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 Faulted S-grid of coal seam Australia Modelling of Archean greenstone belt, Canada 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?