DEPARTAMENTO DE ENGENHARIA DE MINAS

Escola de Engenharia da Universidade Federal de Minas Gerais

RELATRIO PESQUISA MINERAL III

Estimativa de recursos minerais atravs do MineSight

Aluno: Philipe Innecco Rosa

Professor: Carlos Enrique Arroyo Ortiz

01 de Julho, 2016

Introduo
No passado, mtodos convencionais de estimativa de recursos eram utilizados para certos tipos
de depsitos devido sua facilidade de aplicao. Porm a impreciso e erros intrnsecos
fizeram com que estes fossem substitudos, em grande maioria, por mtodos estatsticos
computadorizados. Tais mtodos permitem a avaliao de uma quantidade enorme de dados
alm de uma preciso maior e o mais importante, capaz de ser mensurvel.
Hoje em dia a Krigagem amplamente usada no processo de estimao de recursos minerais.
Neste mtodo, os recursos so estimados atravs da diviso da rea em estudo em blocos para
estimar uma varivel. Esta estimativa leva em considerao as distncias entre as amostras
adjacentes e sua varincia de teor em diferentes direes. Estes dois parmetros, distncia e
varincia, so usados para calcular os fatores que serviro como pesos para cada amostra
adjacente ao bloco que se quer estimar.
Todo o trabalho foi feito utilizando o software MineSight.

Base de Dados
Primeiramente a base de dados foi importada para o software MSTorque e nele foi feita a
regularizao das amostras pelo mtodo de criao de compostas. Criou-se uma overlay a qual
recebeu os dados das compostas, que foram feitas com um tamanho de 15 metros. Este valor
foi escolhido pois bastante utilizado na prtica e corresponde ao tamanho dos bancos do
recurso estudado.
Aps, os dados das compostas foram importadas no software MS3D e criada uma vista dos
furos de sondagem. Essa vista apresentada na Figura 1.

Figura 1 Furos de sondagem, compostas de 15 metros.

Modelamento Geolgico
O modelamento geolgico foi feito utilizando a ferramenta Implicit Modeler. Esta ferramenta
capaz de construir modelos implicitamente a partir de furos de sondagem, de polgonos
desenhados explicitamente ou uma combinao de ambos. Os modelos so construdos
rapidamente pois no necessria a construo de sees geolgicas. Utiliza-se um ajuste
matemtico de uma superfcie a uma srie de pontos de dados conhecidos, a superfcie ento
interpolada a esses pontos.
A modelagem geolgica deste trabalho tomou como base os dados da composta de 15 metros
como a srie de pontos para a realizao do ajuste da superfcie. O resultado est apresentado
na Figura 2.

Figura 2 Modelo geolgico.

Modelo de Blocos
No foi necessrio a construo de um modelo blocos para este trabalho, pois este j constava
nos dados recebidos para a realizao do projeto. A construo deste requer conhecimentos
avanados do programa. Porm, o modelo de blocos preenche toda a rea de projeto e
necessrio carimb-lo com o modelo geolgico, ou seja, temos de informar quais blocos sero
considerados como minrio e posteriormente vo receber os dados da krigagem.
A Figura 3 representa um banco do modelo de blocos carimbado ao modelo geolgico criado
anteriormente. Na Figura 4 podemos perceber como o modelo de blocos ficou ajustado
superfcie. Para os blocos que se encontrassem no limite da superfcie foi criado um critrio
para a determinao de minrio. Este considerou que o bloco tivesse 50 por cento de volume
dentro da superfcie seria carimbado como minrio.
2

Figura 3 Modelo de blocos.

Figura 4 Modelo de blocos ajustado superfcie.

Anlise Estatstica
A primeira etapa da anlise estatstica constitui na avaliao dos dados da composta de 15
metros a partir de da gerao de histogramas para os dados de ouro. Toda a anlise estatstica
foi feita no software MSD (MineSight Data Analyst).
A Figura 5 representa o histograma dos dados de ouro da composta 15. possvel observar que
estes dados possuem uma alta varincia e desvio padro. Isso se deve baixa frequncia de
valores de teores muito altos.

Figura 5 Histograma de Ouro, dados da composta.

Estes valores foram considerados com um potencial de gerar efeito pepita e, portanto, decidiuse criar um filtro de forma a considerar apenas os valores mais frequentes entre 0 e 100 ppm.
Com este filtro observou-se que os valores de varincia e desvio padro diminuram
consideravelmente. O histograma destes dados encontra-se representado na Figura 5.

Figura 6 Histograma de Ouro com filtro.

Com a reduo na varincia dos dados, considerou-se que estes seriam mais representativos e,
portanto, todos os variogramas construdos na sequencia tambm utilizaram este filtro.

Variogramas
Em seguida, vrios variogramas foram construdos no intuito de encontrar a direo de
continuidade dos teores. Os parmetros destes foram determinados como segue.
Para o tamanho do lag (h) e nmero de lags do variograma foi usada a seguinte regra.

Onde:

n: nmero de lags
h: tamanho do lag (m)
D: domnio (comprimento mtrico dos eixos OX, OY e OZ)

Portanto foram usados n=10 e h=40, e sabendo que D=800 satisfazemos condio acima pois
10x401000.
Os seguintes passos foram repetidos at que se encontrou um variograma representativo:

Foram feitos 10 variogramas usando inicialmente uma tolerncia angular de 18 graus

at que se alcanasse 180 graus;
Escolha do variograma experimental que possusse patamar prximo varincia dos
dados, maior alcance e menor efeito pepita;
Ajustamento da curva de regresso (para este trabalho foi selecionado a curva esfrica)
aos pontos do variograma;
Constatao dos valores de patamar, alcance e efeito pepita;
Exportao do modelo variogrfico para a realizao da krigagem.

Aps a anlise variogrfica verificou-se que a direo de maior continuidade horizontal se

encontra entorno de 54 graus. O variograma desta direo est representado na Figura 7, e
possui alcance igual a 246,68 metros, patamar igual a 0,5724 e efeito pepita igual a 0,07078.
Foi feito um variograma na direo perpendicular anterior 144 graus com o objetivo de
determinar o alcance da elipsoide de busca na direo Y., porm como possvel perceber na
Figura 8, o variograma nesta direo se apresentou igual ao anterior. Isso indica uma
estruturao circular nos dados de teores de AU.
Procurou-se encontrar o alcance da elipsoide de busca na direo Z, e para isso foi construdo
um variograma vertical. Este encontra-se representado na Figura 9 e apresentou um alcance de
100 metros.

Figura 7 Variograma direo 54, AU 0-100 ppm.

Figura 8 - Variograma direo 144, AU 0-100 ppm.

Figura 9 Variograma vertical, AU 0-100 ppm.

Para a determinao da elipsoide de busca utiliza-se como segue:

Recursos medidos: Utiliza-se o alcance para 2/3 do patamar

Recurso indicado: Utiliza-se o alcance para 100% do patamar

Recurso inferido: Utiliza-se 30% a mais do alcance utilizado para recurso indicado (no
havia possibilidade grfica de se calcular, portanto os recursos inferidos foram deduzidos
como 1,3 vezes o alcance encontrado).

Estimando a Reserva
Como foi descrito acima, os variogramas foram construdos e seus alcances usados para
delimitar a elipsoide de busca e ento estimar a reserva pelo mtodo das distncias usando a
krigagem. Dessa maneira a tabela abaixo mostra as distancias que sero usadas para o clculo
na gerao do elipsoide de busca.

Direo
X
Y
Z

Medido
100
100
25

Distancia
Indicado Inferido
250
325
250
325
100
130

Tabela 1 Distancias de busca.

Resultados:

Figura 10 Distribuio dos teores de ouro da reserva medida.

Figura 11 - Distribuio dos teores de ouro da reserva indicada.

Figura 12 Distribuio dos teores de ouro da reserva inferida.

No foi aplicado nenhum teor de corte para o clculo das reservas, portanto qualquer bloco
contendo um teor de ouro diferente de zero foi considerado como minrio. Os resultados esto
representados nos grficos abaixo, cada subdiviso corresponde um banco de elevao
diferente.

Grfico 1 Tonelagem, volume e teor de ouro por banco; Recurso Medido.

Teor de Ouro por banco (ppm)

2.5
2
1.5
1
0.5

1780 Total
1790 Total

1750 Total
1760 Total
1770 Total

1720 Total
1730 Total
1740 Total

1690 Total
1700 Total
1710 Total

1670 Total
1680 Total

1640 Total
1650 Total
1660 Total

1610 Total
1620 Total
1630 Total

1580 Total
1590 Total
1600 Total

1560 Total
1570 Total

Grfico 2 Teor de ouro por banco.

Tonnes

Volume

AU

Ore

84,017,959

33,607,184

0.88

Waste

2,778,746

1,111,498

Grand Total
Stripping
Ratio

86,796,705

34,718,682

0.85

0.03
Tabela 2 Recurso Medido.

10

Grfico 3 Tonelagem, volume e teor de ouro por banco; Recurso Indicado.

Teor de Ouro por banco (ppm)

1550 Total
1560 Total
1570 Total
1580 Total
1590 Total
1600 Total
1610 Total
1620 Total
1630 Total
1640 Total
1650 Total
1660 Total
1670 Total
1680 Total
1690 Total
1700 Total
1710 Total
1720 Total
1730 Total
1740 Total
1750 Total
1760 Total
1770 Total
1780 Total
1790 Total

2
1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0

Grfico 4 Teor de ouro por banco; Recurso Indicado.

Tonnes

Volume

AU

Ore

84,017,959

33,607,184

0.99

Waste

2,778,746

1,111,498

Grand Total
Stripping
Ratio

86,796,705

34,718,682

0.96

0.03
Tabela 3 Recurso Indicado.

11

Grfico 5 Tonelagem, volume e teor de ouro por banco; Recurso Inferido.

Teor de Ouro por banco (ppm)

1550 Total
1560 Total
1570 Total
1580 Total
1590 Total
1600 Total
1610 Total
1620 Total
1630 Total
1640 Total
1650 Total
1660 Total
1670 Total
1680 Total
1690 Total
1700 Total
1710 Total
1720 Total
1730 Total
1740 Total
1750 Total
1760 Total
1770 Total
1780 Total
1790 Total

2
1.8
1.6
1.4
1.2
1
0.8
0.6
0.4
0.2
0

Grfico 6 Teor de ouro por banco; Recurso Inferido.

Tonnes

Volume

AU

Ore

84,017,959

33,607,184

0.99

Waste

2,778,746

1,111,498

Grand Total
Stripping
Ratio

86,796,705

34,718,682

0.96

0.03
Tabela 4 Recurso Inferido.

12

Concluses
Atravs da anlise estatstica, modelamento geolgico e lgica de clculo de reservas obtevese os seguintes valores para este corpo geolgico. Como no foi aplicado nenhum teor de corte,
as tonelagens e volumes de estril esto muito baixas, pois o programa considerou como estril
apenas os blocos que possuam teor de ouro igual a zero.

Teor (ppm)
Elemento Medido Indicado Inferido
0,85
0,96
0,96
Au
Tabela 5 Teores mdios.

Elemento
Ore
Waste
Au

Medido
84,017,959
2,778,746
71,41

Tonelagens
Indicado
84,017,959
2,778,746
80,66

Inferido
84,017,959
2,778,746
80,66

Tabela 6 Tonelagem dos elementos.

13