CARACTERIZACIONYCORRELACIONpart5

124
247
MAPEO VARIOGRAFICO 2D:
N22°W
¾ Para detectar las
principales
direcciones de
ANISOTROPIA; e N68°E
indirectamente flujos
de mineralización. 90°
¾ Para definir radios de
elipses de influencia
¾ Para que funcione se

requiere
i b
buena
densidad de muestreo
MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade
248
METODO DE Ejes de
influencia
POLIGONOS
R
r
FORMA TRADICIONAL
FORMA OPTIMIZADA CON

VARIOGRAMAS
INTERCADE www.intercade.org
CONSULTANCY & TRAINING
125
249
DEFINICION DE Probadas
RESERVAS EN VETAS: Probables
Chimenea
10
Elipse de influencia
20
20
10
Galería 10
20
Tramo muestreado
250
ESTIMACION POR EL METODO DEL

INVERSO DEL CUADRADO DE LA
DISTANCIA (ICD)
A
6 R = 70 RADIO DE INFLUENCIA
B
4 d (1/d) (1/d)2 λi Ley
P PA 90 fuera de R 6
C 1 PB 20 0.050 0.0025 0.81 4
PC 50 0.020 0.0004 0.13 1
R 5 D
PD 6
65 0
0.015
01 00.0002
0002 0
0.06
06 5
0.095 0.0031 1.00
P*ICD = 0.81x4 + 0.13x1 +0.06x5 = 3.67 P*ICD = 3.67
126
251
ESTIMACION POR EL INVERSO DEL

CUADRADO DE LA DISTANCIA (ICD)
INTERPOLACION POR ICD
RADIO DE
Tramo d 1/d2 li Ley
INFLUENCIA
PA 40 0.0006 0.160 6
PB 36 0.0008 0.198 4 R = 50 m
PF 20 0.0025 0.642 3
S 0.0039 1.000
P 3.679
5 E 2
n 1 G 3
∑ n ∗Z i n F
d
Z *P = i n i = ∑ λ i * Zi A6
1 4
∑ n i
1 B
i di
3 C P 5
λi D
H
P*ICD = 0.16x6 + 0.198x4 +0.642x3 = 3.679 50 m
252
ESTIMACION POR EL INVERSO DEL

CUADRADO DE LA DISTANCIA (ICD)
INTERPOLACION POR ICD RADIO DE INFLUENCIA
Tramo d 1/d2 li Ley
R = 50 m
PB 20 0.0025 0.606 4
PC 29 0.0012 0.288 1
PD 48 0.0004 0.105 5
5 2
S 0.0041 1.000
G E
P 3.240 3
F
n 1 6
∑ n ∗Z i n A
d 4
Z *P = i n i = ∑ λ i * Zi B
1 1 P
∑ n i
C
i di 5
λ i 3 D
H
P*ICD = 0.606x4 + 0.288x1 +0.105x5 = 3.24 50 m
127
253
R = 50 m Radio de
INTERPOLACION POR influencia empírico EN AZUL
es reemplazado por un
“KRIGING” elipsoide de influencia EN
MARRON.
R1 = 45 m y R2 = 68 m: Radios
del elipsoide de influencia 2
obtenidos del variograma. 5
E
G 3
F
El estimador sigue siendo lineal
6
n A
Z *P = ∑ λi * Zi 4
i B
1 P
Pero en esta ocasión los C
estimadores se obtienen del 3 5
llamado SISTEMA DE H D
ECUACIONES DE KRIGING.
50 m
254
Estimación de la ley media en el tramo: S2 - S3

S1 S2 S3 S4
γ (h ) = h ω Z1 Z4
VARIOGRAMA:
ω
Z2 Z3
λ 1 λ 2 λ 3 λ 4
COMENTARIOS:
γ (h) EFECTO DE MEJOR ESTIMADOR:

PEPITA PURO LEY MEDIA
0 0.25 0.25 0.25 0.25
UNICO CASO DE VALIDEZ DE
LOS METODOS CLASICOS
h
γ (h) REGULARIDAD
LOS DOS PUNTOS MAS
MEDIA CERCANOS AL
1/2 0.07 0.43 0.43 0.07 SEGMENTO ESTIMADO
TIENEN MAS PESO
h
γ (h) VARIOGRAMA
NO INTERVIENEN LOS PUNTOS
LINEAL LEJANOS
0 0.50 0.50 0
1 PROPIEDAD CARACTERÍSTICA
DEL VARIOGRAMA LINEAL
h
γ ( h) GRAN
REGULARIDAD
LOS PONDERADORES DE Z1
Y Z4 SON NEGATIVOS
3/2 - 0.03 0.53 0.53 - 0.03 DEBIDO A LA EXTREMA
CONTINUIDAD DE LA
h MINERALIZACION
128
255
Algunas sugerencias para la selección

del exponente “n” en el método del
INVERSO DE LA DE LA DISTANCIA
n 1
∑ n ∗Zi n
d = ∑ λi * Zi
Z *P = i n i
1
Tipo de variograma “n” Comentarios
∑ n i
i di λi
256
PRINCIPALES LIMITACIONES DE LOS

METODOS TRADICIONALES
¾ Configuración de paneles en forma arbitraria.
¾ En algunos métodos no se ponderan los valores que
intervienen en la estimación.
¾ Radio de influencia.
¾ No se considera patrón de distribución.
¾ Se hace abstracción de la ANISOTROPIA de la distribución.
¾ La ppotencia “n” en los métodos IPD es asignada
g en forma
arbitraria
¾ No se conoce el error de la estimación.
¾ En este trabajo vamos a mostrar los mas importantes artificios
para tal fin.
129
257
ESTIMACION DE
RECURSOS POR KRIGING.
258
6 A
INTERPOLACION POR
B
“KRIGING” P 4
C
1
γAAλA + γABλB +γACλC + γADλD + µ = γAP D
γBAλA + γBBλB +γBCλC + γBDλD + µ = γBP 5
γCAλA + γCBλB +γCCλC + γCDλD + µ = γCP
ANISOTROPIA
γDAλA + γDBλB +γDCλC + γDDλD + µ = γDP
λA + λB + λC + λD = 1 R1 = 45 m
λA = 0.21 R2 = 68 m
λB = 0.20
λC = 0.35
0 35 P*K = λA*A + λB*B + λC*C + λD*D
λD = 0.24 P*ICD = 0.21x6 + 0.20x4 +0.35x1 + 0.24x5 = 3.61
P*K = 3.61
Error de estimación: σ 2
K = ∑γiP λi + γPP - μ
Error de estimación = 0.13
130
259
COMPARACION DE LOS
RESULTADOS
CUADRO COMPARATIVO DE LAS TRES ESTIMACIONES
ERROR DE
METODO RESULTADO
ESTIMAC.
Promedio aritmético 4.00 No se conoce
simple
Inverso del cuadrado de 3.68 No se conoce
l di
la distancia
t i
Krigeage 3.61 0.13
Estimación de la ley media en el tramo: S2 - S3

S1 S2 S3 S4
γ (h ) = h ω Z1 Z4
VARIOGRAMA:
ω
Z2 Z3
λ 1 λ 2 λ 3 λ 4
COMENTARIOS:
γ (h) EFECTO DE MEJOR ESTIMADOR:

PEPITA PURO LEY MEDIA
0 0.25 0.25 0.25 0.25
UNICO CASO DE VALIDEZ DE
LOS METODOS CLASICOS
h
γ (h) REGULARIDAD
LOS DOS PUNTOS MAS
MEDIA CERCANOS AL
1/2 0.07 0.43 0.43 0.07 SEGMENTO ESTIMADO
TIENEN MAS PESO
h
γ (h) VARIOGRAMA
NO INTERVIENEN LOS PUNTOS
LINEAL LEJANOS
0 0.50 0.50 0
1 PROPIEDAD CARACTERÍSTICA
DEL VARIOGRAMA LINEAL
h
γ (h) GRAN LOS PONDERADORES DE Z1
REGULARIDAD Y Z4 SON NEGATIVOS
3/2 - 0.03 0.53 0.53 - 0.03 DEBIDO A LA EXTREMA
CONTINUIDAD DE LA
h MINERALIZACION
131
261
Ejemplo de estimación por kriging de cuerpos

tabulares.- Caso de veta polimetálica
NE
262
ANALISIS NIVEL JUAN

ESPESOR
NIVEL LOURDES
VARIOGRAFICO
VETA
POLIMETALICA.
ACUMULACION PLATA
ACUMULACION COBRE
132
263
CLASIFICACION DE RECURSOS Y RESERVAS

Resultados de Prospección/Exploración
RECURSOS RESERVAS
sgo
or conocimiento geológico
Mayorr confianza y menor ries
INFERIDOS
INDICADOS PROBABLES
Mayo
MEDIDOS PROBADAS
Factores modificantes: minado, metalurgia, mercado, legal, MA, CC,etc.
264
DEFINICION DE RESERVAS EN VETAS:

Probadas
Probables
Chimenea
10 Elipse de influencia
20
20
10
Galería 10
20
Tramo muestreado
133
265
CONFIGURACION Y CLASIFICACION DE
PANELES. CASO DE VETA POLIMETALICA
NE
Probado Probable Inferido
266
OTRO EJEMPLO DE CONFIGURACION

DE BLOQUES: VETA ARGENTIFERA
316100E
316400E
316500E
316600E
316200E
316300E
10m
10m
12m 20m
Nv. 4630
GAL200SE GOX200SE
10m
20m
Nv. 4590
GAL 195SE GOX195SE
10m
N 4550
Nv. 20m
GAL 180SE GOX180SE
10m
20m
Nv. 4500
GAL205SE
Tomado de Villanueva (1992)

134
267
ESTIMACION DE RECURSOS POR BLOQUES

DE CUERPOS 3D
Z
ELIPSOIDE DE BUSQUEDA
BLOQUE A ESTIMAR
TRAMOS DE DDH
INVOLUCRADOS EN
LA ESTIMACION Y
X
268
MODELO GEOLOGICO DE BLOQUES

Tomado de Canchaya (2009)
Base de datos tradicional

Este Norte 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
Litología,
655975 8840592 4384 3.45 2 12 Tipo de
alterac.,
656050 8841797 4359 0.87 4 13
%Zn g/t
%Zn,
Ag.
135
269
PERFORACION DE RELLENO
PARA CALIFICAR RESERVAS
10
1.0
0.1
0.01
0.001
0.0001
Au ppm
270
PERFORACION DE RELLENO PARA CALIFICAR

RESERVAS
10
1.0
0.1
0.01
0.001
0.0001
Au ppm
60
50
40
30
20
10
0
ERR %
136
271
PERFORACION DE RELLENO PARA CALIFICAR

RESERVAS
10
1.0
0.1
0.01
0.001
0.0001
Au ppm
60
50
40
30
20
10
0
ERR %
272
TIPOS DE KRIGING
Tipo Media Pre requisito mínimo

Pre-requisito Nombre del modelo
KS: Kriging simple Constante y conocida Covarianza Estacionario
KO: Kriging ordinario Constante y Variograma Intrínseco

desconocida
KU: Kriging universal Variable y Variograma Modelo KU

desconocida
137
273
NUEVAS TENDENCIAS DE
LA GEOESTADISTICA
MODERNA:
INTRODUCCION A LA
GEOMETALURGIA
274
MINERALOGIA APLICADA A PROCESOS Y

OPERACIONES MINERALURGICAS:
¾ Los procesos de beneficio de mineral pertenecen a la MINERALurgia.
¾ La palabra clave es MINERAL. En todos los casos (Concentración Gravimétrica,
Lixiviación Flotación
Lixiviación, Flotación, etc
etc.)) se procesan MINERALES.
MINERALES
¾ Salta a la vista que es necesario realizar ANALISIS MINERALOGICOS que son empleados
principalmente para:
• Modelamiento a Corto Plazo (Para asistir la operación de Minado en base a “blast
holes”) .
• Asistencia técnica a las Operaciones de Conminución (Chancado, Molienda, etc.)
• Asistencia técnica a los Procesos de Lixiviación o Cianuración.
• Asistencia técnica a las Operaciones de Flotación.
• Implementación del MODELO GEOMETALURGICO (Planificación a Largo Plazo)
• etc.
¾ Los clásicos análisis químicos son bienvenidos, pero no son suficientes.
¾ El concepto de roca total: nos obliga a pensar tanto en las menas como en las gangas,
pero como un todo. Problemas como: resistencia a la conminución, consumo de energía,
consumo de ácido, recuperación, pérdidas metalúrgicas, etc., generalmente tienen que ver
mucho más con las gangas que con las menas.
¾ Trabajar sin análisis mineralógicos cuantitativos, predictivos y sistemáticos es trabajar al
TANTEO.
138
275
PRINCIPALES APLICACIONES EN CHANCADO:

ACTIVIDA
OBJETIVO ANTES AHORA
D
Estimación subjetiva:
Reajuste de mineral duro o blando En base a mediciones
parámetros en el directas de carga puntual en
circuito Ratio Competente / roca intacta (MPa)
Chancado Incompetente (R C/I)
Secundario y
Terciario Planificación de la La frecuencia de limpieza se
Limpieza sólo debido a
limpieza de define en base a análisis
interrupciones por
zarandas, “chutes”, sistemáticos de arcillas de
“caking”
etc. muestras de “blast holes”
Se puede prescindir En base a una estimación
Chancado
de algunas líneas Nunca se aplicó predictiva de la Competencia
Terciario
de chancado Mecánica de las rocas (MPa)
VARIACION DEL RATIO C/I:

MINERALES COMPETENTES/INCOMPETENTES
SETIEMBRE
2.5
2
RATIO
1.5
0.5
0
4
/0 /0 4 /0 4 /0 4 /0 4 /0 4 /0 4 /0 4 /0 4 /0 4 /0 4 /0 4 /0 4 /0 4
8 /9 1 0/9 1 2/9 1 4/9 1 6/9 1 8/9 2 0/9 2 2/9 2 4/9 2 6/9 2 8/9 3 0/9 2 /10 4 /10
Fecha
276
CONTRIBUCION DEL CU Y AS
en una muestra hipotética
Mineral Contenido Contenido % en peso Aporte de Cu Aporte de As

teórico de teórico de en la en la muestra en la muestra
Cu ((%)) As ((%)) muestra ((%)) ((%))
calcopirita 34.6 0.54 0.19
calcosita 79.8 0.82 0.65
covelita 66.4 0.26 0.17
tennantita 1-13 0-20 0.12 0.08 0.012
arsenopirita 46.0 0.02 0.009
Cu/micas @3
3.5
5 0 17
0.17 0 006
0.006
Cu/ARCs @ 4.5 0.20 0.009
Otros 0.09 0.005
TOTAL 2.13 1.11 0.021
139
277
INTERCRECIMIENTOS TIPICOS DE COBREGRISES
Malla # 70
# 100
#200
278
APLICACIONES EN:
AGLOMERACION Y ADICION (“GOLPE”) DE
ACIDO
ACTIVIDAD OBJETIVO METODO TRADIC. GEOMETALURGIA
Basado principalmente
Dosificación del en análisis cuantitativos
Ácido durante el Ajuste óptimo Basado sólo en sistemáticos de las
“curado” o del dosaje de Análisis Secuencial de: especies consumidoras
aglomeración, previo ácido en la Cu (TCu, AcSCu y de ácido
al Apilamiento y Aglomeración CNSCu) (principalmente gangas)
Lixiviación
Adición de Acido en Aglomeración

ADICION DE ACIDO AGLOMERADORES
8.0
7.0
6.0
S)
Acido (Kg/TMS
5.0
4.0
3.0
2.0
1.0
0.0
2004 2004 2004 2004 2004 2004 2004 20042004 2004 2004 20042004
1998 1999 2000 2001 2002 2003 Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic AVG
Indicado (PLAN) 6.8 6.0 6.1 5.8 4.2 3.8 4.72 5.07 5.09 5.13 5.06 5.52 6.01 5.85 5.86 5.85 5.54 5.45 5.43
Ejecutado (REAL) 7.2 6.1 5.8 6.0 4.4 3.8 4.71 5.16 5.26 5.24 5.62 5.67 6.08 6.11 5.93 6.01 5.70 4.96 5.54
140
279
REDUCCION DEL CONSUMO DE ACIDO
Pad Throughput ton/year 3’600,000 3’600,000 3’600,000 3’600,000
Consumo de ácido kg/ton 25.00 24.50 23.00 20.00
Costo unitario del

ácido $/kg 0.055 0.055 0.055 0.055
Reducc. consumo
de ácido kg/ton 0.50 2.00 5.00
Costo total $/year 4’950,000 4’851,000 4’554,000 3’960,000
Beneficios $/year $ 99,000 $ 396,000 $ 990,000
280
PRINCIPALES APLICACIONES: FLOTACION

ACTIVIDAD MUESTRAS APLICACION
Mineralogía Muestras de “blast holes” de cada polígono Mineralogía “bulk” (DRX-NIR) reportada a
de minado programado, según el plan de los operadores de la Planta, con
Predictiva corto plazo del open pit anticipación de días o de varias guardias
Co pós tos d
Compósitos diarios
a os de u un set de muestras
uest as Análisis
á s s Qe
QemSEM:
S Mineralógico
e a óg co Modal,
oda , %
Control diario de: Alimentación (Feed), Concentrado y de Liberación de Calcopirita, Pirita e
del Proceso Colas (Tails) de los circuitos: Rougher- Insolubles, Comportamiento de: Cu-As-Mo,
Scavenger and Scavenger-Cleaner, etc. Pérdidas Metalúrgicas, etc.
Muestras especialmente tomadas en QemSEM: Balance Mineralógico, Liberación

diferentes puntos críticos del Circuito de del Cu-Mo y su comportamiento; DRX-NIR
Auditorias
Flotación. Cada muestra debe ser clasificada Mineralogía Bulk y Análisis Químico Global
en 4 o 5 fracciones granulométricas. por (FRX)
Cerro Verde Average

Sulfide M ineralogy
7.00
6.00
Mineral in Wt. %
5.00
4.00
3.00
2.00
1.00
0.00
QS 1 QS 2 QS 3 QS 4
Qscan Type
Tomado de Fennel et al 2005

141
281
CELDAS DE FLOTACION
282
LIBERACION SECUENCIAL DE LOS GRANOS
DE MENA EN UN CIRCUITO DE FLOTACION
Roughers
Feed
Colas finales
Cleaners
Concentrado final
Re-grind Mill
cp rojo
Scavengers
py amarillo
ill
qz rosado
mus gris
tur pardo
CLOs verde
FPs azul
142
283
MAPAS TIPICOS DE QEMSEM

APLICADOS A FLOTACION
Alimentación Rougher Concentrado Final
FLOTACION
Colas Rougher
284
SISTEMA QEM-SEM ¾ QemSEM Analizador Mineralógico

Sistema de Análisis Combinado: Automático (Combinación de SEM
SEM-EDS + EDS)
¾ Analizador completo (químico,
mineralógico y textural; de
cualquier tipo de muestra sólida)
¾ Análisis Mineralógico Modal,
Grado de Liberación, Definición de
Tipos Geo-Metalúrgicos de Mineral,
Comportamiento de los Elementos y
Minerales durante los procesos,
Estimación de la Recuperación,
Análisis Cuantitativo Textural, etc.
Rendimiento:
Análisis en decenas de minutos
143
285

Li i i ió Flotación,
Lixiviación, Fl t ió etc.)
t ) se procesan MINERALES.
MINERALES
holes”)
• Asistencia técnica a los Procesos de Lixiviación o Cianuración
• Asistencia técnica a las Operaciones de Flotación
• etc.
TANTEO
286
DIAGRAMA DE VARIACION DIARIA
% de Recuperación y % ARCs * 10
100,0
90,0
80 0
80,0
70,0
60,0
% ARCs * 10
%
50,0
% Rec. Cu
40,0
30,0
,
20,0
10,0
0,0
144
287
FIG. 5 Control Chart of % Tot clays

8
1
1
7
UCL=6.834
6
Individual Value
Límite de
especificación
5 _
X=4.619
LCL=2.403
2
1 5 9 13 17 21 25 29 33 37 41
Observation
288
INCREMENTO DE LA RECUPERACION DEL

CU EN UNA PLANTA CONCENTRADORA
POR EL CONTROL DE ARCILLAS (ARCS)
Si control
Sin t l de
d
Item Unidades
ARCs
Con control de arcillas (“Blending”)
Incremento de la
Recuperación % 0.1 0.2 1.0
Precio del Cu $/lb Cu 3.50 3.50 3.50 3.50
“Throughput” de la Planta ton/day 70,000 70,000 70,000 70,000
Ley de cabeza de Cu %TCu 0.55 0.55 0.55 0.55
Recuperación % 89.9% 90.0% 90.1% 91.0%
Días de operación days 350 350 350 350
Production de Cu fino ton/year 121,140 121,275 121,410 122,623
Costo Cash c/lb Cu 0.65 0.65 0.65 0.65
Produccción Total $/year $ 761’137,516 $ 761’984,165 $ 762’830,814 $ 770’450,656
Utilidades $/year $ 846,649 $ 1’693,298 $ 9’313,140
145
289
BASE CONCEPTUAL:
EL CONCEPTO DE ROCA TOTAL:
¾ En los yacimientos de baja ley, como los pórfidos de Cu-Mo, las

menas sólo llegan a constituir el 1 a 2 % de la roca; el resto son
gangas (cuarzo, silicatos, óxidos y oxisales); en los yacimientos de
Au epitermal esta proporción es aún más crítica.
¾ En toda operación minera y de beneficio de mineral (chancado,
lixiviación, flotación), las gangas son las protagonistas (pudiendo
llegar a constituir el 97 a 98% de la roca).
¾ Problemas como: disminución del throughput, resistencia a la
conminación, consumo de energía, consumo de ácido, recuperación,
pérdidas metalúrgicas, etc.; generalmente tienen que ver mucho más
con las gangas que con las menas.
290
CARACTERIZACION
GEOMETALURGICA DE LAS ROCAS:
¾ En toda operación minera se realizan análisis químicos sistemáticos; que además
son obligatorios (por la legislación y las normas); sin embargo es recomendable
introducir análisis de lixiviabilidad o cianuración (según sea el caso): Cu Secuencial
(CuT, CuSAc, CuSCN), Au secuencial (AuT, + cianurable, etc.), etc.
¾ Los análisis químicos tradicionales no bastan. La caracterización debiera ser
además: mineralógica, textural y físico-mecánica; empleando equipos análiticos de
alto rendimiento y rapidez.
¾ Esta caracterización completa se denomina CARACTERIZACION
GEOMETALURGICA, que nos proporciona la información básica de entrada que se
emplea para planificar,
planificar monitorear,
monitorear corregir y optimizar los procesos minero-
minero
metalúrgicos; desde la roca a: la solución enriquecida, al cátodo, al concentrado, al
doré o lingote.
¾ Cuando esta información es antelada tiene un tremendo valor predictivo, y se usa
sobre todo para realizar una buena planificación (de largo, mediano y corto plazo):
MODELO GEOMETALURGICO.
146
ANALISIS QUIMICO 291
Cu soluble / Cu total
CARACTERIZACION
GEOMETALURGICA
ANALISIS
MINERALOGICO
Otros
% DE GANGAS EN EL NIVEL 3550
Sulfatos
Carbonatos
100%
Epídota
80% Turmalina
Plagioclasas
% en P eso
60% K-Feldespatos
Cloritas
40%
Biotita
20% Pirofilita / Talco

Muscovita
0% Caolinita
881 883 894 898 901 907 910
Esmectitas
Proyecto
MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.orgCuarzo
- Consultor Intercade
292
CARACTERIZACION
GEOMETALURGICA
ANALISIS
MINERALOGICO
% DE SULFUROS NIVEL 3550
3.0
Digenita
2.5
Covelita
2.0
Calcosita/Djurleita
% pe s o
1.5
Molibdenita
1.0 Enargita/Tennantita
0.5 Calcopirita
0.0 Pirita
1 2 3 4 5 6 7
Proyecto
147
CARACTERIZACION
GEOMETALURGICA
ANALISIS
MINERALOGICO
ANALISIS TEXTURAL
3.0
Digenita
25
2.5
Covelita
2.0
Calcosita/Djurleita
% pe s o
1.5
Molibdenita
0.5 Calcopirita
0.0 Pirita
1 2 3 4 5 6 7
Proyecto
294
ANALISIS QUIMICO
CARACTERIZACION
GEOMETALURGICA
ANALISIS
MINERALOGICO
ANALISIS TEXTURAL
3.0
Digenita
2.5
Covelita
2.0
Calcosita/Djurleita
% pe s o
1.5
Molibdenita
0.5 Calcopirita
0.0 Pirita
1 2 3 4 5 6 7
Proyecto
148
CARACTERIZACION
GEOMETALURGICA
ANALISIS
MINERALOGICO
ANALISIS TEXTURAL
3.0
Digenita
2.55
Covelita cp-II
2.0 cp-II
Calcosita/Djurleita
ser
% pe s o
1.5
Molibdenita
1.0
py
0.5
Enargita/Tennantita
Calcopirita
qz
0.0 Pirita
1 2 3 4 5 6 7 100µ
Proyecto
CARACTERIZACION
GEOMETALURGICA
ANALISIS
MINERALOGICO
ANALISIS TEXTURAL
3.0
Digenita
2.55
Covelita
2.0
Calcosita/Djurleita py cp-I
% pe s o
1.5
Molibdenita
0.5 Calcopirita
0.0 Pirita
1 2 3 4 5 6 7 50µ
Proyecto
149
CARACTERIZACION
GEOMETALURGICA
ANALISIS
MINERALOGICO
ANALISIS TEXTURAL
3.0
Digenita
2.55
Covelita
2.0
Calcosita/Djurleita
% pe s o
1.5
Molibdenita
0.5 Calcopirita
0.0 Pirita
1 2 3 4 5 6 7
Proyecto
CARACTERIZACION
GEOMETALURGICA ANALISIS
ANALISIS FISICO-MECANICO
MINERALOGICO
ANALISIS TEXTURAL
3.0
Digenita
2.55
Covelita
2.0 cp-II
Calcosita/Djurleita py cp-I cp-II
% pe s o
1.5
Molibdenita ser
1.0 Enargita/Tennantita py
0.5 Calcopirita qz
0.0 Pirita
1 2 3 4 5 6 7
50µ 100µ
Proyecto
150
299
LA IMPORTANCIA DE LA TEXTURA
Roca A 70 % cuarzo
30 % de muscovita
Roca B 70 % cuarzo
30 % de muscovita
cuarzo
muscovita
300

Lixiviación Flotación,
Lixiviación, Flotación etc.)
etc ) se procesan MINERALES.
MINERALES
holes”)
• Asistencia técnica a los Procesos de Lixiviación o Cianuración.
• Asistencia técnica a las Operaciones de Flotación.
• etc.
TANTEO.
151
301
MODELAMIENTO DE LARGO PLAZO EN

BASE A LEYES DE DDH
% Cu
302
PLANEAMIENTO A CORTO PLAZO:
ANALISIS QUIMICO-MINERALOGICO SISTEMÁTICO
DE “BLAST HOLES”
OBJETIVO Anticipar la respuesta del mineral a los procesos
ESPECIFICO metalúrgicos para ajustar los parámetros de operación
ACTIVIDAD OBJETIVO ANTES AHORA
Basado además en
Calibración Basado sólo en la
determinaciones
Planeamiento de iterativa diaria Geología y el
mineralógicas
Minado a Corto del Modelo de Análisis Químico
cuantitativas (DRX y
Plazo Minado de (CuT, CuSAc,
NIR) sistemáticas
Corto Plazo CuSCN, Mo)
anticipadas
Principales Beneficios:
o Reducción de la Variabilidad
o Asegurar un buen “throughput”
o Optimizar la Recuperación
o Reducir las pérdidas metalúrgicas,
metalúrgicas etc
etc.
152
303
EJEMPLO DE APLICACON DEL ANALISIS
MINERALOGICO CUANTITATIVO DE “BLAST HOLES”
Otros
% DE GANGAS EN EL NIVEL 3550
Sulfatos
Carbonatos
100%
Epídota
80% Turmalina
Plagioclasas
eso
60%
% en Pe
K F ld
K-Feldespatos
t
Cloritas
40%
Biotita
20% Pirofilita/Talco
Muscovita
0% Caolinita
604 881 883 894 604 605 907 910
605 Esmectitas
Nv 3550 - Pala 4W Proyecto
Cuarzo
I Chart of Total Clays

6.5
1 3.0
6.0 Digenita
UCL=5.856 2.5
Covelita
5.5
Individual Value
604 % 2.0
Calcosita/Djurleita
_ peso
5.0 1.5
X=4.902 Molibdenita
4.5 1.0
Enargita/Tennantita
605
4.0 0.5 Calcopirita
LCL=3.948
1
0.0 Pirita
1
3.5 1 881 883 894 604 605 907 910
1 6 11 16 21 26 31 36 41 46
Observation Proyecto
304


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
Litología,
655975 8840592 4384 3.45 2 12 Tipo de
alterac.,
656050 8841797 4359 0.87 4 13
%Zn g/t
%Zn,
Ag.
153
305


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 Litología, RQD,
Tipo de alterac.,
656050 8841797 4359 0.87 4 13 %Zn, g/t Ag,
MPa, %ARCs,
%sid, granulom.,
%Rec., etc.
306
MODELO GEO-METALURGICO DE BLOQUES


655600 8834567 4509 0.52 4 12
655675 8835772 4484 1 23
1.23 4 12
655750 8836977 4459 2.01 4 12
655825 8838182 4434 0.56 4 12
Litología, RQD,
655900 8839387 4409 1.08 2 12 Tipo de alterac.,
%Zn, g/t Ag, MPa,
655975 8840592 4384 3.45 2 12 %ARCs, %sid,
granulom., %Rec.,
656050 8841797 4359 0.87 4 13 etc.
Base de datos Geometalúrgica

Este Norte Cota % Zn Alt Lit MPa %ARCs %sid RQD %Rec
655600 8834567 4509 0 52
0.52 4 12 33 55
5.5 3 29
3.29 25 71 0
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
154
307
Los términos y conceptos: Roca total, Caracterización

G
Geometalúrgica,
t lú i M d l
Modelo G
Geometalúrgico
t lú i y Análisis
A áli i
Mineralógico Secuencial, en la forma y alcances en que
han sido definidos en esta presentación son de autoría y
responsabilidad del suscrito; sin embargo su aplicación a
casos particulares es de exclusiva responsabilidad de cada
quien.
308
REFERENCIAS BIBLIOGRAFICAS
¾ Canchaya S. (2008) El Modelo Geometalúrgico.- XIV Congreso Peruano de Geol y XIII Congreso
Latinoamericano de Geología; 29 Set – 3 Oct Lima, 6p.
¾ Fennel M. & Guevara J. & Canchaya S. & Velarde & G. Baum W. & Gottlieb P. (2005) Qemscan Mineral
Analysis for Ore Characterization and Plant Support at Cerro Verde.- XXVII Convención Minera; Arequipa-Perú;
11p.
¾ David M. (1977) Geostatistical Ore Reserve Estimation.- Elsevier New York; 364 p.
¾ Gy P. (1956) Nomogramme d’Echantillonage.- Societe de Minerais et Metaux. Paris.
¾ Gy P. (1992) Sampling of Heterogeneous and Dynamic Material Systems. Theories of Heterogeneity, Sampling
and Homogenizing.- Elsevier, New York.
¾ Gy P. (1999) Sampling for Analytical Purposes.- John Wiley & Sons, New York; 153p.
¾ Gy P. & Francois-Bongarson D. (1999) Seminario de Muestreo de Minerales.- Tecniterrae, Santiago de Chile.

Citado por Alfaro M. (2002) Introducción al Muestreo Minero.- Instituto de Ingenieros de Minas de Chile; 82p.
¾ Journel A. G. & Huijbregts Ch. J. (1978) Mining Geoestatistics.- Academic Press; 600 p.
¾ Minnitt
Mi i R. R C.
C A.
A & Pitard
Pi d F.F F.
F (2008) Application
A li i off variography
i h to the
h controll speciesi i material
in i l process
streams: %Fe in an iron ore product.- The Journal of the Southern African Institute of Mining and Metallurgy, 108:
109-122 p.
¾ Paski E. (2006) Taller internacional de muestreo geológico.- IIMP & Actlabs; Lima Abr. 2006; 120 p.
¾ Pretsch E. (1995) The Forgotten Bias.- Guest Editorial, TrAC, 14, 2.
¾ Roth E. (1989) Avertissement aux lecteurs du chapiter P220 “Echantillonnage” (The foreword to the chapter of
sampling.- Traité Analyse Chimique des Techniques de l’Ingenieur, Paris, 2.

CARACTERIZACIONYCORRELACIONpart5

Enviado por

Dados do documento

Descrição original:

Título original

Direitos autorais

Formatos disponíveis

Compartilhar este documento

Compartilhar ou incorporar documento

Opções de compartilhamento

Você considera este documento útil?

Este conteúdo é inapropriado?

Direitos autorais:

Formatos disponíveis

CARACTERIZACIONYCORRELACIONpart5

Enviado por

Direitos autorais:

Formatos disponíveis

124

MAPEO VARIOGRAFICO 2D:

¾ Para que funcione se

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

FORMA OPTIMIZADA CON

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

ESTIMACION POR EL METODO DEL

P*ICD = 0.81x4 + 0.13x1 +0.06x5 = 3.67 P*ICD = 3.67

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

ESTIMACION POR EL INVERSO DEL

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

ESTIMACION POR EL INVERSO DEL

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

Estimación de la ley media en el tramo: S2 - S3

γ (h) EFECTO DE MEJOR ESTIMADOR:

Algunas sugerencias para la selección

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

PRINCIPALES LIMITACIONES DE LOS

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

CUADRO COMPARATIVO DE LAS TRES ESTIMACIONES

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

Estimación de la ley media en el tramo: S2 - S3

γ (h) EFECTO DE MEJOR ESTIMADOR:

Ejemplo de estimación por kriging de cuerpos

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

ANALISIS NIVEL JUAN

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

CLASIFICACION DE RECURSOS Y RESERVAS

Mayorr confianza y menor ries

Factores modificantes: minado, metalurgia, mercado, legal, MA, CC,etc.

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

DEFINICION DE RESERVAS EN VETAS:

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

Probado Probable Inferido

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

OTRO EJEMPLO DE CONFIGURACION

Tomado de Villanueva (1992)

ESTIMACION DE RECURSOS POR BLOQUES

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

MODELO GEOLOGICO DE BLOQUES

Base de datos tradicional

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

PERFORACION DE RELLENO PARA CALIFICAR

PERFORACION DE RELLENO PARA CALIFICAR

Tipo Media Pre requisito mínimo

KS: Kriging simple Constante y conocida Covarianza Estacionario

KO: Kriging ordinario Constante y Variograma Intrínseco

KU: Kriging universal Variable y Variograma Modelo KU

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

MINERALOGIA APLICADA A PROCESOS Y

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

PRINCIPALES APLICACIONES EN CHANCADO:

VARIACION DEL RATIO C/I:

Mineral Contenido Contenido % en peso Aporte de Cu Aporte de As

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

INTERCRECIMIENTOS TIPICOS DE COBREGRISES

Adición de Acido en Aglomeración

MSc. Samuel Canchaya Moya - scanchaya@expo.intercade.org - Consultor Intercade

REDUCCION DEL CONSUMO DE ACIDO

PICD = 0.81x4 + 0.13x1 +0.06x5 = 3.67 PICD = 3.67