-Modelamiento-geologico

Informe Final 1 de 31

PROYECTO MODELACION INTEGRAL

MINA xxxxxx

ELABORACION DEL MODELO DE LEYES DEL

CUERPO xxxxxx

Junio xxxx


Resumen Ejecutivo.

a) Avances Realizados:

Por ser uno de los más importantes de Uchucchacua, el cuerpo Rosario fue objeto del análisis

Estadístico y Geoestadístico, este trabajo fue realizado para elementos Ag, Pb, Zn y Mn y comprendió

las siguientes partes:

i. Estadísticas básicas de los elementos Ag, Pb, Mn, y Zn, histogramas y gráficos de

probabilidad acumulada para discernir poblaciones y valores altos erráticos, análisis de

correlación entre los cuatros elementos a fin de identificar asociaciones entre ellos, y

análisis de la variación de leyes según la cota con el objetivo de determinar zoneamientos

de las leyes según la elevación.

ii. El Análisis Variográfico necesario para determinar las tendencias en la distribución

espacial de las leyes se realizó usando mapas de variogramas relativos y variogramas

experimentales en múltiples direcciones. Usando éstos, se hallaron los ejes principales de

anisotropía y se determinaron los modelos matemáticos que mejor se ajustan a los

variogramas experimentales. Estos sirvieron como base para el diseño del plan de Krigeado.

iii. La Estimación de Recursos fue hecha usando la técnica de Krigeado Ordinario con

elipsoides de búsqueda determinados según los parámetros variográficos sobre un modelo

de bloques de 2x2x2m enmarcado dentro de los sólidos del modelo geológico del Cuerpo

Rosario. Los Recursos estimados para este cuerpo fueron 89,413Tm con 37.22 Oz/Tm de

Ag 1.33% de Pb y 1.61% de Zn promedio.

iv. Análisis de Certezas de Estimación, a cada bloque se le asignó una certeza de estimación

basada en la varianza de estimación correspondiente calculada por el algoritmo de

Krigeado.

b) Desarrollos Propuestos:

Adicionalmente al estudio Geoestadístico inicial realizado se propone realizar los siguientes

trabajos:

i. Inclusión de más variables geológicas en el análisis Geoestadístico, esto permitirá modelar

y predecir mejor las leyes estimadas al contar con un soporte geológico más completo.

ii. Krigeado de Indicadores, lo cual seria útil para el Control de Leyes al asignar una

probabilidad a cada bloque de que este sea mineral o desmonte.

La Simulación condicional sirve para determinar la variabilidad esperada en las leyes, analizar

múltiples escenarios posibles de la estimación de recursos, y asignar certezas de estimación

cuantitativas


1. Introducción

Como parte del Proyecto de “Modelación Tridimensional Integral” de la Unidad Minera Uchucchacua

se contempló el análisis Geoestadístico de algunos de los cuerpos en explotación. Al no especificarse

claramente los alcances que debería tener este entregable se optó por desarrollar una análisis estadístico

y de variabilidad espacial completo (en la medida que la cantidad y calidad de información lo

permitieran), y la elaboración de un modelo de leyes y de certezas de estimación para el Cuerpo

Rosario.

Si bien es cierto que en el campo de la Geoestadística hay análisis y modelos más sofisticados que

pueden elaborarse usando software especializado, el presente trabajo se centró en explotar todas las

posibilidades de aplicación inmediata del modelo de leyes que ofrece el Software GEMS 5.1., el cual es

usado intensivamente en la unidad minera Uchucchacua.

El modelo de leyes desarrollado es un modelo inicial que debe ser enriquecido con la inclusión de más

variables geológicas y, de ser necesario, de métodos que respondan mejor a las necesidades de la

operación y características de la mineralización.

a) Antecedentes.

Previamente a este trabajo se realizó una extensa labor para la construcción de las Bases de

Datos de Canales y de Sondajes recopilándose y digitalizándose toda la información que se

encontraba apropiadamente registrada en planos de muestreo y registros de logueo. Por otra

parte, las secciones geológicas de los cuerpos mineralizados fueron digitalizadas y trianguladas

para formar los modelos geométricos de mineralización.

El presente es el primer Modelo de Leyes de este tipo que se realiza en la Unidad Minera

Uchucchacua, por lo que es importante tomar en cuenta que aún debe ser confrontado con la

realidad y progresivamente será ajustado según sean considerados todos los controles de

mineralización y probados los algoritmos más adecuados para modelar el comportamiento de la

mineralización.

b) Objetivos.

El objetivo principal es sentar las bases para el uso de la Geoestadística como herramienta para

la predicción de las leyes que pueda ser usada para la estimación de recursos y el control de

leyes, indicando cualitativamente el grado de certeza con que se realiza esta estimación.


2. Tratamiento de los Datos.

Se usaron 2741 muestras de 848 canales entre las cotas 4134 y 4329 correspondientes al Cuerpo

Rosario, como se muestra en la figura adyacente.

Los canales fueron compositados como muestras individuales a las cuales se les asignó pesos

proporcionales a lo largo de cada muestra.

La moda de la longitud de las muestras, 1.5m que corresponde al largo de casi el 70% de las muestras,

fue usada como patrón para asignar el peso a cada muestra. Esto es:

En el Histograma siguiente se muestra la distribución de las longitudes de las muestras individuales:

Fig. 1: Distribución de la muestras en el Cuerpo

Rosario


No se consideraron los valores negativos de la Base de Datos por corresponder a datos no existentes y

no fue necesario filtrar los valores irrealmente grandes (leyes de Zn, Pb o Mn >60%, o Ag>5000

oz./TM) debido a que no se encontraron valores.

Ningún valor proveniente de las muestras de sondajes fue utilizado para este trabajo. Tampoco se pudo

discriminar las muestras según el tipo de mineralización u otras características geológicas ya que la base

de datos no contiene tal información asociada a cada muestra. Esto tiene implicaciones importantes

como veremos más adelante.

3. Estadísticas Básicas.

Las estadísticas descriptivas de los elementos Ag, Pb, Zn y Mn se resumen en la tabla inferior, como se

indico más arriba, los cálculos fueron hechos sobre datos pesados.


Ag Zn

Media (oz./TM) 51.12 Media ( % ) 1.86

Mediana (oz./TM) 35.06 Mediana ( % ) 1.51

Moda (oz. / TM) 14.9 Moda ( % ) 1.36

Desviación Estándar 51.34 Desviación Estándar 1.48

Varianza de las Muestras 2635.6 Varianza de las Muestras 2.19

Kurtosis 8.24 Kurtosis 4.71

Skewness 2.52 Skewness 1.68

Rango ( oz./ TM) 410.8 Rango ( % ) 12.93

Mínimo (oz./ TM) 0.2 Mínimo ( % ) 0.02

Máximo (oz. /TM) 411 Máximo ( % ) 12.95

Numero de Datos 2717 Numero de Datos 2717

Pb Mn

Media ( % ) 1.53 Media ( % ) 18.41

Mediana ( % ) 1.1 Mediana ( % ) 19.5

Moda ( % ) 0.56 Moda ( % ) 20.37

Desviación Estándar 1.66 Desviación Estándar 5.5

Varianza de las Muestras 2.75 Varianza de las Muestras 30.25

Kurtosis 57.93 Kurtosis 0.5

Skewness 5.62 Skewness -0.56

Rango ( % ) 28.09 Rango ( % ) 54.9

Mínimo ( % ) 0.01 Mínimo ( % ) 0.15

Máximo ( % ) 28.1 Máximo ( % ) 53.9

Numero de Datos 2717 Numero de Datos 2717

Es importante mencionar que, cuando se trata de poblaciones distribuidas de forma asimétrica (que es el

caso de la Ag, Pb y Zn, como veremos más adelante), el valor mas representativo de la población no es

la media, sino la mediana. Esto quiere decir que en estos casos para saber alrededor de que valor se

agrupa la población hay que considerar la mediana.

La ley de Mn es el contenido total de Manganeso en la muestra, no solo el porcentaje de alabandita.

Tabla 1: Estadísticas Descriptivas para Ag, Zn, Pb y Mn.


a. Distribución de las Leyes.

En los gráficos 3, 4, 5 y 6 se presentan los Histogramas de Frecuencias para la Plata, Zinc Plomo y

Manganeso. En estos se puede observar que mientras la Plata y el Plomo tienen distribuciones

características de yacimientos polimetálicos, muchos valores bajos seguidos de una cola de valores

altos, el Zinc y el Manganeso se comportan de forma particular.

Por su parte, el Zinc muestra claramente una fuerte división entre dos tipos de poblaciones, la

primera es una de leyes bajas y medias, y encima de aproximadamente 3.3% de Zn aparece una

población diferenciada de leyes altas. Por el momento, no hay suficiente información para

discriminar estas dos poblaciones en base a las características geológicas de las muestras. Es posible

que cada población corresponda a un tipo de mineralización diferente, pero demostrar esta hipótesis

o cualquier otra queda como un objetivo para trabajos posteriores, ya que discernir los patrones de

comportamiento de las leyes en relación a las variables geológicas es de suma importancia para

mejorar la estimación Geoestadística.


El Manganeso, por otro lado, presenta una distribución de asimetría inversa al resto de los

elementos, los valores altos son mas frecuentes encima de 20%, pero terminan abruptamente

alrededor del 30%. Esta forma de la distribución es debida a la composición y abundancia de todos

los minerales de manganeso presentes en el Yacimiento. Valores más altos que 32% podrían ser

erróneos, por lo que no serán considerados en los análisis geoestadísticos.

b. Gráficos de Probabilidad Acumulada.

Se elaboraron gráficos de distribución acumulada en escala logarítmica para los elementos

económicos Plata, Zinc y Plomo, mientras que para el contaminante Manganeso se uso una escala

aritmética debido a que la distribución de valores de este elemento se aproxima más a una

distribución normal que a una logarítmica.


Usando estos gráficos se determinaron umbrales de leyes sobre las cuales los valores fueron

considerados como pertenecientes a poblaciones de alta ley. Estos umbrales serán usados más

adelante para restringir la influencia de valores altos o erráticos en la estimación de leyes, y son:

300 Oz./TM para la plata, 3.3% para el Zinc, 9% para el Plomo y 29% para el Manganeso.

c. Correlación entre Elementos.

Entre la Plata y el Zinc (Graf. 10) se observan dos nubes de correlación claramente definidas por el

umbral 3.3% de Zn. Mientras que para la población inferior a este umbral es aparente una

correlación positiva entre Ag y el Zn, en la población de valores altos de Zinc no se muestra

ninguna correlación entre ambos elementos.

La Correlación entre la Plata y el Plomo (Graf. 11), si bien es discernible, es también pobre, sin

embargo, esto está en concordancia con el hecho de que los minerales de plata y plomo no se

encuentran asociados en el Yacimiento. La mejor correlación se da entre el Zinc y el Plomo (Graf.

13), evidenciando la asociación entre los minerales de Pb y Zn.


Por otro lado no existe correlación clara entre el Manganeso y los elementos económicos. (Gráficos

12, 14 y 15).

d. Variación de las Leyes Según la Elevación

Es importante estudiar la variación de leyes según la elevación para determinar si existe una

gradación vertical de éstas y si el requisito Geoestadístico de estacionareidad se mantiene

verticalmente. Se dice que una variable es estacionaria si su media y varianza se mantienen

aproximadamente constantes a lo largo, ancho y alto del volumen de estudio, de no ser el caso, no

se podrían aplicar exitosamente técnicas de estimación de la Geoestadística estacionaria, sino que se

necesitaría emplear métodos más sofisticados y por consiguiente software especializado.

Para analizar la variación de leyes según la cota se promediaron las muestras a intervalos verticales

de 5m para los cuatro elementos estudiados.


Los elementos económicos, Ag, Zn y Pb presentan leyes más o menos uniformes según la altitud,

mientras que el Mn muestra un ligero incremento de sus valores según la elevación.

4. Análisis de Variabilidad Espacial.

El grado en que las leyes varían a diferentes direcciones y distancias es representado por la herramienta

Geoestadística llamada variográma, la cual en su forma general se puede definir como: La Varianza de

la diferencia de valores de todos los pares de muestras separados por una distancia dada y a una

dirección determinada.

Este análisis comprende tres partes, la primera es la exploración de tendencias en la distribución de

leyes usando mapas de variogramas, la segunda es el cálculo de variogramas experimentales a

diferentes direcciones y la última es el ajuste de estos variogramas a modelos matemáticos que servirán

para la estimación de leyes. El producto de este análisis es un modelo de variograma para cada elemento

con la orientación y alcance de sus ejes mayores de anisotropía correspondientes.

a) Determinación de la Anisotropía Espacial.

La anisotropía se puede determinar en dos pasos, primero usando mapas de variogramas que

permiten tener una imagen general de la tendencia de las leyes, y luego calculando variogramas

experimentales a direcciones regulares.

Mapas de Variogramas:

En un mapa de variogramas se representa los valores del cálculo de la función

variograma en un sistema de coordenadas polares donde cada punto tiene un valor igual

al valor del variograma según la distancia y la dirección del vector de separación entre

los pares de muestras.

Un tipo de variograma llamado el Variograma General Relativo es indicado para

discernir mejor las tendencias espaciales de las leyes, debido a esto fue usado para la

Generación de los mapas de Variogramas. Estos se elaboraron en un plano semi-

horizontal de azimut 150º e inclinación 5º SW. Los colores del mapa de variogramas

indican el grado de variabilidad a una dirección y distancia dada, colores del lado frío

del espectro indican poca variabilidad y colores mas calientes indican mayor

variabilidad. Los valores no tienen mucha importancia por el momento, sino la

orientación y extensión de las formas semi-elípticas de las curvas que reflejan la

continuidad en las leyes. En el caso de la Plata(Fig. 2), la variabilidad de la ley no

parece tomar una tendencia clara a cortas distancias, aunque a separaciones mayores de


25m se puede discernir una tendencia de dirección preferente alrededor de 170º de

Azimut.

Para el Zinc (Fig. 3) es un poco mas aparente la dirección de anisotropía mayor a 165º

de Azimut, con un alcance de cerca de 20m.

Fig. 2: Mapa de Variográmas Generales Relativos de Ag.

Fig. 3: Mapa de Variográmas Generales Relativos de Zn.


En el mapa de Variogramas del Plomo, también se aprecia una tendencia preferente de

continuidad de las leyes con azimut160º (Fig. 4).

El mapa de variogramas del Manganeso muestra con mayor claridad la dirección de

continuidad mayor, la cual es coincidente con el resto de elementos, siendo alrededor

de 160º de Azimut con un alcance cercano a 25 m. (Fig. 5).

Fig. 4: Mapa de Variogramas Generales Relativos de Pb.

Fig. 5: Mapa de Variogramas Generales Relativos de Mn.


Variogramas Direccionales.

Los variogramas experimentales fueron calculados a 36 direcciones diferentes, los

parámetros de este se indican en la Tabla 2:

Tipo Semivariograma

Separación

Tamaño

Numero de

Tolerancia

incrementos

3m 20 1.5m

Azimut

Inicial Final Incremento

Tolerancia en la

Tolerancia Amplitud

Angular Horizontal

0° 150° 30° 15° 10m

Inclinación

Inicial Final Incremento

Tolerancia en la

Tolerancia Amplitud

Angular Vertical

-60° 90° 30° 15° 10m

En el Anexo 1 se presentan los gráficos de los variogramas experimentales

direccionales para cada elemento.

b) Modelación de Variabilidad Espacial.

Tomando los mapas de variogramas como guía se ajustaron modelos de variogramas a los

variogramas experimentales direccionales de cada elemento. A continuación se muestran

los modelos ajustados a los variogramas experimentales en las direcciones principales de

anisotropía o las más cercanas a ellas.

Tabla 2: Parámetros del Cálculo de Variogramas Experimentales


5. Modelo Geológico.

El modelo geométrico de la mineralización del cuerpo Rosario fue elaborado a partir de secciones

verticales usando el Software GEMs5.1. Este modelo esta dividido en volúmenes de mineral

“Reconocido” (Rojo en la Fig. 6) e “Inferido” (Violeta en la Fig. 6). El primer grupo de volúmenes

corresponde a la mineralización que ya fue explotada, mientras que el segundo, nombrado “inferido” es

el modelo del mineral remanente en el Cuerpo Rosario.

Esta es la única división del modelo, faltando aun modelar según los tipos de mineralización. El modelo

tiene una elevación mínima de 4193m y máxima de 4331m. Este modelo geométrico del Cuerpo

Rosario fue usado como envolvente para el modelo de bloques.

Fig. 6: Vista al NE del Modelo Geométrico del Cuerpo Rosario.


6. Interpolación de Leyes.

El método de interpolación usado fue el Krigeado Ordinario de Bloques. Los parámetros usados se

basaron en los modelos de variogramas ajustados y en sus elipsoides de anisotropía.

a) Modelo de Bloques.

Los bloques individuales del modelo de bloques tienen dimensiones de 2x2x2m, las

especificaciones de este se resumen en la siguiente tabla:

Numero de

Origen Blocks

X 317400 Columnas 83

Y 8826144 Filas 46

Z 4340 Niveles 75

Tamaño de los Bloques

X Y Z

2m 2m 2m

Rotación 170°

A cada bloque que con más del 50% de su volumen dentro de alguno de los sólidos de mineral

“Reconocido” o “Inferido” se le asignó un indicador según su ubicación dentro de cada tipo de

mineral. A los bloques localizados fuera del modelo geométrico se les asignó un indicador nulo.

b) Plan de Krigeado.

En base a los elipsoides de anisotropía se diseñaron los elipsoides de búsqueda para la

estimación de cada elemento, los modelos de variogramas usados fueron los ajustados

anteriormente. Con el objetivo de minimizar la extrapolación y la influencia de muestras lejanas

el número mínimo de muestras usado para la estimación de cada bloque fue 2 y el máximo 16.

Tabla 8: Geometría del Modelo de Bloques


Los valores altos no fueron ignorados en la estimación ni reducidos a un umbral, sino que se

restringió su influencia por medio de elipsoides de influencia más pequeños.

Para cada bloque se conservó la varianza de estimación por cada elemento y no se consideraron

las muestras con pesos negativos.

Los parámetros usados en el Krigeado del modelo de bloques para cada elemento se muestran

en las tablas 9, 10, 11 y 12:

Rango 1 Rango 2 Rango 1

Azimut Inclinación Azimut (Anisotropía (Anisotropía (Anisotropía

Principal Principal Secundario en X') en Y') en Z')

30° 5° 120° 30m 21m 20m

Umbral de Leyes

300

Tipo de Búsqueda

Octantes Altas

No. Máximo de muestras

2 por Octante

Elipsoide de Leyes Altas No. Mínimo de Octantes 1

Rango 1 Rango 2 Rango 3 No. Máximo de muestras

1 4.8 4.8 2 por Canal




160° 5° 70° 30m 20m 18m

Umbral de Leyes

3.31%

Tipo de Búsqueda

Octantes Altas


2 por Octante



1 16m 18m 7.2m por Canal

Tabla 9: Parámetros de Búsqueda para la Plata

Tabla 10: Parámetros de Búsqueda para el Zinc





160° 5° 70° 23m 14m 2m1

Umbral de Leyes

29.00%

Tipo de Búsqueda

Octantes Altas


2 por Octante



1 11.4m 7m 3.5m por Canal

c) Resultados de la Estimación de Leyes.

El Krigeado de cada elemento se hizo en forma independiente según los parámetros expuestos

mas arriba y usando los modelos de variogramas correspondientes.

Para el cálculo del tonelaje se consideró una densidad constante de 2.8. Naturalmente el

resultado que más interesa es aquel del mineral “Inferido” ya que corresponde a la porción del

Cuerpo que aún falta minar y por lo tanto, a los Recursos del Cuerpo Rosario.




160° 5° 70° 37m 12m 24m

Umbral de Leyes

9.00%

Tipo de Búsqueda

Octantes Altas


2 por Octante



1 5.5m 4.6m 7.2m por Canal

Tabla 11: Parámetros de Búsqueda para el Plomo

Tabla 12: Parámetros de Búsqueda para el Manganeso


Estimación de la Plata.

Fig. 7: Vista al NE del Modelo de Leyes de Ag del Cuerpo Rosario.


Estimación del Zinc.

Estimación del Plomo.

Fig. 8: Vista al NE del Modelo de Leyes de Zn del Cuerpo Rosario.


Estimación del Manganeso.

Fig. 9: Vista al NE del Modelo de Leyes de Pb del Cuerpo Rosario.


7. Análisis de la Certidumbre de Estimación.

Fig. 10: Vista al NE del Modelo de Leyes de Mn del Cuerpo Rosario.


Es importante reconocer que la ley estimada de un bloque no es un resultado determinístico, sino una

realización (usualmente la más probable) de un conjunto de otros resultados probables. Entonces, sería

natural reportar la ley estimada más probable dentro de un intervalo a un nivel de certeza dado, cuanto

más amplio sea este intervalo menor será la certidumbre de estimación para un bloque cualquiera y

viceversa.

Una ventaja de los métodos geoestadísticos usados para la estimación de leyes es que permiten

determinar la certidumbre con que la ley es estimada en un bloque cualquiera. Existen varios métodos

para esto, a saber:

La Varianza o la Desviación Estándar de Estimación del Krigeado: El algoritmo

del Krigeado genera una varianza de estimación asociada a cada valor estimado.

Inicialmente esta varianza, o su desviación estándar, fue usada para determinar la

certidumbre de estimación, pero actualmente ya no es muy usada con este fin debido a

que sólo está en función a la distribución espacial de las muestras (densidad,

aglomeraciones, direcciones preferentes de muestreo, etc.) y no guarda relación con los

valores de las muestras circundantes, por lo que no es muy adecuada para asignar

intervalos de confianza a los valores estimados.

El Krigeado de Indicadores: Este tipo de Krigeado permite establecer la

probabilidad de que la ley de un bloque sea mayor o menor que un cut-off

predeterminado. Es muy usado para determinar las reservas recuperables y en el control

de leyes.

El Krigeado “Jack-Knife”: En esta variante del Krigeado se remueve una a una las

muestras que intervienen en la estimación de un bloque y se vuelve a estimar la ley

cada vez. Los diferentes resultados forman una campana de probabilidades que

corresponde a la distribución de leyes probables para la estimación del bloque con lo

que se puede obtener directamente el intervalo de confianza de estimación.

Simulación Condicional Gausiana: Por medio de la Simulación Geoestadística se

generan múltiples realizaciones equiprobables de la distribución de la ley en un área.

Conjuntamente, estas realizaciones proveen una medida de la certidumbre de

estimación. Cada realización debe reproducir la información local, el variograma y el

histograma de las leyes. Las simulaciones reproducen la variabilidad local de las leyes,

al contrario del Krigeado que más bien reproduce las tendencias generales de la distribución

espacial de las leyes. Además, la simulación condicional es usada para analizar la


variabilidad esperada de leyes de un tajeo, considerar múltiples escenarios probables de la

estimación de recursos en términos de tonelaje y ley, y para el ore control.

a) Criterios Usados.

De los métodos de análisis de la certidumbre de estimación expuestos mas arriba, el GEMS 5.1

sólo permite los dos primeros, pero en este trabajo inicial fue usado sólo el primero, es decir, la

modelación de la certidumbre de la estimación basada en la Varianza de Krigeado, o más

específicamente en la Desviación Estándar.

La formula usada para calcular la variabilidad esperada es la siguiente:

Donde V.E. es el factor de Variabilidad Esperada de la Ley estimada, s es la desviación estándar

del Krigeado, m es la media de la ley de toda la población y Z* es la ley estimada del bloque.

El grado de certeza de la estimación es calculado por:

El porcentaje así calculado debe ser tomado sólo como un índice cualitativo expresado de la

siguiente forma:

Valor Descripción

90% - 100% Certeza muy alta

75% - 90% Certeza alta

50% - 75% Certeza media

25% - 50% Certeza baja

< 25% Certeza muy baja

Este índice refleja la disposición espacial y densidad de las muestras usadas para estimar un

bloque, pero no refleja la variabilidad de las leyes de estas muestras. Debido a esto es un índice

aproximado, y podría dar resultados equívocos en regiones de mucha densidad de muestreo y

Tabla 17: Clasificación del grado de Certeza de Estimación.


gran variabilidad de las leyes o en zonas de poca densidad de muestras pero con leyes bastante

continuas.

b) Modelación de la Certidumbre de Estimación.

En la Fig. 11 se observa el modelo de Certidumbre de Estimación para la Plata, es evidente que

en las zonas donde hay pocas o no hay muestras la certeza es mas baja. Debido a que, como se

sustentó más arriba, la varianza de estimación no es influenciada por la ley de las muestras, los

modelos de Certeza de Estimación para los demás elementos son parecidos. Las diferencias son

inducidas por los variogramas y elipsoides de búsqueda propios de cada elemento.

8. Conclusiones, Observaciones y Desarrollos Futuros Propuestos.

Conclusiones y Observaciones.

Fig. 11: Modelo de Certidumbre de Estimación de Ag.


Es necesario incluir variables geológicas como tipos de mineralización, alteraciones, etc. en los

análisis Estadísticos y Geoestadísticos para tener modelos de leyes más acorde con la realidad del

yacimiento. Para esto será necesario elaborar modelos geológicos más detallados y asignar

descriptores geológicos a la base de datos de muestras.

La cantidad y calidad de las muestras ubicadas en 3 dimensiones es suficiente para elaborar

modelos de leyes de los cuerpos principales.

Una vez confrontados a la realidad y hechos los ajustes necesarios, estos modelos serán una

herramienta muy útil para el control de leyes y la estimación de recursos.

La modelación de la certeza de estimación puede ser mejorada usando métodos que proporcionen

no sólo resultados cualitativos sino cuantitativos.

Desarrollos Propuestos.

La mejora continua de los modelos de leyes comprende los siguientes aspectos:

Inclusión de los datos de Taladros en la interpolación de leyes. Para esto hay que determinar cuál

sería el método más adecuado a seguir, ya que no es correcto tratar a la información de taladros

como pertenecientes a la misma categoría que los canales.

Consideración del tipo de mineralización, alteración, etc. en la estimación. Esto permitirá describir

de forma más exacta el comportamiento de las leyes.

La implementación de procesos de actualización continua del modelo de leyes y de generación de

planos y reportes permitirá dar a estos modelos una utilidad práctica en las labores diarias de los

departamentos de Geología y Planeamiento.

La aplicación del Krigeado de indicadores podría servir para la clasificación discriminación del

mineral in situ en diferentes categorías de MENA, marginal, sub.-marginal y baja ley. Esto seria de

gran ayuda para el ore control.

Técnicas avanzadas como la simulación condicional de leyes y la simulación de indicadores,

podrían ser útiles, la primera, para analizar la variabilidad de las leyes en los tajeos y, la segunda,

para modelar los distintos tipos de mineralización.

-Modelamiento-geologico

Documents

Transcript of -Modelamiento-geologico