LA POTENCIA DE LA VALIDACIN DE PUNTOS

La validacin de puntos, que a veces se conoce como validacin cruzada, es una de

las poderosas herramientas para comprobacin del modelo. Se encuentra dentro del
grupo 2-Composites, en el men de MineSight Compass, con el nombre de
p52401q.dat (para usar con compsitos de MineSight Torque) o de p52401.dat (para
archivos anteriores/antiguos).
Conceptualmente, la validacin de puntos es bastante simple: pronostica un punto de
datos conocido aplicando un plan de interpolacin. Ese punto se elimina del conjunto
de datos y se emplean los puntos circundantes para estimar ese punto conocido.
Luego se repite este procedimiento para todos los puntos conocidos. El valor
estimado se puede comparar con el valor conocido para todos los puntos. La
diferencia entre la estimacin y el valor real puede servir para determinar cmo est
funcionando el plan de interpolacin. Obviamente, hay consideraciones importantes
que se deben tomar en cuenta, y las discutiremos ms adelante. Adems, la
validacin de puntos puede resultar muy prctica para comparar distintos planes de
interpolacin; por ejemplo, el error de estimacin es inferior en una inversa a la
distancia a la 2da. potencia o a la 3ra? El plan de interpolacin que muestre el error
de estimacin ms bajo puede que resulte ser el mejor de los dos.
1. COMPRENDER LAS OPCIONES
Bsqueda: Muchos son los factores que contribuirn a la estimacin de cualquier
punto dado. Los ms fundamentales son las opciones de bsqueda y de limitacin
de la interpolacin, y dentro de stos: las distancias de bsqueda, la rotacin de la
elipse de bsqueda, la limitacin por octante y cuadrante, la correspondencia de
cdigos, as como tambin la cantidad de compsitos empleados. Los efectos de
estas opciones se tratan en los artculos de boletines que se indican a
continuacin.

Consejos para interpolar el modelo de mina - Abril 2014

Checking interpolation search parameters October 2001
Modelar lmites geolgicos blandos - Julio 2013

Empleo de compsitos del mismo sondaje: En el panel Optional Parameters,

una casilla permite indicar al programa que trabaje con los compsitos del mismo
sondaje (opcin por defecto), o que los excluya. Segn la estrategia de bsqueda
adoptada, esta opcin puede modificar drsticamente los compsitos incluidos para
interpolar el punto. Generalmente, los compsitos en el mismo sondaje son los que
se encuentran ms cerca y al descartarlos se arriesga a aumentar el error
calculado para determinado compsito. Por el contrario, dado que esos compsitos
estn tan cerca, cuando se los incluye puede que reciban la mayora de la
ponderacin y potencialmente se subestime el error. Cada plan de interpolacin es
diferente y deber evaluar esta opcin caso por caso.
DICIEMBRE DEL 2014

Si decide no eliminar todos los compsitos del sondaje, puede que quiera aplicar
una limitacin a la cantidad de compsitos por pozo, con el fin de minimizar sus
efectos.
Consideraciones adicionales: Hay otro factor ms importante en relacin a la
bsqueda que debe tomar en cuenta al validar puntos. En la validacin estamos
eliminando de la bsqueda el punto que se est estimando. Dado que todos los
mtodos de interpolacin trabajan de alguna manera con la distancia, y la distancia
entre el punto y ese mismo punto es 0, de hecho estamos eliminando el elemento
informativo ms relevante que tenemos en nuestro conjunto de datos . En reas
con una escasa variabilidad en las leyes, esto puede ser una cuestin menor, pero
piense en una situacin en la cual hay un compsito de alta ley en un rea de bajas
leyes (Fig. 1).
Al eliminar la muestra (en esencia el nico composito de alta ley) inevitablemente
tendr una estimacin de baja ley y por ende tendr un error elevado para esa
muestra. No obstante, los bloques estimados en esta rea tendran este composito
dentro de sus datos y por ende no habran recibido una estimacin tan baja. Tenga
en cuenta que mientras el error calculado para los compsitos puede ser til, puede
que no necesariamente se correlacione de manera directa con el error en los
bloques circundantes.

Figura 1: Sondajes con la estimacin de validacin de punto a la izquierda y

valor de compsito a la derecha. La flecha marca un compsito de alta ley en
la zona de baja ley; observar que la estimacin por validacin de puntos
para este compsito fue muy baja.
Volver a guardar en los compsitos: Si trabaja con interpolacin por ponderacin
inversa a la distancia (IDW) puede validar puntos para verificar cul es la potencia
que genera el error ms bajo. El ltimo panel ofrece distintas opciones para el tipo
de estimacin de puntos que desea guardar. Por defecto, permite guardar las
siguientes potencias IDW: 1, 1.5, 2, 2.5 y 3.0. Sin embargo, puede tambin
configurar su propia tabla de potencias. Dado que el panel solo permite volver a
DICIEMBRE DEL 2014

guardar dentro de un nico tem en los compsitos, puede configurar una multi-run
para guardar informacin adicional. Si est aplicando validacin de puntos para
evaluar sus parmetros de kriging, querr dejarlo como est por defecto y guardar
la estimacin kriging.
Evaluar distintos tipos de datos: Tambin puede trabajar con validacin de
puntos para evaluar un tipo de datos aplicando otro tipo. Por ejemplo, puede
estimar los compsitos de sondajes segn los datos de barrenos de produccin, o
viceversa. Para hacerlo, tendr que crear un conjunto nico de compsitos que
contenga ambos grupos de datos. Tendr que identificar los distintos conjuntos de
datos con una marca; por ejemplo FLAG = 1 para los intervalos de sondaje y FLAG
= 2 para los de los pozos de produccin, de este modo el programa podr distinguir
uno de otro (Fig. 2).
En MineSight Torque, recomendamos exportar los sondajes y barrenos
compositados y luego volver a importarlos como compsitos. En las opciones para
limitar puntos, marque la casilla Special point limiting y seleccione el tem Flag
como el tem limitante de los puntos. Luego especifique los cdigos: entonces solo
utilizar los puntos con cdigo 2 (por ej. los compsitos de barrenos) para interpolar
los de cdigo 1 (compsitos de sondajes) y viceversa.

Figura 2: Corte 2D que muestra el compsito de sondaje interpolado a partir

de barrenos de produccin.
2. ANALIZAR LOS RESULTADOS
Los archivos de informe: El primer archivo de informe es el 525 y es el que se
carga cuando se ejecuta el procedimiento. La tabla Statistics of each input item
es la primera de este informe y presenta las estadsticas de cada tem de entrada
indicando: la media, la desviacin estndar, mnima, mxima, la mediana y el sesgo
del conjunto de datos real, cada una de las cinco estimaciones IDW, la estimacin
kriging y la varianza kriging. Luego siguen dos histogramas, el primero muestra la
frecuencia de las leyes reales y el segundo las diferencias entre la estimacin IDW
elegida y los valores reales.
DICIEMBRE DEL 2014

MineSight Data Analyst (MSDA) produce una visualizacin ms clara de estas dos
grficas, por lo que se recomienda darle una mirada en MSDA. Despus de las
grficas aparece la lnea que mejor se ajusta al cuadrado menor o la lnea de mejor
ajuste (que se trata ms adelante en la seccin de MSDA), y despus viene el error
estndar de la estimacin y los intervalos con 95% de confianza para la pendiente y
la interseccin y. El error estndar es un mtodo para medir la exactitud de las
predicciones; est relacionado estrechamente con la suma de los cuadrados de los
errores que se emplea para calcular la lnea de regresin. Luego sigue una grfica
de dispersin, que recomendamos recrear en MSDA (ms adelante se describe el
proceso).
Si est trabajando con kriging entonces ver una repeticin de la secuencia anterior
pero para la estimacin kriging. Sin embargo, en la seccin de anlisis estadstico
tambin encontrar la varianza kriging promedio y el cuadrado de los errores
ponderados. La varianza kriging promedio es el promedio del error "terico" de
acuerdo con el variograma, y el cuadrado del error ponderado es el promedio de los
errores reales ponderados por la inversa de la varianza kriging, lo que significa que
se asigna un peso mayor a los puntos que deberan tener una estimacin ms
cercana, y viceversa.
Si utiliza los variogramas normales, la relacin entre estos dos nmeros idealmente
sera uno. Si trabaja con variogramas normalizados o correlogramas, hay que
volver a dimensionar el error kriging promedio. Esto se puede hacer multiplicando
el error kriging promedio por la varianza.
El segundo archivo de informe es el 524, que tambin contiene informacin valiosa.
En la parte superior encontrar una copia del archivo de ejecucin, con los datos
de entrada de los paneles. Debajo hay una tabla que describe los variogramas, si
es que se emplearon. Despus de los parmetros de variograma aparece la tabla
Point Interpolation of Grade Item Composites con la interpolacin de puntos para
los compsitos del item de ley (Fig. 3).
Esta tabla muestra la identificacin del sondaje, su posicin X,Y,Z, la cantidad de
puntos empleados para la interpolacin, el valor real del compsito, el valor
estimado para IDW con cinco potencias distintas, la estimacin kriging y la varianza
kriging. La informacin tambin se puede exportar fcilmente a un archivo CSV,
llamado dat524.csv, que se puede cargar en Excel o puede conectarse
directamente a MSDA a travs de la opcin de archivo de texto, en la seccin para
origen de datos.
Sin embargo, antes de que pasemos a MSDA, al final del archivo de informe
tambin hay estadsticas generales que son muy tiles, como por ejemplo la
desviacin estndar y la media de las diferencias para todos los tipos de clculos,
adems de la desviacin estndar y la media de los clculos menos los valores
reales.
DICIEMBRE DEL 2014

Figura 3: Tabla con interpolacin de puntos para el item de ley. Observe que
no aparece la identificacin para los sondajes de MineSight Torque, pero el
archivo CSV contiene el nmero de referencia.
3. ANLISIS VISUAL EN MSDA
Adems, los resultados se pueden visualizar en MSDA. Por ejemplo, la figura 4
muestra un diagrama de dispersin de cobre total en compsitos comparado con
cobre total de la validacin de puntos. La grfica tambin muestra la lnea que
mejor se ajusta, es decir la regresin lineal (azul), adems de la lnea y = x (verde).
Si tuviramos un predictor perfecto, la lnea de regresin lineal y la lnea y = x
seran idnticas. Dado que este no es el caso, miramos las estadsticas resumidas
para saber de qu modo difieren esas lneas.

Figura 4: Valores de cobre en compsitos comparado con valores segn

validacin de punto.
La pendiente de la lnea de mejor ajuste o "m" en la ecuacin y=mx+b es 0,6383 en
este ejemplo, y la interseccin con la lnea de mejor ajuste o "b" es 0,0958.
Adems, las estadsticas resumidas tambin brindan informacin acerca de la
DICIEMBRE DEL 2014

dispersin de los datos, que se puede comparar con el promedio, el mnimo y el

mximo para ambos conjuntos de datos, adems del cociente de correlacin o el
valor "r" que describe esa dispersin alrededor de la lnea de regresin.
Recuerde, el cociente de relacin es un nmero entre 1 y -1, donde 1 es correlacin
positiva total, 0 es sin correlacin y -1 es correlacin negativa total. Si bien aqu se
ejemplifica la grfica de dispersin, existen otras representaciones como las
grficas de caja, los histogramas y los ploteos de probabilidad acumulada que
tambin pueden presentar informacin til.
4. ANLISIS VISUAL EN MINESIGHT 3D
Por ltimo, es posible que quiera analizar los resultados de la validacin de puntos
en MS3D. Una opcin puede ser crear tiras bidimensionales de leyes estimadas vs.
leyes en compsitos, para luego compararlas en distintos cortes. O puede emplear
cilindros con la opcin Barrels, (Figura 5 abajo) que es una de las funciones para
sondajes ms nuevas en MS3D (versin 9.2 y posteriores).
Se realiz un clculo simple de sondajes con p50801.dat para computar el valor
absoluto de la diferencia entre la ley de compsitos y la ley pronosticada.

Figura 5: Cilindros de sondajes que representan valores absolutos de

diferencia entre ley en compsitos y estimacin por validacin de punto.
DICIEMBRE DEL 2014

Los tems de diferenciacin elegida fueron el item de color y el tem de espesor de

los cilindros. Cuando los cilindros son ms grandes, la prediccin est ms alejada
del valor del compsito, y donde son ms pequeos, la prediccin se acercaba a
ese valor, con lo cual resulta sencillo detectar las reas donde la estimacin puede
necesitar algunos ajustes.
Para obtener ayuda adicional para implementar la validacin de puntos,
comunquese con el equipo de asistencia tcnica de MineSight ms cercano o
enve un mensaje a ts@mintec.com . MineSight ofrece una diversidad de cursos de
modelado, tanto para principiantes como para los niveles avanzados.
Para conocer ms detalles sobre las tcnicas de modelado y validacin que ofrece
MineSight, visite nuestro enlace de capacitaciones desde aqu.

VOLADURA HGALO BIEN DE ENTRADA CON MINESIGHT BLAST

Visualizacin en pantalla del volumen de slidos y polgonos de influencia: una de

las caractersticas ms atrayentes de MineSight Blast.
MineSight aporta precisin y confiabilidad a una de las etapas ms exigentes de la
minera con una nueva utilidad para gestionar perforaciones y voladuras.
MineSight Blast revolucionar el diseo y ejecucin de las mallas desde MineSight 3D.
Dentro de una misma interfaz, el usuario podr disear patrones de perforacin, aplicar
parmetros de voladuras a los pozos y realizar el empalme o tie-in del tiro.
MineSight Blast viene a redefinir la voladura, expres Mark Gabbitus, gerente de
productos operacionales de MineSight. Un voladura mal hecha puede arruinar por
DICIEMBRE DEL 2014

completo el buen trabajo que gelogos e ingenieros realizaron para desarrollar un modelo
de bloques robusto y un plan de mina slido.
Por eso es de vital importancia minimizar el error en el diseo y ejecucin de voladuras e
interpretar los efectos cuando no salen como se planearon.
Con una interfaz moderna, MineSight Blast disear y manejar las mallas de perforacin
y voladura interactivamente desde la pantalla y al mismo tiempo almacenar toda la
informacin del diseo (y de lo ejecutado) en una base de datos SQL.
Los enlaces directos a sistemas de gestin de flotas de perforadoras y de proveedores de
explosivos permitirn automatizar fcilmente la transferencia de datos entre la
herramienta de diseo y los operadores. Vea lo que sucede en el tajo en tiempo casi real
y tome decisiones inteligentes para el negocio.
MineSight Blast se conectar directamente con MineSight Atlas para que el planificador de
minas pueda actualizar su trabajo segn perforaciones y longitudes reales, y as obtener
tiempos ms exactos.
Existen varios factores que afectan la calidad de una voladura. Las caractersticas
geolgicas y geotcnicas de la roca no se pueden modificar; en cambio s puede alterar
los parmetros de la malla, como el dimetro, profundidad y espaciado de los barrenos, y
la cantidad y tipo de explosivos utilizados. La posibilidad de cambiar estos parmetros de
manera dinmica segn la informacin de los pozos perforados es fundamental para
lograr una buena fragmentacin.
Las prximas versiones de MineSight Blast incluirn simulacin, anlisis y optimizacin de
voladuras para reducir la carga de trabajo de los ingenieros del rea y permitirles
modificar u optimizar los parmetros en etapas crticas.
Hacia fines de 2014, comenzar el lanzamiento escalonado de MineSight Blast con su
versin 1, que incluye caractersticas mejoradas para el diseo de patrones de
perforacin, como filas de desvo, volumen de slidos de influencia y normas de
asignacin de nombre. Las versiones 2 y 3 incorporarn herramientas de diseo de
voladura, opciones de empalme de las mallas (manuales y automticas), de simulacin y
de optimizacin.

DICIEMBRE DEL 2014