MODELOS DE CORTO Y MEDIANO PLAZO EN VETAS

Transcripción

1 21 de agosto de 2012 MODELOS DE CORTO Y MEDIANO PLAZO EN VETAS Msc. José E. Gutiérrez Minera Bateas Autores Trabajo: Gutiérrez, Ríos, Velarde y Cruz

2 Introducción Los modelos son una representación de la realidad (recurso mineral). La variabilidad de leyes y tonelaje de los recursos son problemas críticos dentro del proceso calculo y ganancia de reservas, así como también del planeamiento en el Mediano-corto plazo. La metodología busca disminuir la variabilidad, disminuir el tiempo de actualización de los modelos y minimizar el riesgo de que el plan de producción de mediano plazo fracase. 2

3 Diagrama flujo de información Muestreo Cores Sondajes Geoquímica Superficial LEAPFROG: INFORMACION PARA RECURSOS INTERPRETACION/CONTRUCCION DE MODELOS Interpretación 3D Muestreo interior Mina Visualización de muestreo con CutOff DATAMINE: Visualización 3D BASE DE DATOS Generación de modelos Planos en planta LABORATORIO (Int/Ext) Leyes, QC Data Density Secciones longitudinales y transversales CAD/GIS: Secciones Plano de Muestreo Planos Geológicos 3

4 Etapas de la metodología 4

5 Sistema de Geología Interface para administración y auditoria BD 5

6 Laboratory Leyes Labs. Reporte NO QC Data Lab Reporte SI Responsabilidades Admin Database Gerente de Exploraciones Hacer Reanálisis Pulpas de Muestras Observadas Análisis Blancos Blancos (Ag,Au,Pb,Zn,Cu) Leyes ALS < LLD (*) SI NO Investigar Posible Contaminación Nivel Warning Leyes > LLD y < media(**) +2STD SI Nivel Fail Leyes > media(**) +3STD NO SI (*) LLD = Low Limit Detection (**) media = Media estadistica de valores analizados de las muestras blancas. (***) BV =Es el mejor valor reportado por la muestra Standard Análisis Standards Acepta Data Standards (Ag,Au,Pb,Zn,Cu) Leyes ALS entre BV-2std y BV+2std (***) NO Nivel Warning Leyes ALS Entre BV+2std y BV+3std O BV-2std y BV-3std NO Nivel Fail Leyes ALS < BV-3std O Leyes ALS >BV+3std SI Rechaza Reporte SI SI NO Base de Datos Acepta Data Ingreso de Leyes Análisis de Muestras 6 6

7 Proceso QA/QC Análisis de muestras blancas y Estándares/ Check-Duplicate Figure 1 Blanks Figure 4 Certified Standard CDN-ME-3 Silver Silver Diferencia Relativa = (Valor Absoluto (A-B)) / (0.5*(A+B)) (diferencia de parejas dividido por los promedios de parejas) Para el caso de rechazos, el 90% de la población debe estar por debajo de 0.20 de DR. Para el caso de pulpas, el 90% de la población debe estar por debajo de 0.10 de DR. 7

8 Diagrama de flujo Proceso Modelamiento Geológico 8

9 Proceso Modelamiento Geológico 9

10 Proceso Modelamiento Numérico Datos de Canales y Taladros Análisis Exploratório de los Datos Revisión y validación de los datos (Remover datos repetidos, erroneos o vacios) II Estadísticas data cruda (transformación data negativa) Desagrupamiento (Declustering Opcional) Compositación (Por tipo de roca, alteración, etc.) Curva probabilística Curva media y CV Estadísticas data compositada para calculo del Top Cut y acumulación III 10

11 Proceso Modelamiento Numérico II Análisis variografico Selección de parámetros variograficos (Distancia, ángulo, dirección, toleráncia, Isotrópico o anisotrópico) y calculo del variograma experimental III Selección del modelo teórico (Efecto pepita, esférico, gaussiano, etc.) M. Bloque Selección del tamaño unitario del bloque -QKNA (KE, ZZ y cálculo del volumen) IV Validación Pre-estimación Definición de los parámetros de estimación (elipse, elipsóide o esfera) Validación Cruzada V Estimación Estimación con Kriging Ordinario, Inverso de la Distancia y Vecino Cercano VI VII

12 Proceso Modelamiento Numérico VI Validación pos- Estimación Análisis de Sesgo Global Swath Plots VII Reconciliación Reconciliación MB Mineral Explotado VIII Categorización de Recursos Categorización de Recursos (Medidos, Indicados e inferidos) Ploteo de secciones y plantas IX Conclusiones

13 Estadística descriptiva Proceso Modelamiento Numérico Adicionalmente se debe complementar con planos de leyes y gráficas Ley versus Cota. 13

14 Proceso Modelamiento Numérico Análisis para determinar Top Cut 14

15 Procesos modelamiento numérico Análisis variografico por direcciones Cada vez que se actualiza la información, se debe chequear si existe una modificación en las direcciones principales. 15

16 Modelo de Bloques Kriging Efficiency (KE) y Slope Regresion (ZZ) Put KT3D main parameters here Working Path D:\Data_recursos2011\Modelos de Bloques\KNA\AS Number of files 37 Data File data_as.dat Ordinary kriging Simple Kriging Fields X Y Z Var Maximum Search (Major/Semi/Minor) Ellipse rotation (Z,X',Y'') Make Kt3d par files Make Kt3d par files Variogram stuctures (max 3) 3 Nugget then sills 1 to 3 (max 3) Check sum Ellipse rotation (Z,X',Y'') Krige blocks Krige blocks Ranges1 (Major/Semi/Minor) Ranges2 (Major/Semi/Minor) Ranges3 (Major/Semi/Minor) Report KE Report Wt SK mean Batch file name Go.bat List of file prefix name List.txt Results File fwnikna Test Parameters TxtID CentX CentY CentZ SizeX SizeY SizeZ DiscX DiscY DiscZ MinSam MaxSam

17 Proceso validación Validación cruzada Se prueban diferentes opciones de vecindades de estimación y se elige la opción con mejor coeficiente de correlación entre las leyes originales y las estimadas. 17

18 Proceso validación Análisis de sesgo Global OK - NN El análisis de sesgo se realiza dependiendo de la categoría (preliminar ) de los recursos. 18

19 Proceso validación Swath Plots Recursos AS Swath Plot Ag Mean Ag(gt) LM_KG LM_NN Los Swath Plots se elaboran tanto en la dirección Norte-Sur, Este-Oeste y en la vertical. 19

20 Reconciliación En muchos casos la diferencia de tonelaje es debido a la dilución. 20

21 Proceso de validación Plantas modelo mediano plazo - explotación También se elaboran secciones longitudinales con la distribución de las leyes y categorias. 21

22 Conclusiones La información requerida para la actualización es gestionada a través de nuestro sistema de base de datos. Los parámetros geoestadísticos y de estimación pueden no ser calculados nuevamente, es posible utilizar los parámetros del modelo de largo plazo (anual o semestral), todo va depender del análisis posterior a la actualización de la información. Las validaciones antes y después de la estimación nos garantizan el mejor resultado posible con la información disponible. Aplicar nuevas herramientas y optimizar nuestros procedimientos nos han permitido obtener un modelo de mediano-corto plazo que cumpla con las mejores practicas del NI y en menos tiempo. 22

23 Muchas Gracias! 21 de agosto de