abordan adecuadamente la cuestión de la precisión de las
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
simulación se han sugerido dados los problemas discutidos anteriormente (Audet y Ross, 2007; Wawruch y Betzhold, 2005; Doh
Las deficiencias de la convencional reserva / recurso
clasificación puede ser explorado en un ejemplo de una mina de oro. Reservas clasificados
como medidos, indicados e inferidos se basan principalmente en el número de muestras
dentro de una distancia de un bloque que se está estimado geoestadísticamente y la
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
HIGO 1 - Estimación para las configuraciones de muestreo idénticas con
diferente variabilidad de grado local y la incertidumbre.
El volumen de la serie Spectrum 17 215
R DIMITRAKOPOULOS, M Godoy y CL CHOU

metodología de clasificación

Una metodología de clasificación de recursos se describe en la Figura 3 y consta de cinco

pasos:

1. generación de realizaciones adecuadas de la depósito en la escala de soporte de

bloques considera apropiado,

2. derivación de funciones condicionales acumulativos de distribución (CCDF) de los grados

de bloque o atributo seleccionado,

3. cálculo de la medida (s) la incertidumbre que se utilizará para la clasificación de

recursos basada en el CCDF de cada bloque en el modelo de yacimiento,

4. clasificación de los recursos / reservas, y

5. evaluación y elaboración de perfiles de riesgo para las estimaciones.

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

zk es la media de la clase z k-1, ( z k-1, z k] que en el caso de un modelo

de interpolación lineal de clase dentro corresponde a z k = ( z k-1 + z k)
/ 2
K +
En las siguientes secciones, las técnicas de simulación estocástica se muestran para *

proporcionar crítico información para los recurso / reserva

zu
mi
() = Σ zk F[(;),
uz k
- F uz
(; k- 1
)] es la suma discreta
k = 11 aproximación al valor esperado de la CCDF
Clasificación complementando las estimaciones de recursos, con el entendimiento de la
naturaleza polifacética del proceso de clasificación y el papel de la persona competente. La El coeficiente de variación condicional (CCV) corresponde a la desviación
incertidumbre técnicas de modelo en los grados estimados de los modelos del yacimiento y estándar condicional dividida por la media o desviación estándar relativa. Expresa
dar lugar a una evaluación de la incertidumbre geológica como una función tanto en el lugar la variabilidad como un porcentaje de la media, y se calcula como:

la variabilidad y la densidad de perforación. Además, el marco de simulación permite la

integración de alternativas geológicas simulados con los grados simulados y los posibles
errores en los datos de ensayo, ubicación de los orificios de perforación y así K +

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:

RECURSOS / CLASIFICACIÓN Y RESERVA uq RIC

() = ()uq - ()U F=U
- 1
(;. 0 75 ) - F U (;. 0 25 )
- 1
(3)
0 .75 0 .25
Medidas de incertidumbre LOCAL
Del mismo modo, la generalización a cualquier rango percentil inter (DPI), tal como un
La simulación condicional permite una reserva de recursos metodología / ification de
intervalo de confianza del 90 por ciento, se define como:
clase que considera simultáneamente la densidad de datos y la continuidad yacimiento,
así como en el lugar variabilidad. En esta sección, se describen los aspectos clave de la
- 1 - 1
metodología, incluidas las medidas apropiadas de incertidumbre que se utilizarán para la uq DPI
() = 0 .95
()uq - 0 .05
()U F=U (;. 0 95 ) - F U (;. 0 05 ) (4)
clasificación recurso / reserva. La metodología se ilustra el uso de un yacimiento de
diamantes de soporte en el sur-oeste de África. A diferencia de la CV y ​CCV, IPR y sus variaciones no son afectadas por la magnitud
de los grados de la CCDF y por lo tanto no son sensibles

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 3 - Representación esquemática de un método de clasificación de recursos basada en la simulación.

ubicaciones de los orificios se muestran en la figura por triángulos. El CV muestra una

buena correlación entre las regiones de alta densidad de muestreo y baja varianza
condicional. Sin embargo, esto no es necesariamente cierto para las áreas de alto
espesor. La presencia de un efecto proporcional se ve claramente al comparar el CV y
​valores de espesor de bloque media, lo que sugiere que que la CV puede no ser una
medida adecuada de incertidumbre local. De manera similar a la CV, el IQR muestra una
buena correlación entre las regiones de muestreo denso y menores valores IQR, así como
una mayor incertidumbre sobre los valores de espesor superiores. En general, para la
distribución de la distorsión en la RIC puede parecer más atractivo que el CV como el RIC
es una medida relativa que no utiliza la media. Un inconveniente importante de la IQR es
que ignora la distribución interna de las densidades de probabilidad, que conduce a la
sobre-representación de incertidumbre. El CCV discrimina mejor que el CV y ​IQR en
términos de densidad de la muestra (disponible información acondicionado) y, más
importante, no exhibe un efecto proporcional. Como resultado, es más adecuado para la
clasificación de los recursos.

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.

• Medido si CCV Umbral Threshol

< 2 ESTUDIOS DE CASO
CCVClassification = •• re 2 ≤ Indica si Umbral CCV < 1 (5)
•• Inferirse si CCV Threshol
≥ re 1 Un ejemplo sencillo en un depósito de diamante

Para un depósito de diamante aluvial donde el parámetro de clasificación importante es el

Como un ejemplo, considere una clasificación CCV con una CCV umbral de 0,5. En
espesor, la Figura 6 muestra una vista en planta de la clasificación de los recursos como
este caso, todos los bloques para los que el intervalo de confianza del delimitadas por ±
se indica o infiere utilizando tres criterios de clasificación (CCV con un umbral de CV de 40
la desviación estándar es más del 50 por ciento del valor de la media será clasificado
por ciento, RPR con un 90 por intervalo de confianza ciento y un único umbral (por
como inferidos. Los bloques restantes se clasifican como indicado o medido. La
simplicidad) de 40 por ciento, y CCV con un umbral de CV de 50 por ciento). La Tabla 1
selección de valores de umbral se aplaza hasta una sección posterior.
detalla la clasificación de recursos potencial en este yacimiento de diamantes y de las
estimaciones relacionadas con su incertidumbre. Usando la clasificación CCV, tanto el
Un segundo intervalo de confianza sobre la base de 90 por ciento de probabilidad volumen clasifican como se indica y la incertidumbre asociada, tal como se mide por las
(un rango percentil relativa o RPR) es un intervalo de confianza alrededor de la media diferencias en los volúmenes máximo y mínimo, aumentan con el umbral, como se
que se compara con un intervalo de confianza del umbral definido como una proporción esperaba. El aumento de volumen es considerable, mientras que el aumento de la
de esta media. La clasificación CCV se define en base a la desviación estándar, aquí el incertidumbre en relación con el valor esperado es relativamente pequeña. En términos
intervalo de confianza se define teniendo en cuenta la posición relativa de la media de globales, la incertidumbre en el volumen de las categorías contempladas es relativamente

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

de confianza simétrica utilizada en este criterio es: considerarse conservadora.

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

• Si la confianza se mide Umbral

< En tErval 2 propagación de la incertidumbre de secuencia local a la incertidumbre en el recurso global. Criterios de
Clasificación RPR = •• Confianza En tErval 2≤ Indica si umbral Co < nfidence En tErval 1 selección de los valores de umbral basándose en las características de depósito se discuten a continuación. La
•• Si la confianza inferido umbral En tErval 1
≥ comprensión del significado del valor umbral es fundamental en la aplicación de los criterios de clasificación propuestos. parámetros de extrac

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.

Límite clasificación CCV clasificación RPR

40% 50% 60% 40% 50% 60%

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.

En un análisis alternativo, la Tabla 2 muestra un CV con un mínimo de 4,2 por

ciento en el umbral 0,65 CCV, lo que sugiere que este umbral corresponde a la
más cierta medida de la cantidad de metal y sería un umbral razonable para
diferenciar entre las reservas medidos e indicados. La diferenciación entre las
HIGO clasificación de recursos utilizando la clasificación CCV - 6
reservas indicados e inferidos puede estar basado en un CV de aproximadamente
criterio con un umbral de CV de 40 por ciento (izquierda); clasificación RPR dentro
6,7 por ciento o CCV de 1,1, que identifica el extremo más alto de riesgo. En un
de 90 por ciento intervalo de confianza y un umbral de CV de 40 por ciento (en el centro); y
umbral más alto solamente sería entregado una pequeña cantidad de metal
clasificación CCV usando una
adicional. Para un valor CCV entre 0,65 y 1,1, tanto en cantidad de metal y la
umbral de CV de 50 por ciento (derecha).
incertidumbre aumentan sustancialmente. Por lo tanto, existe un compromiso entre
las ganancias en la cantidad de metal y aumento en el riesgo de la hora de
diferenciar entre las reservas indicados e inferidos. ± en la tabla son en términos de

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

de una carga de oro.

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.

0.35 576 1151 575 812 17.0

0.40 2925 4645 1720 3849 10.3 3037

0.45 6721 9834 3113 8840 7.8 4991 comentarios

0.50 14 245 20 000 5755 18 120 6.3 9280
Es importante señalar que los umbrales utilizados en los ejemplos anteriores
0.55 29 146 36 105 6959 33 353 4,4 15 233 cambiarán de depósito para depositar, diferentes zonas geológicas y diferentes
0.60 48 050 58 724 10 674 53 916 4,3 20 563 productos. Sin embargo, el proceso de generación de valores de CCV seguirá
siendo el mismo frenos y la relativamente distinta en las diferentes curvas y tablas
0.65 72 354 83 978 11 624 77 909 4,2 23 993
correspondiente estará presente. Además, es importante reiterar que a diferencia
0.70 97 457 116 560 19 102 107 747 4,7 29 838 de los enfoques tradicionales, la clasificación de los bloques usando cualquiera de
0.75 127 570 155 776 28 206 140 369 5,3 32 622 las medidas propuestas generadas a través de simulaciones reflejan tanto la
densidad de datos y la variación local de grado. La Figura 9 muestra la clasificación
0.80 644 187 932 151 36 288 168 126 5,4 27 757
CCV de bloques en una sección de la veta de oro se discutió anteriormente, junto
0.90 436 238 876 191 47 440 212 314 6,0 44 188 con los datos de perforación disponibles. Aunque la densidad de perforación varía,
1.00 212 766 270 189 57 423 238 691 6,4 26 377 la clasificación no siempre muestran una fuerte correlación con la densidad de
perforación. Por ejemplo,
1.10 223 778 286 719 62 941 251 968 6,7 13 277

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)

Mesurado <0,65 790 ± 23 2,80 ± 0,13 77,9 ± 2,3

Indicado 0,65-1,1 1734 ± 87 2,84 ± 0,17 174,0 ± 14,0

inferido > 1.1 103 ± 9,4 2,92 ± 0,16 10,5 ± 1,9

importante diferencia de los métodos de clasificación tradicionales de este ejemplo es
que la clasificación es independiente del grado de bloque promedio.
Tenga en cuenta que una expectativa clave de la clasificación de los recursos es apoyar
la planificación minera. El enfoque de Parker (Harry Parker, comunicación personal) de uso
general, (también se muestra por Lopes
et al, 2010, en este volumen) sugiere que medir deben soportar tres meses incrementos
en la producción y los incrementos de producción anuales indicados. Aunque en el
momento de este estudio no fue así, el enfoque presentado puede fácilmente y debe
ser implementado, con el fin de indicar los niveles de confianza en términos de
incrementos de producción utilizados para la planificación.
Selección de los umbrales en un depósito de cobre
El ejemplo de un depósito de cobre pórfido en Canadá ilustra además el uso de
una clasificación basada CCV para la clasificación recurso / reserva. El ejemplo
considera la parte del depósito dentro de la fosa óptima
límites (ver Leite y
Dimitrakopoulos de 2010, en este volumen). Para el presente estudio, 25 realizaciones de las
leyes de cobre de 20 × 20 × 10 m 3 Se utilizan bloques. La Figura 8 muestra el tonelaje del mineral
por encima del 0,3 por ciento de Cu de corte utilizado aquí representada frente a la CCV para los
25 realizaciones simuladas de la veta de cobre generada directamente en el tamaño de bloque
requerido (por ejemplo Benndorf y Dimitrakopoulos, 2007). De manera similar al caso de estudio
anterior, la figura muestra un marcado carácter creciente
Un enlace con la programación de producción y
Algunos aspectos relacionados
Los enfoques y ejemplos expuestos en los apartados anteriores no tienen en cuenta la influencia
potencial de la programación de la producción a la clasificación de reservas de mineral. Se
puede argumentar que la secuenciación y el tiempo de la minería añade una nueva dimensión a
las decisiones sobre la clasificación de reserva. Esto se debe a que los criterios para decidir lo
que es un riesgo aceptable en un año puede no ser necesariamente el mismo que en las
decisiones de años diez posteriores y el riesgo asociados con la parte minera de un yacimiento
de este año no necesariamente debe ser evaluado de la misma manera como lo es para ser
extraído algunos años más tarde cuando la información y las condiciones serán diferentes.
Una extensión del ejemplo del depósito de diamante aluvial presentado anteriormente se
utiliza aquí para ilustrar la cuantificación de la incertidumbre en las reservas (y satisfaciendo
así los objetivos de producción) - aquí el volumen total de material mineral extraído. En primer
lugar, un programa de producción se desarrolla a través de medios convencionales para doce
500
× 500 m 2 bloques y considera la minería cuatro de estos bloques por período durante tres
períodos de producción. Entonces, la evaluación de la incertidumbre se realiza a partir de un
conjunto de modelos del yacimiento simulados en el bloque mismo soporte escala para modelar
la incertidumbre en el volumen de cada período de producción. La Figura 10 muestra los ccdfs
para volúmenes de material extraídos en cada uno de los tres períodos de producción,
describiendo de este modo su incertidumbre. Además, la Figura 10 muestra el perfil de riesgo del
volumen previsto para tres periodos de producción. Si el riesgo es un criterio principal de
clasificación de reserva, a continuación, la reserva en el primer período de la minería debería tal
vez ser clasificado en una categoría diferente de aquel en el tercer período.

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
0 0.2
HIGO 8 - tonelaje de mineral frente al CCV durante 25 realizaciones del depósito de cobre.
HIGO 9 - bloques en una sección de una carga de oro de anuncios utilizando el CCV
Clasificación (izquierda) y el uso de turbina disponible (derecha).
La integración y el entendimiento de la interacción entre la clasificación de reserva
con la secuencia de la minería y la programación de la producción tradicionalmente no
se consideran, aunque en el pasado, la simulación condicional se ha utilizado para
probar la incertidumbre de los programas de producción (Ravenscroft 1992; y otros).
Sin embargo, es lógico, ya que el sencillo ejemplo anterior sugiere, para considerar la
mejora de los métodos de clasificación. Por ejemplo,
medidas de incertidumbre descritos anteriormente pueden ser utilizados para clasificar los
recursos / reservas dan un programa de producción y consideran diferentes criterios de
clasificación de los períodos mineras a fin de reflejar el tiempo.
Es también, y tal vez es más importante hacer hincapié en que la programación se puede
realizar en condiciones de incertidumbre geológica y el descuento riesgo geológico se puede
aplicar dentro de las formulaciones de programación. Este concepto se introduce en el
descuento de Dimitrakopoulos y Ramazan (2004) y se utiliza en los nuevos programadores
estocásticos a largo plazo la producción minera (Ramazan y Dimitrakopoulos, 2009; también,
Benndorf y Dimitrakopoulos de 2010, en este volumen) conduce a una
Los avances en yacimiento Modelado y Estratégica Planificación Minera I
0.4 0.6 0.8 1 1.2 1.4
CCV
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.
En este documento, un enfoque integrador ambos criterios geométricos y en el lugar la
variabilidad de grado se describe y su aplicación explorado. El enfoque se basa en la
simulación condicional y cuantificación del riesgo en cinco pasos: generación de
realizaciones adecuadas de la depósito en la escala de soporte de bloques apropiado,
derivación de funciones de distribución acumulativa condicionales de los grados de bloque
o atributo seleccionado, la utilización del coeficiente condicional de Variación ( CCV) de la
CCDF grado dentro de un bloque como la medida de la incertidumbre 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.
el
Los aspectos prácticos y las complejidades del enfoque propuesto se exploran en tres
aplicaciones en un depósito de diamante aluvial, una veta de oro epitermal y un depósito de
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
de los recursos o reservas de una manera transparente y técnicamente defendible. Con esta
herramienta, junto con las prácticas existentes, tales como el examen de secciones
transversales del depósito, para asegurar que se cumplen las definiciones de los códigos de
información nacional. Como resultado, la presentación de informes de clasificación de los
recursos / reservas y puede apoyar una mejor toma de decisiones de inversión.
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
producción, en primer lugar, por lo que las clasificaciones representan las unidades de producción
con el tiempo - lo que se ha extraído en diez años no debería quizás ser clasificado como lo que es
necesario extraer el próximo año y en segundo lugar , al considerar el control de la clasificación de
los recursos / reservas a través de la mezcla de riesgos y aplazamiento, una capacidad que los
programadores estocásticos pueden ofrecer.
EXPRESIONES DE GRATITUD
Se agradece el fin de los miembros de la industria del Laboratorio COSMO:
AngloGold Ashanti, Barrick, BHP Billiton, De Beers, Newmont, Vale y Vale Inco, así
como CRSNG (Descubrimiento Grant 239019), la Investigación de Canadá
Programa de Cátedras y TPI son gratamente admitido.
Referencias
Arik, A, 2002. Comparación de metodologías de clasificación de recursos con
un nuevo enfoque, en Proceedings Aplicaciones de la Informática y Operaciones de
investigación en la industria mineral (APCOM) 2002.
Audet, M y Ross, AF, 2007. Koniambo lateríticos depósitos de Ni-Co, Nueva
Caledonia - Un estudio de caso de modelado geológico a la clasificación de recursos
minerales, en Yacimiento Modelado y Planificación Estratégica de la mina, segunda edición
(ed: R Dimitrakopoulos), pp 235-244 (Instituto Australiano de Minería y Metalurgia:
Melbourne). Benndorf, J y Dimitrakopoulos, R, 2007. Los nuevos métodos eficientes para
simulación condicional de grandes yacimientos, en Yacimiento Modelado y Planificación
Estratégica de la mina, segunda edición (ed: R Dimitrakopoulos), pp 61-68 (El Instituto
Australiano de Minería y Metalurgia: Melbourne).
Benndorf, J y Dimitrakopoulos, R, 2010. estocástico largo plazo
programación de la producción de los yacimientos de mineral de hierro: La integración de la
incertidumbre geológica multi-elemento de unión, en Los avances en yacimiento Modelado y
Estratégica Planificación Minera (I ed: R Dimitrakopoulos), pp 151-158 (Instituto Australiano de
Minería y Metalurgia: Melbourne).
Comisiones de Valores de Canadá (CSA), 2005. instrumento Nacional
43-101: Normas para la divulgación de proyectos minerales. David, M, 1977. Geoestadística
Estimación de Reservas de Mena, p 364 (Elsevier:
Los países bajos). David, M, 1988. Handbook of Applied avanzada Geostatistical Ore
Estimación de la Reserva, p 217 (Elsevier: Los Países Bajos). David, M y Dagbert, M,
1977. La predicción de toneladas de fuga antes
comience la producción, o pequeños bloques no son buenos para la planificación de los
depósitos de pórfido, documento presentado en la reunión anual del Instituto Americano de Minería,
Metalurgia e Ingeniería de Petróleo, de Atlanta. Dimitrakopoulos, R y Ramazan, S, producción
basado 2004. La incertidumbre
programar en la minería a cielo abierto, Transacciones SME, 316: 106-112. Dohm, C, 2005.
clasificación cuantificable recurso mineral - A lógico
enfoque, en Geoestadística Banff 2004 ( eds: O Leuangthong y C Deutsch), 1: 333-342
(Springer: Dordrecht).
Duggan, S y Dimitrakopoulos, R, 2005. La aplicación de condicional
simulación para cuantificar la incertidumbre y para clasificar un depósito deflación
diamante, en Geoestadística Banff 2004 ( eds: O Leuangthong y C Deutsch), 2: 419-428
(Springer: Dordrecht).
222 El volumen de la serie Spectrum 17
Froidevaux, R, Roscoe, WE y Valiant, RI, 1986. Estimación y
la clasificación de las reservas de oro en la Página-Williams zona C: Un estudio de caso en
geoestadística no paramétricas, en Reservas de Mena Estimación: Métodos, Modelos y
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.
Producción
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
para
La comunicación de los resultados de exploración, Recursos Minerales y mineral
reservas (Código JORC). Journel, AG y Kyriakidis, PC, 2004. Evaluación de las reservas
minerales
- Un enfoque de simulación, 232 p (Oxford University Press: Nueva York). Leite, A y
Dimitrakopoulos, R, 2010. Programación de la producción en virtud
la incertidumbre de metal - Aplicación de programación matemática estocástica en una
mina de cobre a cielo abierto y la comparación con la programación convencional, en Los
avances en yacimiento Modelado y Estratégica Planificación Minera (I ed: R
Dimitrakopoulos), pp 35-40 (El Instituto Australiano de Minería y Metalurgia: Melbourne).
Lopes, JA, Rosas, CF, Fernandes, JB y Vanzela, GA, 2010.
Una simulación basada en la geología conjunta condicional de un depósito de níquel
laterítico - Cuantificación de riesgo en las curvas de tonelaje de grado y la categorización
de los recursos, en Los avances en yacimiento Modelado y Estratégica Planificación
Minera (I ed: R Dimitrakopoulos), pp 205-214 (Instituto Australiano de Minería y Metalurgia:
Melbourne). Murphy, M, Parker, H, Ross, A y Audet, M, 2004. Ore-espesor y
confianza grado de níquel del recurso en el depósito de laterita Koniambo níquel en
Nueva Caledonia - Un viaje simulación condicional del descubrimiento, en Geoestadística
Banff 2004 ( eds: O Leuangthong y C Deutsch) (Springer: Dordrecht). Parker, H.
Comunicación personal.
Ramazan, S y Dimitrakopoulos, R, 2009. Programación de la producción con
suministro incierto: Una nueva solución al problema de la minería a cielo abierto,
Revista Europea de Investigación de Operaciones ( presentado) e Informe de COSMO 2007, pp
257-294.
Ravenscroft, PJ, análisis 1992. Riesgo para la mía programación por condicional
simulación, Las transacciones de las instituciones de Minería y
Metalurgia, Tecnología Minera, 101: A104-A108. Sabourin, RL, 1983. Aplicación del
método Geostatistical a
definir cuantitativamente distintas categorías de recursos, en Geoestadística para
Caracterización de Recursos Naturales Parte 1, Serie C:
Ciencias Matemáticas y Físicas (ed: G Verly) 122: 201-216. Sinclair, AJ y Blackwell, GH,
2002. Inventario Aplicada Mineral
Estimacion, 381 p (Cambridge University Press: Nueva York). Comité Sudafricano de
Recursos Minerales (SAMREC), 2000. Sur
informes de África de los recursos minerales y reservas minerales, Instituto del África
Meridional de Minería y Metalurgia. Comisión de Valores de Estados Unidos (SEC), 2006.
Guía de la Industria 7.
Wawruch, T, Jorge, F y Betzhold, JF, 2005. Recurso Mineral
clasificación mediante simulación condicional, en Geoestadística Banff 2004 ( eds: O
Leuangthong y C Deutsch), 1: 479-489 (Springer: Dordrecht).
Los avances en yacimiento Modelado y Estratégica Planificación Minera I