Clases1 5

IMM 2032 Geoestadstica y Evaluacin de Reservas Mineras pg.
1
CLASE N1
Introduccin: Proceso de Explotacin y Tratamiento de Minerales Cobre.
Acido
Sulfrico
Agua
Gases
Agua
MATERIAL PROVENIENTE
DE LA MINA
MINERAL
ECONOMICO
Chancado 1 y 2
Aglomerado
ESTERIL
(a botaderos)
OXIDOS
Chancado 1, 2 y 3
Molienda
Lixiviacin
MINERAL
MARGINAL
(a stockpile)
Extraccin por solventes
Electro-obtencin
Flotacin
Fundicin
(Pirometalurgia)
Electro-refinacin
SULFUROS
Reactivos
Relaves Concentrado
~30% Cu
Escorias
Anodos
~99.7 % Cu
Ctodos
99.99 %Cu
Acido
Sulfrico
Solucin Acida
3 gpl de Cu
Solucin Acida
40 - 45 gpl de Cu
Ctodos
99.99 %Cu
Energa
Elctrica
IMM 2032 Geoestadstica y Evaluacin de Reservas Mineras pg. 2
Introduccin: Proceso de Diseo y Planificacin de una Faena Minera a Cielo
Abierto.
Anlisis Geolgico
(Geofsica,
Geoqumica, Arte)
MODELO
GEOLGICO
Campaas de
Sondaje
Tcnicas de Evaluacin de
Reservas (Geoestadstica)
MODELO DE BLOQUES
(dimensionamiento y caracterizacin del
cuerpo mineralizado)
Parmetros Metalrgicos Parmetros Econmicos
Tcnicas de Optimizacin
(Algoritmo de Lersch-
Grossman, Cono Flotante, etc.)
Consideraciones
Topogrficas, Geomecnicas
y Geomtricas
MODELO DE BLOQUES
ECONMICO
ESTIMACION DEL PIT FINAL
Algoritmo de Lane
SECUENCIAMIENTO OPTIMO
DE LA EXPLOTACION
Figuras:
1- Modelo Geolgico
2- Modelo de bloques
3- Modelo de bloques econmico
4- Diagrama de un pit final
Qu es la Evaluacin de Reservas?
Despus de la fase de exploracin, en que con ayuda de los conocimientos
aprendidos en el curso IMM 2000 Geologa Minera hemos detectado una zona
de anomala geolgica de inters, es necesario ser capaces de estimar el volumen
de la zona mineralizada (recurso) y la distribucin del mineral (leyes) al interior
del volumen. Este es el objetivo de la Evaluacin de Reservas.
El principal problema que motiva la toma de muestras y el desarrollo de una
evaluacin de recursos disponibles es que la variable que interesa estudiar tiene un
comportamiento difcil de predecir. Esta variabilidad proviene principalmente de
dos fuentes:
La variabilidad inherente del yacimiento, la que se debe a los procesos que
produjeron la gnesis de esta concentracin anmala que estudiamos.
La variabilidad introducida artificialmente a lo largo del estudio que se hace del
depsito, mediante errores de toma, preparacin y anlisis de las muestras.
Qu es la Geoestadstica?
La geoestadstica es la herramienta matemtica fundamental de la evaluacin de
reservas modernas. Esta tcnica fue desarrollada por Matheron en la Escuela de
Minas de Pars a comienzo de los 70, y tiene su origen en los estudios realizados
para la industria minera por Sichel (1949) y Krige (1951).
La estadstica convencional se basa en que las variables son independientes y se
encuentran aleatoriamente distribuidas en el espacio, asumiendo cero continuidad.
Lo anterior no permite realizar estimaciones puntuales dentro del Universo. La
geoestadstica por su parte, asume que puntos adyacentes estn correlacionados
espacialmente. Esta continuidad espacial puede ser medida y utilizada para
realizar estimaciones puntuales o de bloques.
El proceso geoestadstico tiene dos etapas:
El primer paso es el clculo del variograma experimental y el ajuste de un
modelo en ste. Este variograma describe la relacin espacial entre los datos
puntuales.
El segundo paso es el proceso de kriging. El kriging es una tcnica de
promedios ponderados mviles que utiliza los parmetros del variograma con
objeto de obtener una relacin entre los datos puntuales.
Some Recent North American Mining Failures
(US$ millions)
Location Mine
Ownership
Invested
Capital
Reason
Ontario Bell Creek Canamax Resources 25 low margins
Ontario Kerr Golden Shield 60 lack of reserves
Ontario Magnacon Flanagan McAdam 59 lack of reserves
Ontario Magino McNellan Resources 25 low margins
Ontario Golden Rose Noramco 20 lack of reserves
Ontario Kremsar Canamax Resources 24 lack of reserves
Quebec Astoria Yorbeau 20 lack of reserves
Quebec Beauchastel Augmitto 18 lack of reserves
Quebec Beacon DOr Val 10 lack of reserves
B.C. Johnny
Mountain
Skyline Gold 43 lack of reserves
B.C. Erickson Total Erickson 15 lack of reserves
B.C. Nickel Plate Int. Corona 138 lower grade reserves
B.C. Golden Bear Homestake Mining 69 capital costs
B.C. Premier Westmin Resources 75 lack of reserves
Manitoba Puffy lake Ploneer Metals 28 lack of reserves
Manitoba Tartan Lake Granges/Abermin 30 lack of reserves
Manitoba McLellan Lynngold 44 lack of reserves
N.B Cariboo Breakwater 35 operating problems
Nfld. Hope Brook BP Canada 151 operating problems
N.S. Seabright Western Mining 80 lack of reserves
NWT Colomac Northgate/ABM 113 operating/low margin
Yukon Mt. Skukum AGIP/Total Erickson 15 lack of reserves
Yukon Ketza River Canamax/PTX 25 lack of reserves
U.S.A.:
California Colosseum Bon Gold 60 lack of reserves
California Carson Hill Grandview 15 lack of reserves
California Jamestown Sonora Gold/ABM 100 Environmental/oper.
California Morning Star Vanderbilt Gold 11 lack of reserves
Nevada McCoy/Cove Echo Bay 383 lower reserves
Nevada Getchell FirstMiss Gold 110 operating problems
Nevada Kingston Nevada Goldfields 10 lack of reserves
Nevada Hog Ranch Westminer Canada 8 lack of reserves
S. Dakota Gilt Edge MinVen Gold 42 operating problems
S. Dakota Golden Reward United Coin/Minven 28 operating problems
Montana Montana
Tunnels
Pegasus Gold 82 lower grade reserves
Montana Basin Creek Pegasus Gold 34 lack of reserves
Montana Spotted Horse Chelsea Resources 15 lack of reserves
Colorado Sunnyside Echo Bay/Alta Bay 31 low margins
Colorado Summitville Galactic Resources 56 lack of reserves
Arizona McCabe Stan-West Mining 25 lack of reserves
Michigan Ropes Callahan Mining 16 low silver price
Ref: Beutel Goodman & Co.
CLASE N2
Definicin de Recurso y Reserva segn la USBM/USCG (United States Bureau of
Mines y United States Geological Survey)
La clasificacin gira alrededor de 2 parmetros como ejes clasificatorios:
- El grado de conocimiento geolgico
- El grado de viabilidad econmico.
RECURSOS TOTALES
IDENTIFICADOS SIN DESCUBRIR
Demostrados
Medidos Indicados
Inferidos
Hipotticos
(En reas conocidas)
Especulativos
(En reas sin descubrir)
E
C
O
N
O
M
I
C
RESERVAS
O
P
Zona de incertidumbre econmica
A
R
A
M
A
R
G
I
N
A
L
S
U
B
E
C
O
M
I
C
O
S
U
B
M
A
R
G
I
N
A
L
RECURSOS
Reservas: depsitos conocidos e identificados en los que el mineral puede ser
extrado con beneficio econmico, con la tecnologa actual y bajo los parmetros
econmicos actuales.
Recurso: Incluye las reservas, otros depsitos minerales que pueden llegar a ser
eventualmente aprovechables, depsitos que no son tcnica y/o econmicamente
extrables en la actualidad y depsitos desconocidos (ricos o pobres) que se puede
inferir que existen, aunque todava no han sido descubiertos.
Reservas medidas o probadas: Son aquellas partes del yacimiento (p.e. bloques)
que se conocen por todas sus zonas con un margen de error del 10%.
Reservas indicadas o probables: Son aquellas que se conocen por algunos de sus
lados y presentan un margen de error del 20 al 30%.
Reservas inferidas o posibles: Son aquellas conocidas exclusivamente por un lado
de los trabajos mineros, por algunos sondajes asilados o por supuestos geolgicos,
son las llamadas mineralizaciones de los gelogos.
Recursos hipotticos: Son aquellos no descubiertos pero para los cuales existen
razones geolgicas como para suponer su presencia.
Recursos especulativos: Son aquellos para los cuales no hay mayores antecedentes.
La siguiente figura muestra el carcter dinmico en el tiempo de la definicin de
Recurso y Reserva.
IDENTIFICADOS SIN DESCUBRIR
Exploracin
RELACION
PRECIO/COSTO
RESERVAS
TOTALES
Alza
de precios
Baja
de precios
Avances
tecnolgicos
Recursos
Hipotticos
Recursos
Condicionales
Conceptos Bsicos:
Fenmeno Regionalizado: Aquel fenmeno que se desarrolla en el espacio. Por
ejemplo: la potencia de una veta, le ley de cobre, el nivel fretico de una napa, etc.
Variable Regionalizada: Un fenmeno regionalizado se caracteriza por la
distribucin espacial de una o ms variables regionalizadas que se denota x(z), es
decir, el valor de la variable x en el punto del espacio z.
Caractersticas de una variable regionalizada:
La naturaleza de la variable regionalizada es aquello que se quiere representar
con ella. Por ejemplo: la potencia de un estrato o la ley de oro de un punto.
Si se quiere realizar estimaciones de bloques (como generalmente ocurre en el
caso minero), la variable debe ser aditiva, es decir, el valor para el bloque
corresponde al promedio de los valores estimados puntualmente en su interior.
El soporte es la superficie o el volumen sobre el cual est definida la variable
regionalizada. Por ejemplo la ley de cobre en un sondaje de diamantina o la
ley de cobre en un bloque de explotacin.
El campo de extensin es el dominio limitado sobre el cual resulta interesante
estudiar la variable regionalizada.
Modelos probabilsticos:
Lectura obligatoria:
Stephen Hawking, 1988. La historia del tiempo. Del big bang a los hoyos
negros. Captulo N4: El Principio de Incertidumbre. Pginas: 81-91.
1- Distribuciones Discretas:
La funcin f(x) es una funcin de probabilidad o una distribucin de probabilidad
de una variable aleatoria discreta X, si se cumple para todo x que:
) ( ) (
1 ) (
0 ) (
x f x X P
x f
x f
x
= =
=
La distribucin acumulativa F(x) de una variable aleatoria discreta con distribucin

de probabilidad f(x) est dada por:
= =
x t
t f x X P x F ) ( ) ( ) (
2- Distribuciones continuas
La funcin f(x) es una funcin de densidad de probabilidad de una variable
aleatoria continua X, definida sobre los reales, si:
= < <
=

+

b
a
dx x f b x a P
dx x f
x f
) ( ) (
1 ) (
x 0 ) (
La distribucin acumulativa F(x) de una variable aleatoria continua con funcin de
densidad de probabilidad f(x) est dada por:

= =
x
dt t f x X P x F ) ( ) ( ) (
2.1- Distribucin Uniforme
Uno de los modelos ms simples para representar variables aleatorias continuas es
la distribucin uniforme. Se dice que una variable aleatoria x tiene una distribucin
uniforme si su densidad de probabilidades es:
1 ) ( =
=

b
a
b
a
x
a b
dx
dx x f
2
) ( ) (
a b
dx x f x x E
b
a
x
+
= =

12
) (
)) ( ( ) ( ) (
2
2 2 2
a b
x E x E x

= =
b x a para ) ( ) (
= =
a b
a x
dx x f x F
x
a
x x
1/(b-a)
f
x
(x)
b a
f
x
(x)=
1/(b-a) Si a x b
0 Si x tiene otro valor
1
F
x
(x)
b a
2.2- Distribucin Exponencial
La distribucin del tiempo transcurrido entre la ocurrencia de dos sucesos
distribuidos Poisson es exponencial
x
x
e x f

=

) (
Se puede demostrar que: E(x) = 1/ y V(x) = 1/
2
Ejemplo:
a- Demostrar que el tiempo entre dos sucesos distribuidos Poisson es exponencial
0 ) (
) ( '
1 ) (
) ( 1 ) (
) (
) 0 ) ( ( ) (
=
=
=
> =
= >
= = >

t e t f
e t F
e t F
t Y P t F
e t Y P
t X P t Y P
t
t
t
t
2.3- Distribucin Normal

Este modelo probabilstico es el ms utilizado y el que tiene mayor importancia
terica en Estadstica y Probabilidades. Se dice que una variable tiene una
distribucin normal si su funcin densidad de probabilidades est representada por
la siguiente ecuacin:
+

=
x -
2
1
) (
2
2
2
) (

x
x e x f
= media de la poblacin
= desviacin estndar de la poblacin.
Este tipo de distribucin es aplicable a yacimiento de alta ley, como por ejemplo:
Hierro, carbn, no metlicos, etc. Algunas propiedades de la distribucin normal:
Si X~N(,
2
), entonces

=
x
Z distribuye N(0,1)
Si X~N(,
2
), entonces:
P(X x ) = 0.68
P(X x 2) = 0.95
P(X x 3) = 0.997
Ejemplo: En un yacimiento de hierro, la ley del mineral distribuye normal con
media=60% y desviacin estndar igual a 15%. El tamao total del cuerpo
mineralizado es de 500.000 Ton. Las condiciones de mercado indican que no es
rentable explotar zonas con leyes inferiores al 55%. Cul es el tamao esperado
del mineral econmicamente explotable?
X: mineral econmicamente explotable, X>55%
Tamao Total = 500.000 P(X>55%)
333 . 0
15
60 55
=
= Z , entonces P(X>55%) = 1 P(X<55%) = 1 P(Z<-0.333)

Tamao total = 500.000 0.6293 = 314.650 Ton.
2.4- Distribucin Log-Normal
Las variables fsicas de inters para la minera (leyes de Cu, Au, contaminantes,
etc.) son siempre positivas, por lo cual es usual que presenten distribuciones de
frecuencia asimtricas. Por lo que se ha propuesto aplicar una transformacin
logartmica a la variable de inters y luego utilizar el modelo de distribucin
normal para la variable transformada. La distribucin as obtenida se denomina
logartmico-normal.
Sea y = ln(x), una variable normalmente distribuida, entonces,
+

=
y 0
2
1
) (
2
2
2
) (
y
y y
y
y e y f

Siendo:
y = ln(x)
y
=
ln(x)
y
=
ln(x)
En algunos casos para mejorar el ajuste se utiliza un constante aditiva que
ayuda a levantar los datos bajos, en ese caso:
y = ln(x+)
y
=
ln(x+)
y
=
ln(x+)
Ejemplo: Datos obtenidos del muestreo de un banco en una mina de cobre.
i Ley cobre
(%)
Distrib.
Acumul. (%)
i Ley cobre
(%)
Distrib.
Acumul. (%)
i Ley cobre
(%)
Distrib.
Acumul. (%)
1 0,012 1,0 18 0,230 34,3 35 0,572 67,6
2 0,023 2,9 19 0,252 36,3 36 0,638 69,6
3 0,027 4,9 20 0,320 38,2 37 0,644 71,6
4 0,034 6,9 21 0,377 40,2 38 0,685 73,5
5 0,040 8,8 22 0,392 42,2 39 0,717 75,5
6 0,089 10,8 23 0,395 44,1 40 0,719 77,5
7 0,092 12,7 24 0,396 46,1 41 0,765 79,4
8 0,099 14,7 25 0,406 48,0 42 0,806 81,4
9 0,102 16,7 26 0,409 50,0 43 0,833 83,3
10 0,140 18,6 27 0,417 52,0 44 0,889 85,3
11 0,165 20,5 28 0,427 53,9 45 0,893 87,3
12 0,175 22,5 29 0,453 55,9 46 0,915 89,2
13 0,180 24,5 30 0,465 57,8 47 0,996 91,2
14 0,215 26,5 31 0,475 59,8 48 1,009 93,1
15 0,224 28,4 32 0,476 61,8 49 1,335 95,1
16 0,225 30,4 33 0,489 63,7 50 1,365 97,1
17 0,228 32,4 34 0,519 65,7 51 1,615 99,0
Distribucin de las leyes de cobre
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
0 10 20 30 40 50 60 70 80 90 100
Probabilidad Acumulada (%)
L
e
y

d
e

c
o
b
r
e

(
%
)
0,0
0,2
0,4
0,6
0,8
1,0
1,2
1,4
1,6
1,8
1 10 100
Probabilidad Acumulada Escala Logaritmica (%)
L
e
y

d
e

c
o
b
r
e

(
%
)
0,0
0,1
1,0
10,0
1 10 100
Probabilidad Acumulada Escala Log (%)
L
e
y

d
e

c
o
b
r
e

E
s
c
a
l
a

L
o
g

(
%
)
CLASE N3
Test de Bondad de Ajuste, el test chi-cuadrado.
El test chi-cuadrado es el test ms usado para medir la bondad de ajuste de un
modelo, y es aplicable estrictamente a cualquier tipo de distribucin siempre que
los parmetros de ella hayan sido estimados mediante el mtodo de mxima
verosimilitud. El test consiste en comparar, en intervalos previamente definidos de
la variable aleatoria, el nmero de casos observados en ese intervalo terico, el
cual es funcin del modelo probabilstico en estudio.
Si O
1
, O
2
, ..., O
k
son las frecuencias absolutas observadas y E
1
, E
2
, ..., E
k
son las
frecuencias tericas, se define el estadgrafo:
=
k
i i
i i
E
E O
X
1
2
2
) (
La variable X
2
tiende a tener una distribucin chi-cuadrado con (K S 1) grado
de libertad, siendo K el nmero de clases o intervalos definidos y S el nmero de
parmetros estimados en el modelo.
Para que el ajuste de la distribucin a la muestra sea aceptable, se requiere que el
valor chi-cuadrado sea menor o igual al valor terico que toma la distribucin chi-
cuadrado para un cierto nivel de significacin (normalmente 5%). En la siguiente
tabla se entregan los valores de chi-cuadrado para distintos grados de libertad y
niveles de significancia. Se recomienda elegir un nmero de clases de modo que el
valor terico de casos observados en cada clase sea por lo menos igual a 5.
Nivel de Significancia (%) Nmero de
Grados de
Libertad
20 10 5 2.5 1
1 1.64 2.71 3.84 5.02 6.63
2 3.22 4.61 5.99 7.38 9.21
3 4.64 6.25 7.81 9.35 11.34
4 5.99 7.78 9.49 11.14 13.28
5 7.29 9.24 11.07 12.83 15.09
6 8.56 10.64 12.59 14.45 16.81
7 9.80 12.02 14.07 16.01 18.48
8 11.03 13.36 15.51 17.53 20.09
9 12.24 14.68 16.92 19.02 21.67
10 13.44 15.99 18.31 20.48 23.21
Ejemplo:
Sean los valores mostrados a continuacin las leyes de Zn (%) de 33 muestras
tomadas en un yacimiento estratiforme de Pb-Zn. Comprobar estos valores se
ajustan a una distribucin normal.
6.4 5.4 4.7 8.2 6.8 6.2 6.3 3.9 6.2
7.1 4.9 5.7 6.1 6.2 7.4 7.5 6.1 5.6
5.4 7.5 5.8 2.8 5.9 9.1 7.3 3.3 5.1
5.9 5.8 5.8 4.6 4.9 6.2
Para los datos: media=5.94; Desviacin estndar = 1.31.
Los datos anteriores los estandarisaremos utilizando la transformada:

=
x
Z (Recordar que si X~N(,
2
), entonces Z~N(0,1).
+0.35 -0.41 -0.95 +1.73 +0.66 +0.20 +0.27 -1.56 +0.20
+0.89 -0.79 -0.18 +0.12 +0.20 +1.11 +1.19 +0.12 -0.26
-0.41 +1.19 -0.11 -2.40 -0.03 +2.41 +1.04 -2.02 -0.64
-0.03 -0.11 -0.11 -1.02 -0.79 +0.20
Tabla de frecuencias observadas y tericas:
Intervalo 0 - + 0 - - + - +2 - - -2 +2 - +3 -2 - -3
Frecuencia
Observada
10 13 5 2 1 2
Frecuencia
Terica
11.26 11.26 4.49 4.49 0.71 0.71
Estimemos ahora el valor de estadgrafo X
2
.
X
2
= (10-11.26)
2
/11.26 + (13-11.26)
2
/11.26 + (5-4.49)
2
/4.49 + (2-4.49)
2
/4.49 +
(1-0.71)
2
/0.71 + (2-0.71)
2
/0.71
X
2
= 4.34
Los grados de libertad son = K S 1 = 6 2 1 = 3. De la tabla X
2
= 6.25.
Puesto que 6.25 > 4.34, entonces se puede considerar que la poblacin distribuye
normal con parmetros media=5.94; Desviacin estndar = 1.31 con una certeza
del 90%.
Sabemos que si Z~N(0,1), entonces:
P(Z 0 ) = 0.683, luego
P(Z 0 + ) = 0.3413
Luego el nmero de datos esperado en el
intervalo es = 330.3413 = 11.26
Curva de Ley Media versus Tonelaje
El conocimiento de la ley media de un yacimiento y el tonelaje asociado a dicha
ley media es de gran inters econmico. Estos clculos suelen ser muy importantes
y necesarios al analizar la viabilidad econmica de un proyecto minero. El objetivo
es que, conocida la ley media del yacimiento y su tonelaje asociado, establecer los
diferentes tonelajes que existen en funcin de unas determinadas leyes mnimas de
explotacin (leyes de corte o cut-off grades).
La elaboracin de este tipo de curvas se basa en el supuesto que las leyes tienen
una distribucin normal o log-normal.
Ejemplo:
Supongamos que se est analizando un posible yacimiento de sulfuros masivos que
posee 200 MTon extrables con una ley media del 3% y una desviacin estndar
del 0.95%. Se desea conocer que tonelajes explotables se tendrn para unas leyes
mnimas de corte del 1%, 2% y 2.5% y que leyes medias tendrn esos tonelajes.
Supuesto: La distribucin de las leyes es normal.
Tenemos que: x =3% y s = 0.95%.
Ley de corte = 2.5% Ley de corte = 2.0% Ley de corte = 1.0%
200 MTonP(X>2.5%) 200 MTonP(X>2.0%) 200 MTonP(X>1.0%)
P(X>2.5%)=1-P(X2.5%) P(X>2.0%)=1-P(X2.0%) P(X>1.0%)=1-P(X1.0%)
)
95 . 0
0 . 3 5 . 2
( 1

= Z P )
95 . 0
0 . 3 0 . 2
( 1

= Z P )
95 . 0
0 . 3 0 . 1
( 1

= Z P
G(Z) = 1 P(Z-0.53) G(Z) = 1 P(Z-1.05) G(Z) = 1 P(Z-2.10)
G(Z) = 1 0.29 G(Z) = 1 0.14 G(Z) = 1 0.0179
= 200 MTon0.71 = 200 MTon0.86 = 200 MTon0.9821
= 142 MTon = 172 MTon = 196 MTon
Es decir, el porcentaje del yacimiento que est sobre una cierta ley de corte x
c
es:
%(x>x
c
) = G(z
c
) donde:

=
c
c
x
z
La pregunta por responder ahora es:
Cul es la ley media del mineral explotable para el caso de una ley de corte del
2.5% por ejemplo?
La ley media sobre la ley de corte x
c
, est dada por:
) ( 2
) (
2
2
c
z
c
z G
e
x x
c
+ = >

La ley media se estima entonces como:
71 . 0 2
95 . 0
3 %) 5 . 2 (
2
) 53 . 0 (
2
+ = >
e
x
46 . 3 %) 5 . 2 ( = > x
Entonces, para una ley de corte del 2.5% se explotan 142 MTon con una ley
promedio del 3.46%. Para las otras leyes de corte, tenemos:
Ley de corte (%) Tonelaje (MTon) Ley media (%)
1.0 196 3.04
2.0 172 3.26
2.5 142 3.46
A partir de la metodologa anterior se obtiene la curva de ley de corte versus
tonelaje y la curva Ley media sobre la ley de corte, tal como lo muestra la siguiente
figura:
Proyecto Semestral
Cada grupo recibir un set de datos y el software GSLIB para realizar una
evaluacin completa de un yacimiento minero. Durante el semestre se realizarn
entregas parciales con informes de avance.
Informacin disponible:
Simul.dat: Archivo del yacimiento real. Contiene las leyes de oro del
depsito en una malla de 1 x 1 mt.
Simul10.dat: Corresponde al yacimiento real pero regularizado en un bloque
de 10 x 10 mt. (se ha calculado la ley del bloque como el promedio de los 100
valores puntuales del yacimiento real)
Center10.dat: Este archivo contiene el valor de una muestra tomada en el
centro del bloque de 10 x 10 mts. Esta informacin puede considerarse como
equivalente a los datos obtenidos del muestreo de los pozos de tronadura.
MuestXX.dat: Este archivo contiene las coordenadas de los sondajes y el valor
de la ley de Au en dicho sondaje para el set de muestras del grupo XX. Los
datos corresponden a muestras tomadas en una malla seudo-regular con algunos
clusters en los sectores de alta ley.
Software GSLIB
El Cd-Rom del software GS-LIB contiene las siguientes carpetas:
1- Carpeta Proyectos
2- Carpeta Bin
3- Carpeta GSLIB
4- Carpeta GSTOOLS
GS-LIB es una librera de herramientas geoestadsticas muy poderoso que fue
desarrollado por el Profesor Andre Journel de la Universidad de Stanford y es
ampliamente utilizado por la industria. Este software esta programado en
FORTRAN 77 y se ejecuta en ambiente DOS. Sin embargo, utilizando el programa
Ghostscript podremos ver los resultados en ambiente Windows.
Carpeta Proyectos:
Ubicacin: Directorio Raz (C:\)
Contenido: Esta carpeta contiene los siguientes archivos: Simul.dat; Simul10.dat;
Center10.dat; MuestXX.dat.
Carpeta Bin:
Para ejecutar GSLIB deben modificar el archivo autoexec.bat de su PC,
incluyendo la siguiente lnea:
SET PATH = C:\bin
Carpeta Gslib:
Carpeta Gstools:
Ubicacin: Directorio Archivos de programas (C:\ARCHIVOS DE
PROGRAMAS\)
Contenido: Esta carpeta tiene 2 directorios: GS5.03 y GSVIEW. Deben entrar
a la carpeta GSVIEW y ejecutar el programa gsview32.exe para ejecutar el
programa Ghostscript que nos permitir desplegar en pantalla todas las maravillas
geoestadsticas que desarrollaremos durante el semestre.
Para que el programa Ghostscript funcione bien es necesario que chequeen la
configuracin de ste. Para ello ejecuten el programa y vayan a: OPTIONS y
seleccionen CONFIGURE Ghostscript una vez ah chequeen que la
configuracin sea la siguiente:
Ghostscript DLL:
C:\ARCHIVOS DE PROGRAMAS\GSTOOLS\gs5.03\gsdll32.dll
Ghostscript Include Path:
C:\ARCHIVOS DE PROGRAMAS\GSTOOLS\gs5.03; C:\ARCHIVOS DE
PROGRAMAS\GSTOOLS\gs5.03\fonts
Ghostscript Options:
-dNOPLATFONTS -sFONTPATH=C:\psfonts
Una vez instalado Ghostscript intenten abrir los siguientes archivos ubicados en la
carpeta Proyectos:
Simul.ps
Simul10.ps
Center10.ps
Para ver sus datos pueden utilizar el editor EDIT de DOS o bien NOTEPAD de
Windows.
CLASE N4
Los sondajes:
En lneas generales los sondeos mineros pueden clasificarse en dos grandes grupos:
CON obtencin de testigos y SIN obtencin de testigos.
Con obtencin de testigos: La perforacin es con coronas de diamantes,
obtenindose un testigo continuo que permite una inspeccin visual de los
macizos rocosos, anlisis e interpretacin geolgica, etc. Desventaja: alto costo,
proceso ms lento.
Principios: En este mtodo las herramientas de perforacin son las coronas de
diamantes, aunque en algunos casos se emplean coronas de metal duro o de
carburo de tungsteno, que van montadas en el extremo de un tubo que es
accionado por la mquina de perforacin a travs del varillaje.
El corte de la roca se produce al ejercer sobre la herramienta esfuerzos de
empuje y rotacin. Por un lado, los diamantes poseen una resistencia superior a
la del material que se atraviesa en la formacin y, por otro, con la rotacin se
produce un desgarramiento de la roca, como si se tratara del arranque de
virutas, interviniendo la resistencia de traccin de la roca, que es mucho menor
que la de compresin. Al avanzar la corona se va formando un cilindro o ncleo
de roca, denominado comnmente testigo, que posteriormente se libera y extrae
del macizo rocoso.
El diamante es un mineral compuesto de carbono cristalino, formado a altas
presiones y temperaturas en el interior de la tierra, con una densidad en estado
puro entre 3,51 y 3,53 gr/cm
3
y con la dureza ms grande que se conoce (10 en
la escala de Mohs). Su alta dureza, junto con la alta conductividad del calor y
bajo coeficiente de friccin, hacen que el diamante sea un material muy efectivo
como elemento de corte en las bocas de perforacin.
Los diamantes sintticos o artificiales son producidos a partir de grafito, al que
se le somete a altas presiones y temperaturas.
Los diamantes no tienen la misma dureza, por lo que con una medida de la
densidad se puede precisar su valor econmico. Cuando la densidad est
comprendida entre 3,1 y 3,2 gr/cm
3
es de buena calidad, por debajo de 2,9
gr/cm
3
la calidad es mala.
El tamao de los diamantes se expresa en piedras por quilate (p.p.q.) que indica
el nmero de piedras que entran en 0,2 gr., es decir, en 1 quilate:
Valor y tamao de los diamantes
Rango de Tamaos
(p.p.q.)
Valor Medio
(p.p.q.)
Tamao del Diamante
(mm)
6 10 8 2.49
10 15 12 2.16
15 25 20 1.80
25 35 30 1.60
35 45 40 1.47
45 55 50 1.37
55 70 62 1.22
70 90 80 1.12
90 100 100 1.07
110 130 120 1.02
Segn el tamao y disposicin de los diamantes en la matriz, las coronas se
clasifican en dos grandes grupos:
- Coronas de insercin: fabricadas con diamantes cuyos tamaos se
encuentran entre 10 y 80 p.p.q. Los diamantes se encuentran sobre la
superficie de la corona. Este tipo de coronas se utiliza en trabajos sobre
superficies blandas a semiduras.
- Coronas de concrecin o impregnacin: Construidas con diamantes con
tamaos mayores de 100 p.p.q. El polvo de diamante se encuentra
mezclado con el material de la matriz formando un todo. Este tipo de
coronas se utiliza en trabajos sobre superficies de dureza media a muy
dura o formaciones muy fracturadas.
Tipos de diamantes utilizados segn el tipo de roca y su estado
Tipo de Roca Estado de la Roca Tamao de los Diamantes
ULTRADURA
- Jaspirita
- Cuarzo
- Hierro
- Slex
Todo tipo
Usar slo coronas de concrecin
Competente 70/90 55/70 MUY DURA
- Cuarcita
- Gneis
- Granito
- Riolita
- Diorita
- Prfido
Fracturada 55/70 45/55
Competente 45/55 35/45 DURA
- Andesita
- Basalto
- Gabro
- Dolerita
Competente 45/55 35/45 MEDIO DURA
- Dolomita
- Limolita
- Esquistos
- Areniscas
- Pegmatita
BLANDA
- Pizarra
- Caliza
Competente 25/55 15/25
MUY BLANDA
- Arcilla
- Yeso
- Talco
- Potasa
Todo Tipo 10/15 6/10
El fluido de perforacin que se utiliza normalmente es el agua, si bien el aire, en
algunos casos, se ha utilizado con notable xito, tambin se est empleando
cada vez con ms frecuencia los lodos de polmeros.
Las velocidades de penetracin se determinan en funcin de: el tipo de corona,
el empuje, la velocidad de rotacin, el tipo de roca, la profundidad y el fluido de
perforacin. Normalmente las velocidades varan entre 0.3 y 2 metros por hora.
Grfico tpico para la determinacin de la velocidad de penetracin
Costo aproximado: US$80/metro perforado.
Sin obtencin de testigos: Se conocen como mtodos con circulacin inversa.
Este mtodo consiste bsicamente en la perforacin de la roca mediante el uso
de sistemas de rotacin con triconos, de martillo en fondo o en cabeza, en
donde adems se inyecta un fluido de barrido que arrastra la muestra (formada
por los detritus obtenidos en la perforacin) hasta la superficie. Ventajas:
rapidez y economa. Desventajas: Contaminacin de la muestra y no entrega
muchos antecedentes geotcnicos.
- Costo aproximado: US$35/metro perforado
Herramientas de corte:
a) Triconos: Durezas medias a bajas.
b) Botones y martillo en fondo: Durezas medias.
c) Corona o trialeta: Durezas medias a bajas.
Campaas de exploracin e investigacin:
Objetivo: determinar la presencia o ausencia de zonas mineralizadas y obtener
una idea preliminar de qu ley y tamao tienen dichas zonas.
Usualmente la primera fase de exploracin se dirige ms a obtener una idea de
la extensin y forma del cuerpo mineralizado aprovechando al mximo el
presupuesto, por lo que se suele utilizar los mtodos sin obtencin de testigos.
Las perforaciones desde superficie se hacen con una inclinacin con objeto de
interceptar yacimientos minerales verticales o muy inclinados. Generalmente
los sondajes se perforan con una inclinacin entre 30 a 60.
Por ejemplo, en Escondida se hicieron 42.000 metros de sondajes rotatorios de tipo
convencional con aire reverso, ms de 103.000 metros de diamantina, los que
permitieron la rpida cubicacin de reservas de 1.600 millones de toneladas de
mineral con una ley media de 1.6%.
Mallas de sondeos:
La decisin acerca del nmero de sondeos y su disposicin geomtrica es
compleja, interviniendo en la misma, factores del tipo geolgicos, econmicos y
estadsticos.
En general las campaas de sondeos se plantean como una consecuencia del
anlisis de mallas anteriores que se van cerrando progresivamente.
Las mallas de sondeos pueden ser regulares o irregulares. Las mallas de sondeos
regulares son aquellas que en proyeccin horizontal presentan un esquema
geomtrico compuesto generalmente por: rectngulos o cuadrados, tringulos o
polgonos.
o o o o o
o o o o o
o o o o o
o o o o o
o o o o o
o o o o o
Las mallas de perforacin varan ampliamente, la tabla siguiente indica algunos
espaciamientos utilizados en la investigacin de distintos tipos de minerales.
Tipo de Yacimiento Tamao de Malla (a x b)
en metros
Prfidos cuprferos 75 x 150
50 x 75
Hierro (taconita) 60 x 90
30 x 60
Bauxita 15 x 30
Molibdenita 60 x 60
Carbn bituminoso 500 x 500
150 x 150
y
x
a
b
Campaas de muestreo en terreno
Caracterizacin de depsitos minerales para propsitos de muestreo
El modo de ocurrencia y la morfologa de los depsitos mineros tienen un impacto
considerable en el tipo y densidad del muestreo y la cantidad de material a
muestrear.
Vetas:
El mineral/metal est desigualmente distribuido a lo largo y dentro del plano de
la veta.
El mineral normalmente est en la forma de cristales gruesos, por lo que se
requiere un volumen de muestreo grande para que sea representativo.
Muchas vetas son angostas y por lo tanto son susceptibles a grandes diluciones.
La mayora de las vetas estn asociadas a fallas, fisuras y zonas de contacto, por
lo que las condiciones de la roca soportante pueden afectar directamente la
dilucin y la tcnica de muestreo utilizada.
A pesar que las fluctuaciones del espesor son relativamente predecibles, las
leyes medidas suelen ser muy errticas e impredecibles, por lo que se requiere
un muestreo poco espaciado.
Normalmente son difciles de muestrear debido a la dureza o fragilidad natural
de los constituyentes de la veta. Es recomendable el uso de muestreo con
diamantina.
Depsitos Estratiformes:
Este tipo de depsitos normalmente se encuentra dentro de unidades litolgicas,
y cuyo contenido mineral est controlado por condiciones de capas u otras
caractersticas sedimentarias.
Tienen tendencia a ser gruesos (sobre 20 m).
Normalmente cubre una gran extensin.
Comnmente estn inclinados o altamente plegados, presentando problemas
para el muestreo y evaluacin.
La tendencia de las leyes es uniforme y predecible, excepto cuando estn
afectados por metamorfismos o vetas.
La variacin gradual de las leyes permite usar un muestreo menos denso.
Muchos de estos depsitos contienen mineralizaciones con cristales finos, por
lo que requieren un menor volumen de muestreo.
En general son pocas las zonas de altas leyes que pueden provocar errores en el
muestreo y la estimacin de las reservas.
Depsitos Sedimentarios:
Estos incluyen: carbn, fierro, potasio y depsito de sales.
Existe una clara definicin de los lmites del yacimiento.
Presentan fluctuaciones graduales de las leyes.
El muestreo est normalmente controlado por la presencia de capas pobres.
La variacin vertical en las leyes puede ser fcilmente detectada.
Depsitos de Prfidos Cuprferos-Molibdeno:
Por ejemplo: Chuquicamata y Escondida.
Son depsitos de grandes dimensiones y requieren de un muestreo profundo
(sobre los 100 m).
Sus bajas y errticas leyes requieren de muestras grandes.
Normalmente presentan un estilo e intensidad variable de la mineralizacin.
La existencia de zonas superficiales lixiviadas u oxidadas pueden servir como
forma de reconocimiento para el muestreo.
Las zonas de alta mineralizacin normalmente se concentran a lo largo de
sistemas de fracturas, de esta manera hay que ser cuidadosos con la orientacin
de los sondajes para no hacerlos paralelos a su inclinacin.
Normalmente existe una importante variacin en la litologa del yacimiento, lo
que obliga a tener un especial cuidado con el sondaje.
Depsitos de Epitermales de Oro:
Por ejemplo la zona de Maricunga.
Normalmente estn poco definidos y con geometra irregulares.
Son internamente complejos y las zonas con bajas leyes normalmente producen
una alta dilucin.
Las zonas de alta ley son angostas y estn asociadas con pequeas vetas e
impregnaciones.
Son difciles de muestrear debido al amplio rango de rocas con distintas
competencias que los alberga.
Sus leyes en general son bajas, por lo tanto es necesario tomar muestras
grandes.
Cul debe ser la separacin o distancia entre muestras sucesivas (densidad de
muestreo)?.
3 principales mtodos para establecer la distancia.
1- Coeficiente de variacin
2- Geoestadstica
3- Correlograma
1- Coeficiente de variacin:
% 100
media
Estndar Desviacin
Variacin Coef. =
Distribucin de
los Elementos
Analizados
Coeficiente de
Variacin (%)
Tipos de Yacimientos Espaciado de
las Muestras
(m)
Regular 5 - 40
Yacimiento sencillo de carbn, pizarras
bituminosas, cementos, sales, fosfatos, algunos
yacimientos de Fe y Mn.
50 - 60
Irregular 40 100
Yacimientos hidrotermales, metasomticos de
contacto, la mayor parte de los polimetlicos y
de Cu, algunos de W y Mo, muy pocos de Au.
6 - 4
Muy irregular 100 - 150
La mayor parte de los yacimientos de Sn, W y
Mo, muchos yacimientos de Au.
4 - 2.5
Extremadamente
irregular
> 150
Muchos yacimientos de tierras raras, Au y Pt.
2.5 - 2
Este mtodo es til, pues es aplicable a la generalidad de los yacimientos y est
basado en el conocimiento de un gran nmero de depsitos. Sin embargo no
contempla las particularidades propias del yacimiento en estudio, por lo que su
utilizacin debe ser complementada con algunos de los otros mtodos que existen.
2- Mtodos basados en la geoestadstica:
Esta metodologa ser tratada en detalle ms adelante, pero adelantando: se calcula
el semivariograma experimental de los datos y se le ajusta un modelo. Si el modelo
presenta un alcance o rango a, entonces un valor que puede oscilar entre a/3 y
a/2 es la distancia ptima para definir la malla de muestreo.
3- Mtodos basados en el correlograma
Este mtodo incluye el clculo de los coeficientes de correlacin r entre las leyes
de pares de muestras que se encuentran inicialmente espaciadas a una distancia
equivalente al intervalo mnimo de muestreo. Una vez calculado el valor de r
para el intervalo mnimo, se calculan los valores a una distancia igual a 2 veces el
intervalo mnimo, luego a tres y as sucesivamente. Los resultados se presentan en
una figura como la siguiente:
El valor al cual el coeficiente de correlacin se aproxima a cero se denomina
distancia crtica de muestreo (DCM). Dicho punto define la distancia en la que las
muestras dejan de estar relacionadas, este valor es el que se toma como distancia
de muestreo.
Nmero de muestras:
La estadstica clsica permite conocer frente a un conjunto de datos tomados al
azar y no correlacionados, si el nmero de muestras obtenidos es el suficiente para
alcanzar un nivel de confianza determinado, es decir, no define una distancia de
muestreo determinada, pero s, si el nmero de muestras tomadas puede
considerarse representativo.
De la estadstica clsica sabemos que para una muestra suficientemente grande:
2 /
2

) , (
z
n
x
n
N x

Donde: es el error. Para n>30 se puede suponer que S, entonces:

2
2 /

=
e
S z
n

Ejemplo: Se han tomado 50 muestras de calizas para analizar el magnesio con el
fin de ser utilizadas para la obtencin de cemento. Los valores de la media y la
desviacin estndar de dichos anlisis son 3.47 y 1.40 respectivamente. Teniendo
en cuenta que se penalizan valores de magnesio superiores al 3.90%, calcular si el
muestreo es suficiente para un nivel de confianza del 95%.
Mximo error: 3.90% - 3.47% = 0.43%
Para =5%, entonces z
0.025
=1.95
Reemplazando, obtenemos n = 40.3.
Cantidad de muestra a tomar:
El peso de la muestra a tomar debe ser el apropiado para que ste sea
representativo. La determinacin del peso de la muestra, segn Kuzvart y Bohmer
(1978), viene condicionado por los siguientes factores:
El peso inicial puede ser menor en depsitos con una distribucin regular del
mineral (estructuras masivas y bondeadas) que en depsitos donde el mineral
est en forma de impregnaciones o en discontinuidades.
Cuanto mayor sea el tamao (cristalinidad o granulometra) del mineral, mayor
deber ser el peso de la muestra y viceversa.
Cuanto menor sea la ley del mineral, ms pequeo puede ser el peso de la
muestra.
Tres mtodos para calcular la cantidad de muestra a tomar
- Coeficiente de variacin.
- Frmula de Richards-Czeczott.
- Frmula de Royle.
Coeficiente de variacin; El tamao de la muestra se obtiene a partir de una
relacin del coeficiente de variacin.
Distribucin de los
Elementos Analizados
Coeficiente de Variacin (%) Peso de la Muestra
Muy regular Hasta 20% X = (0.6 0.8 kg.)
Regular 20% - 40% 3X
Irregular 40% - 80% 6X
Muy irregular 80% - 150% 9X
Extremadamente irregular > 150% 12X
2. Frmula de Richards-Czeczott. El tamao de la muestra se obtiene a partir de la
frmula emprica:
Q = Kd
2
, donde:
Q = Cantidad de muestra a tomar
K = Constante adimensional que expresa la variabilidad del depsito
d = tamao del grano ms largo del mineral til expresado en mm.
Grupo Tipos de Yacimientos Coeficiente
de Variacin
Carcter de la
Mineralizacin
K
A Grandes yacimientos sedimentarios de Fe,
Mn y bauxitas, yacimientos metamrficos
de Fe.
< 70% Regular 0.02
B Yacimientos de magnetita, cromitas,
areniscas con Cu, yacimientos
polimetlicos y de Cu con una
distribucin poco uniforme del elemento.
70% - 100% Irregular 0.1
C Yacimientos filonianos de metales no
frreos, raros y preciosos, as como
materiales radiactivos.
100% - 150% Muy irregular 0.2-0.5
D Pequeos yacimientos de platino,
diamantes y oro con contenidos muy
variables.
> 150% Extremadamente
irregular
0.5-1.0
3. Frmula Royle: Define el concepto de Peso de Seguridad Mnimo (PSM)
PSM = 100(A/G)
Donde:
A: Gramos de mineral contenidos en la partcula ms grande (gr.)
G: Ley (%)
Ejemplo 1: Se tienen 10 muestras de un posible yacimiento de magnetita cuyas
leyes son: 10.4%, 7.1%, 18.3%, 24.4%, 5.9%, 39.8%, 17.2%, 6.8%, 15.9% y 2.1%.
El tamao mximo de los granos de magnetita es de 7 mm. Calcular la cantidad de
muestra que ser necesario tomar para posteriores muestreos, utilizando los
mtodos del coeficiente de variacin y de Richards-Czeczott.
Coeficiente de variacin
Media = 14.79
Desviacin estndar = 11.15
Coeficiente de Variacin = 11.15/14.79*100 = 75.4%
Luego de tabla obtenemos que el tamao de la muestra recomendada es de:
6(0.6 0.8) Kg, es decir, entre 3.6 y 4.8 Kg.
Frmula de Richards-Czeczott
d =7 mm; C.V.=75.4% k = 0.1. Luego:
Q = 0.17
2
= 4.9 Kg.
Ejemplo 2: Se tienen esferas de galena con un tamao mximo de 2 cm, siendo la
ley en plomo de la mineralizacin del 0.2%. Calcular el peso de seguridad mnimo
segn la frmula de Royle. La densidad de la galena es de 7.5 gr/cm
3
.
Volumen de la esfera = (4/3) 1
3
= 4.19 cm
3
Masa de la esfera = 4.197.5 = 31.42 gr.
Aplicando la frmula de Royle:
PSM = 100 (31.42/0.2) = 15.71 gr.
CLASE N5
Muestreo de Minerales:
Una malla de perforacin 6m * 6m con una altura de banco de 10 m y una
densidad de 2,5 ton/m
3
.
Toneladas de material = 6 * 6 * 2,5 * 10 = 900 ton (28.935.675 onzas)
a) Depsito de cobre al 1% CuT y un precio de 0,75 US$/lb.
Valor de la decisin = US$ 15.000.-
b) Depsito de oro de 2 gr/ton y un precio de 320 US$/onza.
Valor de la decisin = US$ 18.500.-
En un pozo de tronadura de 10 pulgadas de dimetro hay aprox. 1.8 Ton.
de material.
Problema Principal del Muestreo: Se debe estimar la media de una
poblacin o lote a partir de una muestra.
Poblacin (Universo): La totalidad de artculos o cosas consideradas.
Muestra: Parte de la poblacin que se ha seleccionado para el anlisis
Poblacin Muestra
Por ejemplo: En EE.UU. los muestreos del gobierno toman muestras de
105.000.- personas, es decir, 1 persona cada 1.240.- habitantes.
En una pila de un hoyo de tronadura con 400 kg. de material, se toman
(dependiendo de la mina) una muestra de 8 kg.
Etapas de un muestreo:
1- Objetivo del muestreo
2- Poblacin a muestrear
3- Datos a recolectar
4- Grado de precisin deseado
5- Mtodo de medida
Para cumplir bien con la definicin inicial de muestreo se debe cumplir el
hecho siguiente de vital importancia:
El muestreo deber ser equiprobable
El muestreo de un lote M
L
compuesto de N fragmentos es equiprobable
cuando todas las combinaciones de n fragmentos tienen la misma
probabilidad de ser elegidos para la constitucin de la muestra.
Tipos de muestreos:
Muestreo Aleatorio Simple: Consiste en la seleccin de n fragmentos
o unidades del lote M
L
de modo que todas las muestras posibles de
tamao n tengan la misma probabilidad de ser elegidas.
Muestreo Sistemtico: En este caso las extracciones de las muestras son
determinadas segn una regla fija (cada ciertos metros, cada cierto
tiempo, etc.)
Muestreo Estratificado: El lote M
L
se divide en partes (estratos) que no
se solapan entre s. Cada estrato es muestreado posteriormente segn
los procedimientos anteriores. El muestreo estratificado es equiprobable
en cada estrato pero no en la muestra total.
k
k k
N N N
x N x N x N
x
+ + +
+ + +
=
...
...
2 1
2 2 1 1
N
1
1
x
N
2
2
x
N
k
k
x
Por ejemplo la siguiente situacin:
7 8 5 6 6 10 7 6
5 4 4 7 6 6 3 8
4 7 8 10 8 4 6 6
6 4 6 4 8 7 9 8
6 3 9 9 7 8 11 9
5 3 4 3 5 2 4 3
5 3 3 4 5 4 3 4
4 5 4 3 3 4 3 5
Para este caso:
media = 5.56
desviacin estndar = 2.16
N total: 64; Estrato 1: 40; Estrato 2: 24
En minera no se utiliza el muestreo al azar dado que la suposicin bsica
para que este tipo de muestreo sea representativo, que el conjunto sea
absolutamente homogneo, rara vez se cumple. Usualmente el muestreo
aleatorio estratificado, bien aplicado, proporciona mejores resultados que
el muestreo aleatorio simple.
El muestreo estadstico:
Si M
L
: {x
1
, x
2
, x
3
, ..., x
N
}, Universo,
M
S
: {a
1
, a
2
, a
3
, ..., a
n
}, Muestra.
Donde:
n
a
n
i
i
=
=
1
)
es un estimador insesgado de:
N
x
N
i
i
=
=
1
La varianza de la muestra queda definida por:

La varianza del error del muestreo queda definida por:
)
1 1
(
) (
2
2
2
N n
S
Var
=
=

)
1
) (
1
2
2
=
n
a
s
n
i
i
)
Con un 95% confianza (asumiendo errores con distribucin gausseana):
-2
+2
Notar que si n N, entonces
0. Por lo tanto el error decrece mientras

mayor sea el tamao de la muestra. En el lmite, cuando n = N, se cumple
que: = 0.
Consideraciones prcticas para el muestreo de minerales segn los
estados en que se encuentre:
- In situ: Aplicacin de la teora gesoestadstica.
- Quebrado: Teora de muestreo de Gy.
- Liberado: Teora hipergeomtrica o de Gy.
Nota: mineral liberado, es aquel que ha sido separado de la ganga a
travs de un proceso de conminucin.
La segregacin:
Usualmente las partculas tienden a segregarse de acuerdo a sus formas,
pesos, granulometra, etc. La segregacin dificulta tener un conjunto
homogneo. Por ejemplo, si en un recipiente se pone una cierta cantidad de
porotos y otra cantidad de azcar, se podr notar que es imposible tener un
conjunto homogneo para muestrear;
Extraccin de la muestra:
En general es muy difcil tener la situacin ideal de recuperacin del
sondaje.
Los tubos de muestreo de detritus, el riffle (instrumento para
reducir muestras) y las palas de muestreo tiene que tener una abertura
suficiente de manera de contener los diferentes tipos de tamao
(granulometra) del material quebrado. Esto se justifica porque, en la
mayora de los casos, la ley del material fino es significativamente
diferente de la ley del material grueso.
Delimitacin de la Muestra:
En una mina a cielo abierto, la muestra de un pozo de tronadura debe
ser representativa del banco y no debera considerarse la pasadura.
Las muestras tomadas desde el cono de detritus de un pozo de tronadura
debe ser radial de manera que respete la proporcin de finos/gruesos.
En una cinta transportadora la geometra de la muestra debe ser un
rectngulo o un paralelgramo.
Una submuestra no se puede tomar en forma superficial, sobre todo si
existe el fenmeno de segregacin.
Diseo de Palas:
Reduccin de la Muestra. Riffles
La reduccin de una muestra es necesaria en la prctica. Se puede utilizar
el mtodo del cuarteo o bien un instrumento como el riffle.
Para un riffle es necesario tener en cuenta las siguientes reglas:
- Al menos 12 canales
- Nmero par de canales
- Abertura de canales mayor que 2 veces el dimetro mximo de
las partculas.
- Alimentar lentamente, desde el centro y con una pala adecuada
Las reglas anteriores aseguran que las 2 submuestras son aproximadamente
iguales (equiprobabilidad).
Cuarteo:
Riffle:
Algunas recetas sobre Muestreo de Minerales:
Reduccin verdadera: Para ello se debe utilizar: cuarteo, riffle. La
seleccin del respaldo y del rechazo debe ser aleatoria.
Sugerencias: (a) Capacitar al personal involucrado en el muestreo; (b)
observar y verificar que la muestra es correcta; (c) evitar el corte
manual; (d) filmar las operaciones y revisarlas cuidadosamente; (e)
Respetar las reglas del cortador
Reglas de cortadores de Muestras (Muestreo de minerales en flujo
continuo):
En las siguientes figuras aparecen varios tipos de cortadores de muestras.
Estos cortadores, que se utilizan en plantas de tratamiento de minerales, en
el caso de flujo continuo, deben seguir las reglas siguientes:
a) Deben ser verticales.
b) Las caras deben ser perpendiculares al flujo.
c) Las caras cortadoras deben estar centradas con respecto al flujo y
perpendiculares al movimiento.
d) El ancho del cortador debe ser mayor que 3d
M
, en que d
M
es el
dimetros de la partcula mxima.
e) La velocidad debe ser uniforme.
Muestreo de carros mineros. Camiones
El muestreo de carros mineros y el muestreo de camiones mineros no es
equiprobable debido a que obligatoriamente la muestra debe ser
superficial.
Muestreo en puntos de extraccin.
El muestreo en puntos de extraccin, por ejemplo en una mina explotada
por block-caving es difcil, debido a que es superficial adems de no ser
equiprobable, debido a la gran variedad de tamaos en el punto.
Para mejorar la situacin existen soluciones de alto costo. Una de ellas es
construir una torre de muestreo y enviar el avance completo a la torre.
Torre de Muestreo:
El muestreo de hoyos de tronadura
En la figura siguiente aparece un hoyo de tronadura y uno de los mtodos
para tomar una muestra del cono: el tubo muestreador.
En algunos casos el material acumulado en el cono puede ser del orden de
una tonelada. Es imprescindible entonces tomar una muestra de unos
cuantos kilos.
En las siguientes figuras se demuestra que si se utiliza un captador de
detritus, su diseo debe ser radial. Un corte en el cono proporciona un
crculo de radio 2r. Si supones que los gruesos estn en un crculo
concntrico de radio r y los finos en el exterior, entonces la proporcin real
de finos/gruesos es de 3:1. Un captador rectangular entrega una proporcin
de finos/gruesos de aproximadamente 1:1.
En la siguiente figura se demuestra que el tubo de muestreo no es
equiprobable. Se tiene una proporcin real de finos/gruesos de 7:1,
mientras que el tubo entrega una proporcin de aproximadamente 1:1.
Se concluye que uno de los mejores mtodos debera ser un captador
radial. Sin embargo esta solucin es muy difcil de implementar en minas
como Chuquicamata, debido a la gran cantidad de material que cae en el
captador. Por esta razn, en Chuquicamata y Escondida y otras minas
grandes se utiliza an el mtodo del tubo.
El captador de lodos
Se utiliza en algunas minas subterrneas. La perforacin es con agua y la
muestra es de lodo o barro. La recuperacin por lo general no es buena,
produciendo una muestra de dudosa calidad. En algunas minas se ha
comprobado que produce sesgos.
Los ejemplos analizados muestran que en minera es muy difcil obtener
muestras equiprobables a un costo y condiciones operacionales razonables.
Como a priori sabemos que en minera en prcticamente imposible obtener
muestras equiprobables, es necesario realizar estudios para disminuir al
mnimo otras fuentes de error y sesgo.

Clases1 5

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Clases1 5

Transféré par

Droits d'auteur :

Formats disponibles

IMM 2032 Geoestadstica y Evaluacin de Reservas Mineras pg.

La distribucin acumulativa F(x) de una variable aleatoria discreta con distribucin

2.3- Distribucin Normal

= Z , entonces P(X>55%) = 1 P(X<55%) = 1 P(Z<-0.333)

Donde: es el error. Para n>30 se puede suponer que S, entonces:

La varianza de la muestra queda definida por:

Notar que si n N, entonces

0. Por lo tanto el error decrece mientras

Vous aimerez peut-être aussi