El enfoque geoestadstico para reservas

(Artculo publicado en Revista Minera - Mayo 1996)

J. Deraisme (Geovariances)
C. De Fouquet (ENSMP)
Geoestadstica proporciona mtodos de estimacin que se basan en la suposicin de que un fenmeno
mineralizado puede ser considerado como la realizacin de un proceso aleatorio. Este enfoque no debe
llevarnos a olvidar los parmetros deterministas que son responsables de la distribucin de las reservas. Por el
contrario el primer paso que viene antes de cualquier estudio geoestadstico es un "anlisis exploratorio de
datos" de sonido, donde geolgica, estadstica y enfoques geoestadsticos deben ser combinadas.
Una vez que se logra este paso esencial, las variables y las poblaciones pertinentes deberan haber sido
identificados, as como sus relaciones con las estructuras geolgicas involucradas.
Vamos a considerar los dos ejemplos siguientes:
Las secciones transversales y mapas geolgicos establecidos desde perforaciones exploratorias permiten

El gelogo para comprender la estructura de la mineralizacin. Sin embargo, se trata de cuantificar las
reservas de estos datos se introduce un sesgo importante en la estimacin, por un lado porque las
extensiones laterales de las intersecciones mineralizadas entre las perforaciones son muy subjetiva,
por otro lado, porque las distribuciones de los grados en los ncleos son completamente diferente de
los de las unidades mineras.
Sin embargo, la interpretacin geolgica ayuda en el anlisis de las estructuras de correlacin espacial,
tomando en cuenta las principales orientaciones de la mineralizacin, tectnica y litologas. Tambin
proporciona informacin sobre posibles heterogeneidades y explica su origen.

Fig. 1: Interpretacin geolgica de un depsito de uranio stock-work, a partir de datos del pozo

El segundo ejemplo se refiere a un depsito de hierro que contiene dos tipos de mineral: hematita y
itabirita. Estos dos materiales de mineral estn profundamente arraigados en una escala mtrica,
adems de sus proporciones relativas cambian con la profundidad. Dado que el mtodo de explotacin
espera para extraer la hematita selectivamente de la itabirita es esencial para estimar un modelo de
grados para ambos. Un anlisis estadstico detallado por zonas y capas, combinado con la
interpretacin geolgica dada en los mapas y secciones es necesario identificar las poblaciones
estadsticamente homogneos, as como las variables relevantes (Figs. 2 y 3).

El objetivo: a partir de muestras a las reservas

Un buen conocimiento de tonelajes y leyes dentro de un depsito mineral es esencial con el fin de evaluar la
viabilidad econmica de poner la mina en produccin, o la hora de elegir los equipos o plantas. Un yacimiento
se hace siempre de varios tipos de minerales y residuos minerales. Separar el mineral de los residuos es una
tarea difcil, que es casi imposible de alcanzar, por muchas razones: El lmite geolgico entre mineral y estril
rara vez es claro en la naturaleza. Los lmites que se definen en criterios econmicos (como una ley de corte)
ni siquiera se ajusta a cualquier realidad geolgica.
Dependiendo de las dimensiones de las palas, ms o menos material de desecho se mezcla con el mineral al
cargar camiones. Esto se traduce en los grados ms bajos de lo esperado, sin embargo, desde un punto de
vista econmico esta prdida se ve compensada por un aumento en la productividad.
La tcnica de la explotacin aplica restricciones que obligan a la extraccin de los residuos con el fin de dar
acceso al mineral, por ejemplo, la relacin de desmonte en la minera a cielo abierto.
Estas limitaciones en el proceso de la minera, as como otros, hacen que sea ms difcil la integracin de las
relaciones tonelaje / grado observadas en las muestras cuando se trata de predecir las reservas recuperables.

Fig. 2: histograma bimodal de grados de hierro y slice dentro de una clase granulomtrica determinada.
(grficos hacen con software Isatis)

Fig. 3: Cross-plot entre el hierro (Fe) y slice (SiO2) en un plazo de dos granulomtrica dada sus clases (despus
de anamorfosis gaussiano). La figura muestra claramente dos poblaciones de muestras.
Entre otros beneficios de usar geoestadstica en un estudio de este tipo es el hecho de que estos problemas se
pueden tener en cuenta a travs de 3 conceptos bsicos: efecto de apoyo, informacin y de efecto de efecto
restricciones.

Efecto Apoyo
Cualquier ingeniero de minas sabe que las notas recuperadas son menores cuando la selectividad es pobre, es
decir, la ms grande de las unidades mineras, el menor de los grados.
El grado promedio de un gran bloque de varios miles de metros cbicos puede ser considerado como la media
de los grados de bloques ms pequeos de unos pocos metros cbicos contenidas en el bloque grande. La
distribucin de los grados de enormes bloques es, obviamente, menos dispersa que la de las muestras
pequeas.

Fig. 4: Efecto Soporte

Los nicos grados que son conocidos experimentalmente son los de las muestras; con el fin de predecir la
distribucin de los grados de bloques de diferentes dimensiones geoestadstica proporciona modelos de
cambio de la ayuda, que se basa en el histograma experimental de grados de la muestra, as como sus
correlaciones espaciales a travs del variograma.
Vamos a considerar los dos perfiles de grado que se muestran en la figura. 5, que ambos comparten la misma
histograma experimental. Las correlaciones espaciales de los grados, sin embargo, son diferentes con menos
correlacin para el perfil de la izquierda, por lo tanto, una cierta cantidad de efecto de pepita en su
variograma. Las distribuciones de los grados estimados para los bloques y por lo tanto la selectividad sern
diferentes.
Efecto de Informacin
Durante la explotacin de la mina, el verdadero grado del bloque de la minera es an desconocido. Por lo
tanto la decisin de enviar el material a la planta de mineral o al vertedero de residuos todava se toma del
grado estimado y no desde el verdadero grado. Como consecuencia, no es posible evitar el envo de bloques a
un destino equivocado: bloques ricos acabarn en el vertedero de residuos, ya que se estiman como "pobres",
mientras que el material pobre alimentar la planta de mineral, como se ilustra en la figura. 6.

Higo. 6: Esta cruz-trama de grados estimados vs verdaderos grados de las unidades mineras ilustra el efecto de
la Informacin.
Este efecto informacin de resultados en una degradacin de la relacin de tonelaje / grado, por lo tanto, una
prdida de selectividad, de la misma manera como el efecto de apoyo. Esta consecuencia es ms drstico
cuando la densidad de las muestras es pobre.
Mtodos geoestadsticos no lineales tales como Disyuntivo Kriging pueden cuantificar la cantidad de prdida
de selectividad debido al efecto de informacin. Estas tcnicas permiten dimensionar una malla de muestreo
adecuado para perforaciones pre-minera.
Restricciones Efecto
Restricciones tcnicas impuestas por el mtodo de explotacin aadir an ms sanciones a la recuperacin del
material mineral. Es posible que sea necesario dejar en su lugar algunas partes ricas del yacimiento si las
infraestructuras tcnicas involucradas costaran demasiado (por ejemplo, en la minera subterrnea) o si la
relacin de desmonte es demasiado alta en la minera a cielo abierto.
Por otra parte el ancho mnimo de apertura de rebajes, as como explosiones son responsables de dilucin que
disminuye de nuevo las calificaciones y la selectividad.
Cuando las restricciones tcnicas son simples, tales como la estabilidad de taludes en a cielo abierto o muro
inferior y la pared que cuelga, de modo que toda la costura se extrae sin mayor selectividad vertical, una
parametrizacin tcnica de las reservas se puede aplicar para optimizar la recuperacin de mineral.
Cuando las restricciones son ms complejas, es necesario utilizar un modelo numrico realista del yacimiento
que reproduce una distribucin espacial de grados similares a la verdadera distribucin. Este modelo
construido a travs de simulaciones condicionales geoestadsticos a continuacin, se puede utilizar para
estimar las reservas recuperables.

Los objetivos de un estudio

Los mtodos geoestadsticos que se utilizan durante un estudio obviamente dependen del tipo de problema a
ser resuelto:

Kriging es el mtodo de estimacin geoestadstica que da una estimacin de los recursos in-situ a
partir de la cual se pueden identificar zonas de alta y baja calidad. Adems, la varianza kriging
cuantifica la exactitud de la estimacin y, por tanto, puede utilizarse para elegir una cuadrcula de
perforacin ptima.

Disyuntivo Kriging con un modelo de cambio de soporte le permite a uno estimar reservas
recuperables dan un soporte selectividad particular, correspondiente a los equipos de minera y la
cantidad de informacin. Grado curvas tonelaje para diferentes soportes se utilizan entonces para
seleccionar la selectividad econmicamente ptima. Este mtodo de estimacin no tiene en cuenta las
limitaciones de explotacin, que se basa en la hiptesis de la "libre eleccin".

Encontrar el foso y la secuencia de la explotacin en la mina ptima requiere una tcnica de

parametrizacin de las reservas bajo las restricciones dadas por la estabilidad de taludes. Utilizando la
tcnica de anlisis convexo toda una familia de pozos ptimos se producen, que permiten una para
recuperar la mxima cantidad de metales para diferentes volmenes totales de material.

Las simulaciones condicionales se usan cuando otras limitaciones tcnicas deben ser tenidos en
cuenta. Los modelos numricos de yacimiento que se generan estas simulaciones pueden ser de
entrada a un simulador de procesos de explotacin, con el fin de optimizar el mtodo de explotacin:
por ejemplo, seleccione la dimensin ptima de una reserva de homogeneizacin, seleccione las
geometras de funcionamiento con el fin de optimizar el grado de calidad, encontrar el ptimo caras de
trabajo y altura de los bancos.

Sea cual sea su objetivo final, el xito de un estudio geoestadstico se basa esencialmente en un paso comn
compartido por todos los enfoques: el anlisis de la correlacin espacial de las variables relevantes a partir de
muestras de exploracin, es decir, el anlisis variogrfico.
Las recomendaciones preliminares relativas a la utilizacin de la interpretacin geolgica no deben ser
olvidados, as como los siguientes principios: Las variables deben ser aditivas, de lo contrario los clculos que
implican combinaciones lineales estarn sesgadas. Por ejemplo, el promedio de calificaciones en un ncleo no
es aditivo a menos que todos los ncleos tienen la misma longitud. Si ncleos tienen longitudes diferentes, es
necesario para regularizar los grados a lo largo de pozos de sondeo con el fin de trabajar con muestras
compuestas en un soporte regular. Al estudiar los grados calculados a partir de una capa de espesor variable,
hay que trabajar con las dos variables de aditivos: la acumulacin de espesor y de metal, (es decir, el producto
del espesor tiempo grado). Por otra parte las correlaciones entre varias variables deben tenerse en cuenta al
kriging o simulando estas variables, por lo que las diferentes estimaciones son coherentes. Esto requiere un
anlisis geoestadstico multivariante.

Un buen anlisis de histogramas y cruzadas parcelas se debe realizar para detectar posibles
poblaciones distintas que deberan estudiarse por separado. Cuando las poblaciones se mezclan en el
espacio, una caracterizacin detallada de esta mezcla es necesaria.

El estacionariedad de las variables debe ser evaluado con el fin de utilizar modelos apropiados de
correlacin. Si las variables son uno no estacionario tratar de identificar reas en las que puede
suponer una "estacionariedad locales".

La eleccin de los rezagos y las instrucciones para el clculo de los variogramas experimentales
depende principalmente de la ubicacin espacial de las muestras, as como la interpretacin geolgica.
Varias direcciones de clculo se deben utilizar con el fin de comprobar posibles anisotropas en la
mineralizacin.

Al ajustar un modelo a los variogramas experimentales, esos puntos variograma que han sido
calculadas a partir de muy pocos pares de muestras deben ser ignorados. De la misma manera, los
puntos del variograma que han sido calculadas para distancias superiores a la mitad de la extensin del
campo no son fiables y se deben ignorar el mueble.

Conclusin
El uso de Geoestadstica est aumentando muy rpidamente en varios campos, gracias a la espectacular
evolucin de la potencia de los ordenadores que fabrica software geoestadstico a disposicin de un gran
nmero de personas. Aunque estos paquetes son ms fciles de usar y de gran alcance, no hay que olvidar
llevar a cabo un anlisis riguroso de los datos respaldados por una buena interpretacin geolgica, construir
una hiptesis y comprobar que en las diferentes etapas del estudio, a continuacin, utilice el mtodo
apropiado para resolver el problema causado por la explotacin de la mina.
La calidad de los resultados depende mucho ms en el anlisis estructural inicial de los datos (en particular
apropiado adecuadamente el modelo de variograma del fenmeno) que en los prximos pasos de Kriging o
simulaciones. Por lo tanto, para realizar un estudio geoestadstico sonido que confiar en un buen modelo que
describe las caractersticas espaciales del fenmeno, se preferirn un software que ofrece herramientas
potentes y fciles de usar para el anlisis exploratorio de datos y modelado estructural.

Fig. 5: perfiles de Grado a lo largo de las galeras.