163186771 Muestreo Geoestad Geome Expo UNI

7/22/2019 163186771 Muestreo Geoestad Geome Expo UNI

1/91

M.Sc. Sa muel Cancha ya Moya

Tel. 4192 640

sa muel.can cha [email protected]

canmo [email protected]

Universidad Nacional de Ingeniera

Facultad de Ingeniera Geolgica y Metalrgica

XVI Seminario Internaciona l d e G eolog a

Julio 20 12

Promo cin de Ingenieros GelogosUNI - 2012-I

MUESTREO

Creo que todos nosotros entendemos

la importancia del MUESTREO Todos aspiramos a la CALIDAD

Los procedimientos de QA/QC convenientemente aplicados pueden serherramientas para lograr y controlar la CALIDAD

Es bueno saber que actualmente casi todos aplican el QA/QC

Sin embargo el QA/QC se aplicaprioritariamente en la fase del anlisisqumico de la muestra y su preparacin mecnica previa.

Se d escu ida el aseguramiento y control en la fase del MUESTREOPRIMARIO, fuente principal y ms importante de los errores

2

3

Estructura general delos errores:

EG = Error GlobalEM1 = Error en la fase de muestreo primario

EM2 = Error en la fase de muestreo secundarioo de preparacin mecnicaEA = Error ana ltico

EG = EM1 + EM2 + EA

Los errores son aditivos!

Aplicacin actual del QA/QC

Sesgo

% Fase

1000Muestreoprimario

50Muestreo

secundario

0 .1 a 1 An lisis

Segn: Gy (1999:10)

Actividad% Error

relativo

Muestreo 100 a 1,000

Transporte yalmacenamiento 1 a 100

Preparacin mecnica,

reduccin10 a 100

Prep araci n q umica 5 a 2 0

Anlisis 0.1 a 5

Compilado a partir d e: Gy (1999:10); Gy &Francois-Bongarson(1999) y Paski(2006)

QA/QC QA/QC

La prctica delQA/QC

El Aseguramiento de la Calidad(Quality Assurance) es el

conjunto de acciones sistemticasy preventivas para asegurar lacalidad y confianza en el muestreo y anlisis.

El Control de la Calidad (Quality Control) es el conjunto de actividadeso tcnicas para monitorear, identificar errores y realizar accionescorrectivas durante el muestreo y anlisis.

Una de las acciones mas difundidas dentro del QA/QC es intercalaradecuadamente muestras de control dentro de cada lote de muestras aanalizar.

Internacion almente la proporcin aceptada de muestras de control es 20%

5

012345678

910

0 1 2 3 4 5 6 7 8 9 10

Max

Min

Muestras Gemelas

MG

y=x

Lnealmite

Muestrasfallidas

Proporcin recomendable demuestras de contro l

6

Tipo de control Frecuencia % recomendado

Muestras gemelas (duplicados de campo) 1 de 30 a 50 2

Duplicados gruesos 1 de 30 a 50 2

Duplicados de pulpa 1 de 30 a 50 2

Estndar bajo1 de 20

alternando

2

Estndar medio 2

Estndar alto 2

Blancos gruesos 1 de 30 a 50 2

Blancos finos 1 de 30 a 50 2

Duplicados externos 1 de 20 4

TOTAL: 20

Modificado a partir d e Simon (2007)


2/92

El muestreo primario:Sigue siendo la Cenicientade la actividad minera QA/QC preferentemente aplicado al anlisis y

su preparacin mecnica previa.

Siempre es ms fcil adquirir equipos de anlisis qumico cada vez mssofisticad os; por el contrario es difcil obtener aprobacin de las Gerenciaspara cortadoras de rocas, cuarteadores rotatorios, homogenizadores, etc.

Cantidad de publicaciones sobre anlisis qumico es ms de un centenar deveces ms que las relacionadas con el muestreo.

Cursos especficos de muestreo son casi inexistentes en universidades einstitutos; mientras cursos de anlisis qumico son obligatorios.

Respo nsables de anlisis qumicos son especialistas de gran calificacin ybien pagados. Muestreros considerados demenor rango y con escalas msbajas d e remuneraciones

7

Conclusiones:

QA/QC preferentemente aplicado al anlisisy su preparacin mecnica previa.

Fase de muestreo primario es la ms importante; adems genera mayorprop orcin de errores.

Muestreo sigue siendo cenicientade la actividad minera.

Gelogos demuestreo y muestreros no son debidamente seleccionados,capacitados ni bien remunerados.

8

Recomendaciones:

Protocolos de muestreo

Implementar Caden a de Seguridad del Muestreo

Minimizar errores en la fase de muestreo primario durante: Elec cin del tipo ms adecuado de muestreo Definicin de la malla o distancia ptima de muestreo Medicin sistemtica de la desviacin de taladros

Reduccin del tamao de los fragmentos que se constituirn en incrementosde la muestra. Homogenizacin adecuada previa a cualquier ejercicio de reduccin de

volumen.

Cantid ad, p eso y granulometra de incrementos de las muestras deben serdeterminado s con procedimientos actualizados (Gy 1999; Paski 2006).

9 10

El error fundamental (EF) de muestreo(segn Pierre Gy):

Error fund amental d e muestreo EF:Es la v arianza de las diferencias entre los valores reales y los estimadospo r las muestras.

Frmula de la varianza del error fundamental de muestreo:

s2 = Kd3 (1/MS-1/ML)Donde:

ML Masa del lote (grs)

MS Masa de la muestra (grs) d Dimetro m ximo de las partculas (cm) K Constante representada por la frm ula: K = c g f l

c factor de composicin mineralgica (gr/cm3) g fac tor de distribuc in de tamao (s/dimensin) f fac tor de forma de las partculas (s/dimensin) l factor de liberacin; l e (0, 1); (s/dimensin)

Nomograma de preparacin de muestrasCONS TANTE DE MUESTREO C= 4 PARA COBRETOTAL

2 "

1.E-08

1.E-07

1.E-06

1.E-05

1.E-04

1.E-03

1.E-02

1.E-01

1.E+00

1gr 10gr 100gr 1Kg 10Kg 100Kg

PESO DE LA MUESTRA EN GRAMOS

VARIANZADELERRORFUNDAMENTAL

PRECISIN %

0,1

1

10

100

5

MUESTREADOR

PRIMAR IO 50 KG

CHANCADOR DE

CONO A - 1/4

2 CUARTEADORE S

ROTATORIOS EN SERIE

500 GR

CONMINUCION

A MALLA - 10

50 GR

MUESTR EADOR

ROTATORIO

PULVERIZADOR

DE OLLA

Recomendaciones:

Comprar equipos y aparejos de muestreoadecuados.

Utilizar siempre las mejores herramientas yverificar sistemticamente que estn en b uenestado: Protocolos de verificacin sistemtica (check lists) de equipos

y herramientas de muestreo

No escatimar esfuerzos por lograr una muestra representativa, biencon servad a y no contaminada: Implementar Cadena de Seguridad.

Muestreo superficial de rocas y estructuras con cortadoras de discodiamantado.

12


3/93

Muestreo de afloramientos deestructuras con cortadoras de di sco

Forma t radicional de muestreo

14

Mortero Platner

15

Homogenizador porttil Recomendaciones:

Mallas de muestreo y distanciasptimas de muestreo se debendefin ir co n procedimientos geoestadsticos.

QA/QC del muestreo primario debe incluir pruebas frecuentes de R&R

Todo p rotocolo de muestreo debe estar refrend ado por tests deheterogeneidad y de sesgo en las fases ms crticas.

Prog ramar au ditoras anuales de muestreo, preferible realizadas porempresas externas.

Uso recomendable: guantes desechables o toallas hmedas descartablesaspersores para humedecer testigos (en lugar de brochas), cuarteadoresrotatorios (en lugar de mantas de cuarteo), etc.

16

ERR %

50

30

10

20

40

0

60

17

Implementos

Recomendables yNo recomendables

Cuarteadoresrecomendables

18


4/94

19

Reduccin del volumende muestra:

M todo Tpi caDER

Recomendacin

Cuarteomanual

(manteo)10 No recomendable

Splitter 1 Alimentacin debe seradecuada

Divisorrotatorioy Riffle

0.1 Buena reduccin

Desviacin estndar relativa ( DER) seg n Paski (20 06 )

Manta de

cuarteo

Recomendaciones:

Conformar el equipo de muestreo con losmejores y ms calificados recursos humanos.Capacitacin y calificacin permanentes. Buena remuneracin.

Controlar y/o min imizar prdida de finos, generalmente con altocon tenido de minerales valiosos; especialmente durante perforacinlavado y corte de testigos.

Implementar u so de cdigo de barras posibilitando registro directo demediciones y datos de laboratorio con sistemas automatizados.

Desterrar prcticas inadecuadas en la manipulacin detestigos: apilarcajas d estapadas o caminar sobre ellas; uso debrocha, transporte yalmacenamiento deficientes, etc.

20

Como NO se debealmacenar testigos

21

Existe formas msadecuadas

22

Muestreo de materialsuelto de testigos

Aplicacin correcta del QA/QC

Sesgo

% Fase

1000Muestreoprimario

50Muestreo

secundario

0 .1 a 1 An lisis

Segn: Gy (1999:10)

Actividad% Error

relativo

Muestreo 100 a 1,000

Transporte yalmacenamiento 1 a 100

Preparacin mecnica,reduccin

10 a 100

Prep araci n q umica 5 a 2 0

Anlisis 0.1 a 5

Compilado a partir d e: Gy (1999:10); Gy &Francois-Bongarson(1999) y Paski(2006)

QA/QC QA/QC

Universidad Na cional de Ingeniera



Julio 20 12



5/95

25

El concepto del Soporte

La muestra es siempre un diferencial

de volumen (dv), si se compara con elVolumen (V) mayor al que representa. Cuando se asigna un valor encontrado

en el dv, a un volumen mucho mayor Vse produce un error denominado errorde extensin.

An cuando se enva del campo unamuestra apreciable (algunos kilos demuestra) los analitos de laboratorio nopasan de 1 gramo, en el mejor de loscasos.

Una reduccin drstica del volumen dela muestra, asociado generalmente auna conminucin sucesiva, es laprincipal fuente de error

V

dv

Diferentesconfiguracionesde bloques enmalla regular

100 m

100m

al

l

10.3 30.20.1

0.01

0.5 0.6 2 5 6 10

0.06

0. 1

0.02

0.03

0.2

0.3

0.5

1.0

0.04

C

0

2

p ar a a =1 70 p ar a a = 5 0

l

l

l

Modelos esfricos para la estimacin devarianzas de extensiones elementales

(Modificado a partir de a partir de JOURNEL& HUIJBREGTS(1978)

Relacin entre la precisin y el costoasociado a diferentes mallas de perforacin

E V v V V v v2 2 ==== ( , ) ( , ) ( , )VARIANZA DE ESTIMACION:

10

200

50

30

100 7 0.5 50141 METROS

COSTOS

RELATIVOS84 1621

200

50

100

ERROR

Mapeo variogrfico:

29

Para det ecta r lasprinci pale s dire ccionesde ANISOTROPIA; eindirectam ente flujos demineralizacin.

Para definir radios deelipses de influencia

Para que funcione serequiere buena de nsidadde muestreo

30

El efecto pepita (C0)

Este efecto ocurre principalmente: Cuando se tie ne gran variabilidad

local Cuando ocurre Au grueso Refleja errores sistemticos de

muestreo o analticos

0.000

0.026

0.052

0.078

0.104

0 25 5 0 75

Semivariance

Separation Distan ce (h)

Variograma de Au g/ t ID=2.50m

Spherical model (Co = 0.04000; Co + C= 0.07800; Ao = 20.00; r . ;

0.000

0.095

0.190

0.285

0.380

0.00 25.00 50.00 75.00

Semivariance

Separation Distance ( h)

Spherical model (Co = 0.00010; Co + C = 0.22000; Ao = 16.00 ; r .

0.000

0.106

0.211

0.317

0.422

0 25 50 7 5

Semivariance

Separation Distance (h)

Spheric al model(Co = 0.13930; Co + C= 0.29660; Ao = 46.70; . ;

Mejor solucin

AUMENTAR EL SOPORTE


6/96

31

Ensayo al fuego

25-50 g

muestra

OX-Pb

Mezcla fundente

Nitrato de plata

+ 1100 C

10 %

HCL

Separacin del rgulode Pb de la escoria

Lavado delrgulo de Pb

+ 940 C

Separacin del bo tn de Au

del OX-Pb que es absor bidopo r la cop ela

Disolucin del

bo tn d e Au concidos

Gravimetra AA

ICP

COPELACION

FUSION

Manto silceo en el T acazamuestreado sistemticamente porcanales con cortadora porttil

32250 m

Estructura mineralizada

Fracturamiento

1,600 muestras

Densidad de muestreo en canales

8669310

8669338

8669365

8669393

8669420

474400 474433 474467 474500

NORTE

ESTE

8669310

8669338

8669365

8669393

8669420

474400 474433 474467 474500

NORTE

ESTE

0.000

0.026

0.052

0.078

0.104

0 25 50 75

Sem

ivariance

Separ ation Distance (h)

Variograma de Au g/t ID=2.5 0m

Spher ical model (Co = 0.04000; Co + C = 0.07800; A o = 20.00; r2 = 0.196; RSS = 5.82 3E-03)

0.000 0

0.023 1

0.046 1

0.069 2

0.092 3

0 25 50 75

Semivariance

Separation Distance (h)

Variograma Au g/ t ID=5.0

Spherical mod el( Co = 0.04000; Co + C= 0.07900; Ao = 1 9.00; r2 = 0.280;

RSS = 2.007 E-03)

33

Universidad Na cional de Ingeniera



Julio 20 12


35

BASE CONCEPTUAL:EL CONCEPTO DE ROCA TOTAL:

En los yacimientos de baja ley, como los prfidos de Cu-Mo,las menas slo llegan a constituir el 1 a 2 % de la roca; elresto son gangas (cuarzo, silicatos, xidos y oxisales); en losyacimientos de Au epitermal esta proporcin es an mscrtica.

En toda operacin minera y de beneficio de mineral(chancado, lixiviacin, flotacin), las gangas son las

protagonistas (pudiendo llegar a constituir el 97 a 98% de laroca).

Problemas como: disminucin del throughput, resistencia ala conminucin, consumo de energa, consumo de cido,recuperacin, prdidas metalrgicas, etc.; generalmentetienen que ver mucho ms con las gangas que con las menas.

ANA LISIS QUIMICO

ANALISIS TEXTURAL

ANALISISMINERALOGICO

py

cp-IIcp-II

qz

ser

100

py cp-I

50

%Cu, g/t Au , %Mo, oz/t Ag , As ppp , Bi p pm, etc.

Cu Secuen cial: CuT, CSAc, Cu SCN, CuRCianurabilidad: AuCN, AgCN

ANALISISFISICO-MECANICO

CARACTERIZACIONCARACTERIZACIONGEOMETALURGICAGEOMETALURGICA

0%

20 %

40 %

60 %

80 %

100%

%e

nPeso

88 1 8 83 8 94 8 98 9 01 90 7 9 10

Proyecto

% DE GANGAS EN EL NIVEL 3550Otros

Sulfatos

Carbonatos

Epdota

Turmalina

Plagio clas as

K-Feldespatos

Cloritas

Biotita

Pirofilita / Talc o

Musc ovit a

Caolin ita

Esm ec titas

Cuarzo

0.0

0.5

1.0

1.5

2.0

2.5

3.0

%

peso

1 2 3 4 5 6 7

Proyecto

%D ESULFURO S NIVEL 3550

Digenita

Covelita

Calc os ita/Djurle ita

Mo l ibdenita

Enargita/Tennantita

Calc opir i ta

Pirita


7/97

DIAGRAMA DE FLUJO:Implementacin de Modelos Geo-Metalrgicos

OBJETIVOS

Modelo Ge o-Met

Obtener base de datosmnima pa ra disear

pruebas metalrgicas

Encontrar relaciones entrelas v ariables de entrada Xi

(mineralg icas) con las desalida Y i (metalrgicas):

Y i = f (X i)

An lisis mineralg icosistemtico (A MS) de las

va riables de entradacrticas para construir el

modelo Geo-met

INICIO

CaracterizacinMineralgica Pilot o

PruebasMetalrgicas

FASE I

FASE II

FASE III

Actualizacin 38

La importancia de la textura

Modelamiento Geolgico 3D:

40 October 2005

Modelamiento de Arcillas a partir de muestrasde Blast-Holes

Flotacin

Lixiviacin

DESCRIPTION

Extr em el y W ea k 0 .25-1

V eryW eak 1-5We ak 5-25

M ed i um St r on g 2 5- 50

Strong 5 0-100R5-I V er yS tron g 100-15 0

R 5 -I I V e r yS tron g 150-20 0

R5-II I V e ryS tron g 200-25 0StremelyStro ng > 250

HARDNESS- STRENGTHOFINTACTROCK

HARDNESS

R0

R5

UCS(MPa)

R6

R1R2

R3

R4

Identificacin de zonas de diferente competenciamecnica Carga Puntual en MPa

Ejemplo de variogramas de Gangas42


8/98

43

Modelo Geolgico de bloques

E ste Nor te Cota % Zn Alt Lit

655600 8834567 4509 0.52 4 12

655675 8835772 4484 1.23 4 12

655750 8836977 4459 2.01 4 12

655825 8838182 4434 0.56 4 12

655900 8839387 4409 1.08 2 12

655975 8840592 4384 3.45 2 12

656050 8841797 4359 0.87 4 13

Litologa, Tipo de

alterac., %Zn,g/tAg.

44

Modelo Geolgico de bloques


655600 8834567 4509 0.52 4 12

655675 8835772 4484 1.23 4 12

655750 8836977 4459 2.01 4 12

655825 8838182 4434 0.56 4 12

655900 8839387 4409 1.08 2 12

655975 8840592 4384 3.45 2 12

656050 8841797 4359 0.87 4 13

Litologa, RQD,

Tipo de alterac.,%Zn, g/tAg,

MPa, %ARCs ,

%sid, gr anulom.,

%Rec., etc.

45

Modelo Geo-metalrgico de bloques


655600 8834567 4509 0.52 4 12

655675 8835772 4484 1.23 4 12

655750 8836977 4459 2.01 4 12

655825 8838182 4434 0.56 4 12

655900 8839387 4409 1.08 2 12

655975 8840592 4384 3.45 2 12

656050 8841797 4359 0.87 4 13

Litologa, RQD,

Tipo de alterac.,%Zn, g/tAg,

MPa, %ARCs,

%sid, gr anulom.,

%Rec., etc.

E ste Nor te Cota % Zn Alt Lit MP a % ARCs % sid RQD % Rec

655600 8834567 4509 0.52 4 12 33 5.5 3.29 25 71.0

655675 8835772 4484 1.23 4 12 56 2.3 2.33 35 72.2

655750 8836977 4459 2.01 4 12 124 7.6 1.02 56 82.0

655825 8838182 4434 0.56 4 12 156 0.6 0.98 87 83.5

655900 8839387 4409 1.08 2 12 250 0.5 0.33 78 85.6

655975 8840592 4384 3.45 2 12 200 2.3 0.45 67 83.1

656050 8841797 4359 0.87 4 13 49 0.25 2.25 80 84.9

Caractersticas fundamentales que debe reunirun buen Modelo Geometalrgico

46

Debe ser un modelo esencialmente probabilstico

Se debe modelar con las mejores herramientas disponibles: Softwarede modelamiento intrnseco 3D, Geoesta dstic a, analizadoresmineralgicos y texturales de alta performance.

Al final es un modelo de bloques, pero involucrando a todas lasvariables geometalrgicas crticas,: mineralgicas, texturales,geomecnicas, etc. , que previamente ha n sido identificadas y modeladas.

Se basa en anlisis sistemticos cuantitativos o semi-cuantitativos delas variables crticas

Por lo tanto no se hace a partir de especmenes, sino de muestras,respetando l os procedimientos basados en la Teora del Muestre o.

QA/QC in Mining Reality or Fantasy? S. Canchaya

47

Eventos importantes relacionados:

6 6

Octubre 2013 Lima- Per

25- 7 Dic. Santiago-Chile

48

Canchaya S. (2008)El ModeloGeometalrgico.- XIV Con greso Peruanode Geol y XIIICon gre soL atinoamericano de Geologa; 29 Set 3 Oct Lima, 6p.

Canchaya S. (2010)QA/QC Realidado fantasa?.-XV CongresoPeruanode Geologa; Lima Per. Set-Oct. 201 0; 4p.

Canchaya S. (2011)QA/QC Reality or Fantasy?.- 5thWorld C onference on SamplingandBlending.- Santiago de Chile. Oct. 2011; 8p.

Fennel M. & Guevara J. & Canchaya S. & Velarde & G. Baum W. & Gottlieb P.(2005)Qems ca n Mineral Analysis for Ore Character ization and Plant Support at Cer ro Verde.- XXVIIConvencin Minera; Arequipa-Per; 11p.

GyP. (1956) NomogrammedEchantillonn age.- Socit de Minerais et Mtaux. Paris. GyP. (1992) Sampling of Heterogeneous and Dynamic Material Systems. Theories of

He terogen eity, Sampling and Homogenizing.- Elsevier, New York.

GyP. (1999) Samplingfor Analytical Purposes.- JohnWiley & Sons, New York; 153p. Gy P. & Francois-B ongarson D. (1999) Seminariode Muestreode Minerales.- Tecniterrae,

Santiago de C hile. Citado por Alfaro M. (2002) Introduccin al Muestreo Minero.- Instituto deIngenieros deMinas deChile; 82p.

PaskiE. (2006) Taller internacional de muestreo geolgico.- IIMP & Actlab s; Lima Abr . 2006;120 p.

Simon A. (2007) Control SampleInsertionRate: Is there an Industry Standard?.-XXIIIInternational AppliedGeochemistrySymposium, IAGS; Oviedo, Spain, June2007; 9 p.

Referencias


9/9

La concurrencia de los tres aspectos:

49

MUESTREO GEOESTADSTICA

GEOMETALURGIA

50

Muchas gracias

M. Sc. S amu el Cancha ya Moya

Tel. 419 2640

[email protected]

[email protected]

163186771 Muestreo Geoestad Geome Expo UNI

Documents

Transcript of 163186771 Muestreo Geoestad Geome Expo UNI