Desarrollos recientes en el

campo de la estimacion de

recursos mineros Sociedad Geologica del Peru

10 Febrero 2015, Lima Ing. Daniel Guibal, FAusIMM (CP)

Corporate Consultant – SRK Consulting

Daniel Guibal

• Geoestadistico

• MSc (Matematicas y Geoestadistica), Ecole Nationale Superieure des Mines de Paris, 1973

• Ingenieur Civil des Mines (Ingeniero de Minas), Ecole Nationale Superieure des Mines de Nancy, 1971

• Centro de Geoestadistica (hasta 1982)

• Minero Peru (1974 – 1976)

• Consultor in Australia desde 1983 (Siromines, Geoval, SRK Consulting)

• FAusIMM (CP), GAA

Introduccion

• No se van a cubrir aqui todos los

desarrolos recientes..Tiempo!

• Eleccion de algunos temas que

me parecen muy importantes

Factores fundamentales

• Codigos para Informar sobre Recursos Minerales y Reservas de Mena (JORC 2012, CMMI/NI 43-101, SAMREC, CRIRSCO, BVL)

• Poder de las computadoras: Hardware y Software

Codigos (Jorc 2012)

• Tres principios basicos

– Transparencia

– Materialidad

– Competencia (CP, QP, PC)

• Tabla 1: normas (Si un tema no se

comenta, debe explicarse por que), in

particular: precision (?) de la estimacion.

• Recurso debe “tener perspectivas

razonables para una eventual extracción

económica”

Codigos (Jorc 2012) (2)

• Consecuencias para estimacion

– Mas atencion a la calidad de los datos

– Mediciones topograficas, de orientacion, desvio

– Muestreo, QA/QC: mucho progreso en ese

campo

• Negativo: resistencia al uso de metodos

innovativos, todavia no establecidos por

miedo a auditoria (No se justifia, pero..)

• Clasificacion de recursos (Criteria? Perro

manchado o “spotted dog”)

Modelamiento Geologico -

Dominios

• Tradicional metodo:

Planes, Secciones, W/F

• Problemas: numero de orientaciones limitado, toma tiempo en complejos contextos geologicos, formas son sujetivas, a veces inconsistentes a 3d, actualizacion dificil.

Modelamiento Geologico 3D

Modelamiento explicito vs..

Modelamiento implicito 3D

VS.

Manual Matematico

Modelamiento Implicito

• Ventajas: – Rapidez, actualizacion facil, verdadero 3D

– Economico comparado a 2.5D

– Menos posibilidad de introducir sesgos

– Se puede incorporar observaciones geologicas

– Muy poco manual input

– Permite definicion mas rigorosa de dominios geologicos

– Los modelos pueden reproducirse sin problemas (auditoria)

– Se pueden probar multiples modelos, lo que permite une evaluacion cuantitativa de los riesgos

Modelamiento Implicito (2)

• Desventajas: – Todavia existe en un limitado numero de

software, pero cambia muy rapidamente

– Problemas con geologias muy complejas (modelamiento explicito no funcionaria tampoco)

– Deterministico, no probabilistico – Problema de cambio de soporte si se hace contorno de leyes

– Desconfianza de parte de un sector de geologos

– Todavia en desarollo

– Se necesita una formacion a la tecnica y

– “Demasiado bonito para ser verdad”

Ejemplo - gOcad

Modelling of Archean greenstone belt, Canada

Faulted S-grid of coal seam Australia

Fault network, greenstone belt, Canada

Ejemplo: 3D Geo Modeller

Geomodeller model of fault network around Porcupine-Destor camp, Canada

Geomodeller model of the Udokan copper resource , Russia

Ejemplo: Leapfrog

Leapfrog iso-surfacing of grade shells (Au ppm) from drill hole data

Lithological solids in a copper porphyry system built from drill hole and map data using Leapfrog

Geometalurgia

• Muy a menudo, tratamiento/ metallurgia = parte la mas costosa de un proyecto (Ej: cobre)

• Modelos de variables geometalurgicas (minerales, dureza, etc)

• Problema de datos (Se necesitan!)

• Problema de modelos (variables son a veces semi-cuantitativas a lo mejor)

Problemas de estimacion

• Analisis de contactos: duro

Analisis de contactos

Blando (Soft)

Kriging

• Analisis quantitativo del vecindaje

(AQV?)

– Optimizacion de los parametros de

kriging: tamano de bloque, radios de

busqueda, numero de datos..

– Calidad del kriging: varianza de kriging,

eficencia de kriging

or slope of regression

Recursos recuperables

• Problema del kriging: pequenos bloques!

Mucho alisado, lo que implica que la curva

tonelaje – ley es sesgada

• Solucion: estimar distribucion de bloques

dentro de paneles mas grandes: metodos

no lineales

• 2 tipos de metodo:

– Indicador kriging

– Metodo Gausiano: condicionamiento uniforme

Simulaciones condicionales

• Desarrollo ha tomado tiempo, pero ahora

se pueden utilisar a larga escala

• Reproducen variabilidad (histograma,

variogramas, correlaciones) y son

condicionales

• Aplicaciones:

– Analisis de riesgo, clasificacion de recursos

– Control de leyes en un tajo abierto

– Estudios de selectividad

– Estimacion de Recursos (particularmente for

minas subterraneo

Conclusion

• Hay todavia mucho por hacer

• Tecnologia sigue avanzando: mas y

mejores datos de todo tipo

• Desafio para el futuro: la integracion de

fuentes de datos muy diversos

• El (La) geologo/a o ingeniero/a de

recursos va a tener mas y mas

responsabilidades, ya que son ellos que

manejan todas las herramientas

requeridas.

GRACIAS

Algunas Preguntas?