Recursos / Clasificacin Reserva con Integrado geomtrica y Medidas locales grado
de variabilidad
R Dimitrakopoulos 1, M Godoy 2 y CL Chou 3
ABSTRACTO
Categorizacin de los recursos minerales y reservas de mineral como medidos, indicados, inferido y
probada o probable, respectivamente, es un requisito tanto para la informacin pblica, as como las
evaluaciones internas de la empresa de los activos mineros. A partir de la comprensin de los recursos
minerales de estimacin de reservas de mineral, los impactos geolgicos incertidumbre en gran medida
de la clasificacin recurso / reserva. Clasificacin de Recursos / reserva se basa tradicionalmente en
criterios geomtricos, como por el nmero de muestras o agujeros de perforacin dentro de un volumen
alrededor de los bloques de depsito siendo clasificada, o, alternativamente, alguna forma de una
varianza estimada geoestadsticamente derivado. Estos criterios son relativamente fciles de entender y
aplicar - sin embargo, no tienen en cuenta la variabilidad local de grados dentro de un depsito, lo que
lleva a la tergiversacin de la confianza de los grados estimados dentro de volmenes dados.
Este documento propone un enfoque fundado en un marco de simulacin estocstica para
cuantificar la incertidumbre geolgica y riesgo en cinco pasos: generacin de realizaciones adecuadas
de la depsito en la escala blocksupport apropiado, derivacin de funciones condicionales acumulativos
de distribucin (CCDF) de los grados de bloque o atributo seleccionado, la utilizacin del coeficiente de
variacin condicional (CCV) de la CCDF grado dentro de un bloque como la medida de la incertidumbre
para la clasificacin de recursos de cada bloque en el modelo de yacimiento, la clasificacin de los
recursos / reservas, y la evaluacin y la produccin de perfiles de riesgo para las estimaciones. Este
enfoque integra tanto las consideraciones geomtricas utilizadas tradicionalmente, en el sentido de
ubicaciones de datos y la en el lugar la variabilidad de los grados. Las aplicaciones en un yacimiento de
diamantes de aluvin, veta de oro epitermal y un espectculo de prfidos de cobre que hay
agrupaciones naturales de la CCV de bloques de minera que permiten la clasificacin racional de los
recursos o reservas. El enfoque propuesto no slo es transparente, pero tambin proporciona un
reporte tcnicamente defendible del recurso / reserva ficacin de clase en un contexto geoestadstica y
puede apoyar una mejor toma de decisiones de inversin.
INTRODUCCIN
Clasificacin de recursos minerales medidos, indicados e inferidos reservas de mineral
y como comprobada o probable se requiere para la divulgacin pblica como se detalla
en diversos cdigos como JORC, CIM, PERC, o SAMREC. Adems, la categorizacin
de los recursos y las reservas es un contribuyente importante a la evaluacin de los
activos mineros y sus curvas de tonelaje-ley de una empresa. Es ampliamente
aceptado que la incertidumbre y el riesgo geolgico en gran medida el impacto de la
clasificacin de recursos y reservas, a partir del conocimiento de los recursos minerales
y los programas de exploracin de la 'reserva de mineral'. Fiabilidad, confianza,
la transparencia y la
'Capacidad de defensa' tcnica de la clasificacin son crticos. Teniendo en cuenta el valor de las
empresas mineras, los beneficios para los accionistas, la presentacin de informes a las instituciones
financieras, y la atraccin de la comunidad de inversores para la toma de decisiones en el orden de mil
millones de dlares, hay una verdadera necesidad de comprender y cuantificar la incertidumbre
geolgica
1. FAusIMM, Profesor y Director, COSMO - Laboratorio de Planificacin Minera estocstico,
Departamento de Ingeniera de Minas y de Materiales de la Universidad McGill, Montreal,
QC H3A 2A7, Canad. E-mail: roussos.dimitrakopoulos@mcgill.ca
2. MAusIMM, Golder Associates Santiago, Av 11 de Septiembre 2353, Piso 2, Proviendencia
Santiago, Chile. E-mail: mgodoy@golder.cl
3. COSMO - Laboratorio de Planificacin Minera estocstico, Departamento de Ingeniera de
Minas y de Materiales de la Universidad McGill, Edificio de la FDA, 3450 University Street,
Montreal QC H3A 2A7, Canad. E-mail: lulu.chou@mail.mcgill.ca
Los avances en yacimiento Modelado y Estratgica Planificacin Minera I
y el riesgo que sustenta recursos / reservas. enfoques del estado de la tcnica que
cuantifican la incertidumbre geolgica y riesgo pueden utilizarse para estandarizar la
clasificacin recurso / reserva, apoyar una mejor toma de decisiones de inversin, habilitar
los informes de bolsa de valores tcnicamente defendible y el cumplimiento de los cdigos
de la industria y proporcionar una mayor seguridad a los inversores y proteger el pblico.
Tradicionalmente,
clasificacin de los recursos se ha basado en
consideraciones geomtricas y una clasificacin bloque por bloque usando criterios
vinculados al nmero de muestras con-en un volumen o de perforacin densidades de
agujeros, o alternativamente, una varianza de estimacin geoestadsticamente derivado.
Estos criterios son relativamente simple de implementar, adems de ser fcilmente
comprendido y transparente. Sin embargo, tienen un inconveniente principal, ya que no
tienen en cuenta la variabilidad local de grados dentro de un depsito - esto conduce a la
tergiversacin de la confianza de los grados estimados dentro de volmenes dados y de
las
el resultando recurso / reserva
clasificacin.
Los esfuerzos anteriores para mejorar las tcnicas de clasificacin se centraron en el
desarrollo y uso de versiones alternativas de estimacin de leyes (kriging) varianzas, donde
los patrones de clasificacin se basan en el tamao de la cuadrcula de muestreo (por
ejemplo Saburin, 1983; Froideveau, Roscoe y Valiant, 1986; David , 1988; David y Dagbert,
1977; Arik, 2002 y otros). Como tambin se ha indicado anteriormente, estas formulaciones
puede dar cuenta de posibles aumentos de la precisin como el tamao de la cuadrcula de
muestreo disminuye - sin embargo, que no incorporan incertidumbre introducida por la
variabilidad local en los datos reales como presentados elocuentemente por Ravenscroft
(1992). La Figura 1 ilustra este punto, que muestra dos configuraciones idnticas de un
bloque y cuatro orificios de perforacin. A la derecha, el grado del material muestreado es
muy variable, mientras que en el bloque de izquierda, los grados son mucho menos variable.
Si esto fuera la misma zona con el mismo variograma, las variaciones de estimacin seran
los mismos, proporcionando as un nivel falso de evaluacin de la incertidumbre y la
clasificacin de los bloques. las variaciones de estimacin no abordan adecuadamente la
cuestin de la precisin de las estimaciones de recursos globales y ms an para los
recursos globales por encima de una lnea de corte (David, 1988), como sera el caso si se
utiliza cualquier otra medida geomtrica. enfoques basados en la simulacin se han
sugerido dados los problemas discutidos anteriormente (Audet y Ross, 2007; Wawruch y
Betzhold, 2005; Dohm, 2005; Duggan y Dimitrakopoulos, 2005; Murphy et al, 2004) y
merecen una mayor consideracin.
Las deficiencias de la convencional reserva / recurso
clasificacin puede ser explorado en un ejemplo de una mina de oro. Reservas clasificados
como medidos, indicados e inferidos se basan principalmente en el nmero de muestras
dentro de una distancia de un bloque que se est estimado geoestadsticamente y la
consideracin de la continuidad espacial grado dentro de vetas de oro identificados. La
Figura 2 muestra parte de una veta donde los bloques se han clasificado para reservar
categoras en funcin de enfoque establecido de la mina. Aunque esto
HIGO 1 - Estimacin para las configuraciones de muestreo idnticas con
diferente variabilidad de grado local y la incertidumbre.
El volumen de la serie Spectrum 17 215
R DIMITRAKOPOULOS, M Godoy y CL CHOU

metodologa de clasificacin

Una metodologa de clasificacin de recursos se describe en la Figura 3 y consta de cinco

pasos:

1. generacin de realizaciones adecuadas de la depsito en la escala de soporte de

bloques considera apropiado,

2. derivacin de funciones condicionales acumulativos de distribucin (CCDF) de los grados

de bloque o atributo seleccionado,

3. clculo de la medida (s) la incertidumbre que se utilizar para la clasificacin de

recursos basada en el CCDF de cada bloque en el modelo de yacimiento,

4. clasificacin de los recursos / reservas, y

5. evaluacin y elaboracin de perfiles de riesgo para las estimaciones.

HIGO 2 - Clasificacin de reserva tradicional en un filn de una mina de oro Medidas de incertidumbre espacial local
(Izquierda) y las probabilidades de que los bloques sean mineral (derecha).
Una parte clave de la metodologa de clasificacin es el uso de las estadsticas de
resumen y medidas de incertidumbre que se derivan de la funcin de distribucin
planteamiento es razonable, relativamente simple, transparente, que cumple con la acumulativa condicional de la Z grado (u) de un bloque en la ubicacin u dentro del
normativa y tcnicamente defendible, lo tradicional depsito (Figura 4). medidas bsicas incluyen la varianza condicional, coeficiente
enfoque muestra deficiencias cuando la clasificacin se compara con probabilidades de condicional de variacin, los rangos de percentiles inter e intervalo de probabilidad.
bloques siendo mineral (vase la Figura 2). Grandes partes de la veta que se clasifican
como Indicado tienen ms del 80 por ciento y el 90 por ciento de probabilidades de ser La varianza condicional (CV) mide la propagacin de la CCDF alrededor de su valor
mineral - por lo que no parece inconsistente de informar sobre ellos segn lo medido. Del medio y est dada por:
mismo modo, los bloques que han sido clasificados como residuos tienen, de hecho, ms
+
del 50 por ciento de probabilidad de ser mineral. Aunque el anlisis anterior se limita a

K * 2
CV u() = [ z kk - zu
mi
F uz
()] [(;), [(; k
- F uz k- )
] (1)
aspectos limitadas (por ejemplo y segn el JORC, tambin se debe estimar con precisin
1

= 11

el grado), ilustra cmo los criterios de clasificacin convencionales no incluyen medidas

directas de geolgica (grado) incertidumbre aparte de las relacionadas con la configuracin
donde: z k k = 1, ... K son valores de umbral K discretizacin de la gama de
espacial de los taladros. Como resultado, los enfoques convencionales pueden conducir a
una clasificacin diferente de los recursos minerales en comparacin con el uso de las
clasificaciones que integran el actual en el lugar la variabilidad espacial del yacimiento. variacin de valores de z

zk es la media de la clase z k-1, ( z k-1, z k] que en el caso de un modelo

de interpolacin lineal de clase dentro corresponde a z k = ( z k-1 + z k)
/ 2
K +
En las siguientes secciones, las tcnicas de simulacin estocstica se muestran para *

proporcionar crtico informacin para los recurso / reserva

zu
mi
() = zk F[(;),
uz k
- F uz
(; k- 1
)] es la suma discreta
k = 11 aproximacin al valor esperado de la CCDF
Clasificacin complementando las estimaciones de recursos, con el entendimiento de la
naturaleza polifactica del proceso de clasificacin y el papel de la persona competente. La El coeficiente de variacin condicional (CCV) corresponde a la desviacin
incertidumbre tcnicas de modelo en los grados estimados de los modelos del yacimiento y estndar condicional dividida por la media o desviacin estndar relativa. Expresa
dar lugar a una evaluacin de la incertidumbre geolgica como una funcin tanto en el lugar la variabilidad como un porcentaje de la media, y se calcula como:

la variabilidad y la densidad de perforacin. Adems, el marco de simulacin permite la

integracin de alternativas geolgicas simulados con los grados simulados y los posibles
errores en los datos de ensayo, ubicacin de los orificios de perforacin y as K +

* 2
sucesivamente. La siguiente seccin comienza por discutir brevemente lmites de los [ zk - zu
mi
F uz
()] [(;), k
- F uz
(; k- 1
)]
k = 11
enfoques tradicionales de clasificacin. Posteriormente, una metodologa alternativa se CCV u() = (2)
*
describe, en base a las distribuciones condicionales simuladas de grados de apoyo Block y zu
mi
( )
medidas de su incertidumbre para un modelo de yacimiento. Medidas de incertidumbre se
detallan a continuacin usando un ejemplo de un depsito de diamante aluvial.
El CCV mejor discrimina zonas en trminos de densidad de la muestra (o
Clasificacin de Recursos / reserva en el mismo depsito, una veta de oro epitermal y un
disponibilidad de la informacin acondicionado). Una ventaja de la CCV sobre el CV es
depsito de cobre prfido dilucidar los aspectos y caractersticas relacionados de la
que se expresa directamente como un porcentaje de la media y, por tanto, filtra los
aproximacin. Observaciones y conclusiones.
efectos proporcionales.
El rango entre cuartil (IQR) se define como la diferencia entre la parte superior
(q 0.75) y el inferior (q 0.25) cuartiles de la distribucin:

RECURSOS / CLASIFICACIN Y RESERVA uq RIC

() = ()uq - ()U F=U
- 1
(;. 0 75 ) - F U (;. 0 25 )
- 1
(3)
0 .75 0 .25
Medidas de incertidumbre LOCAL
Del mismo modo, la generalizacin a cualquier rango percentil inter (DPI), tal como un
La simulacin condicional permite una reserva de recursos metodologa / ification de
intervalo de confianza del 90 por ciento, se define como:
clase que considera simultneamente la densidad de datos y la continuidad yacimiento,
as como en el lugar variabilidad. En esta seccin, se describen los aspectos clave de la
- 1 - 1
metodologa, incluidas las medidas apropiadas de incertidumbre que se utilizarn para la uq DPI
() = 0 .95
()uq - 0 .05
()U F=U (;. 0 95 ) - F U (;. 0 05 ) (4)
clasificacin recurso / reserva. La metodologa se ilustra el uso de un yacimiento de
diamantes de soporte en el sur-oeste de frica. A diferencia de la CV y CCV, IPR y sus variaciones no son afectadas por la magnitud
de los grados de la CCDF y por lo tanto no son sensibles

216 El volumen de la serie Spectrum 17 Los avances en yacimiento Modelado y Estratgica Planificacin Minera I
 CLASIFICACIN DE RECURSOS / RESERVA CON INTEGRADO geomtricas y MEDIDAS DE GRADO variabilidad local

HIGO 3 - Representacin esquemtica de un mtodo de clasificacin de recursos basada en la simulacin.

ubicaciones de los orificios se muestran en la figura por tringulos. El CV muestra una

buena correlacin entre las regiones de alta densidad de muestreo y baja varianza
condicional. Sin embargo, esto no es necesariamente cierto para las reas de alto
espesor. La presencia de un efecto proporcional se ve claramente al comparar el CV y
valores de espesor de bloque media, lo que sugiere que que la CV puede no ser una
medida adecuada de incertidumbre local. De manera similar a la CV, el IQR muestra una
buena correlacin entre las regiones de muestreo denso y menores valores IQR, as como
una mayor incertidumbre sobre los valores de espesor superiores. En general, para la
distribucin de la distorsin en la RIC puede parecer ms atractivo que el CV como el RIC
es una medida relativa que no utiliza la media. Un inconveniente importante de la IQR es
que ignora la distribucin interna de las densidades de probabilidad, que conduce a la
sobrerrepresentacin de incertidumbre. El CCV discrimina mejor que el CV y IQR en
trminos de densidad de la muestra (disponible informacin acondicionado) y, ms
importante, no exhibe un efecto proporcional. Como resultado, es ms adecuado para la
clasificacin de los recursos.

HIGO 4 - Una funcin de distribucin acumulada condicional (CCDF) que muestra las estadsticas
de resumen y las medidas de incertidumbre para el espesor de un 100 100 m 2 bloquear en un
depsito de diamante. El CCDF se genera mediante el clculo de las probabilidades asociadas para
un determinado medidas de clasificacin de recursos / reservas
bloquear de mltiples realizaciones simuladas.
Las medidas de incertidumbre en la seccin anterior se pueden utilizar para definir los criterios de
clasificacin de recursos / reservas. Estos criterios requieren el uso de valores de umbral, de
a los valores atpicos. El DPI tambin puede ser escalada por la media o mediana de la CCDF
manera similar a los esfuerzos del pasado, donde se aplicaron umbrales a la estimacin de las
correspondiente. medidas relacionadas de incertidumbre son la probabilidad de que un grado de
variaciones (por ejemplo, en opinin Sinclair y Blackwell, 2000). Los valores de umbral pueden
bloque, Z (u) est por encima, por debajo o dentro de un intervalo de probabilidad. La Figura 4 muestra
reflejar la tolerancia de error que es aceptable a nivel local para las estimaciones de bloques, as
las estadsticas de resumen relacionadas y medidas de incertidumbre para la CCDF de espesor de un
como a nivel mundial para la estimacin de recursos. La estimacin de bloque en la presente
100 100 m 2
memoria corresponde al valor medio (o estimacin de tipo e). Es posible categorizar los recursos
bloquear. El CCDF s mismo proporciona el modelo de incertidumbre para el valor del con precisin bloque y el uso de modelos de recursos derivados de mltiples realizaciones de
atributo de grosor para un bloque dado en la ubicacin u dentro del depsito. Cada simulacin para obtener la incertidumbre en los recursos o los recursos globales dentro de
punto discreto en el CCDF corresponde a un valor simulado. El CCDF es un incrementos de produccin de inters en cada categora.
histograma acumulativo de todos los valores simulados asignados a las realizaciones
de simulacin del depsito. Una funcin continua se interpola entre los puntos
discretos para permitir la evaluacin de las probabilidades para cualquier valor CCDF. Un primer intervalo de confianza basado en el CCV implica CCVs umbral fijo
que se comparan con el CCV. Esto es equivalente a comparar el intervalo de
confianza de la media de la desviacin estndar contra una confianza umbral
La Figura 5 muestra el CV, condicionada media, CCV y IQR para el mismo tamao de los intervalo define como una proporcin de la media. El criterio de clasificacin CCV
bloques de espesor sobre una parte de un depsito de diamante. Los valores se generaron a estn dados por:
partir de 50 realizaciones de simulacin y taladro

Los avances en yacimiento Modelado y Estratgica Planificacin Minera I El volumen de la serie Spectrum 17 217
R DIMITRAKOPOULOS, M Godoy y CL CHOU

HIGO 5 - Vista en planta de izquierda a derecha, la varianza condicional (CV); media condicional (CM); coeficiente condicional de variacin (CCV); e inter
gama cuartil (IQR) para 100 100 m 2 espesor de bloque en un depsito de diamante. Tenga en cuenta que la perforacin densa no asegura una menor incertidumbre.

Medido si CCV Umbral Threshol

< 2 ESTUDIOS DE CASO
CCVClassification = re 2 Indica si Umbral CCV < 1 (5)
Inferirse si CCV Threshol
re 1 Un ejemplo sencillo en un depsito de diamante

Para un depsito de diamante aluvial donde el parmetro de clasificacin importante es el

Como un ejemplo, considere una clasificacin CCV con una CCV umbral de 0,5. En
espesor, la Figura 6 muestra una vista en planta de la clasificacin de los recursos como
este caso, todos los bloques para los que el intervalo de confianza del delimitadas por
se indica o infiere utilizando tres criterios de clasificacin (CCV con un umbral de CV de 40
la desviacin estndar es ms del 50 por ciento del valor de la media ser clasificado
por ciento, RPR con un 90 por intervalo de confianza ciento y un nico umbral (por
como inferidos. Los bloques restantes se clasifican como indicado o medido. La
simplicidad) de 40 por ciento, y CCV con un umbral de CV de 50 por ciento). La Tabla 1
seleccin de valores de umbral se aplaza hasta una seccin posterior.
detalla la clasificacin de recursos potencial en este yacimiento de diamantes y de las
estimaciones relacionadas con su incertidumbre. Usando la clasificacin CCV, tanto el
Un segundo intervalo de confianza sobre la base de 90 por ciento de probabilidad volumen clasifican como se indica y la incertidumbre asociada, tal como se mide por las
(un rango percentil relativa o RPR) es un intervalo de confianza alrededor de la media diferencias en los volmenes mximo y mnimo, aumentan con el umbral, como se
que se compara con un intervalo de confianza del umbral definido como una proporcin esperaba. El aumento de volumen es considerable, mientras que el aumento de la
de esta media. La clasificacin CCV se define en base a la desviacin estndar, aqu el incertidumbre en relacin con el valor esperado es relativamente pequea. En trminos
intervalo de confianza se define teniendo en cuenta la posicin relativa de la media de globales, la incertidumbre en el volumen de las categoras contempladas es relativamente

la quinta y 95 percentiles, denominado diferencias negativas y positivas. El intervalo baja. Los resultados indican que en este estudio el umbral del 40 por ciento puede

de confianza simtrica utilizada en este criterio es: considerarse conservadora.

Para recursos inferidos, como el umbral aumenta el volumen disminuye y aumenta la

incertidumbre relativa asociada. La disminucin en los resultados de volumen de los bloques
zu
mi
*
F U-
()
- 1
(;. 0 05 )
*
z mi ()U F- U
- 1
(;. 0 95 )
Confianza En tErval = w
-
+ w
+
(6) que se mueven a la categora indicada. El aumento de la incertidumbre se espera ya que
* *
zu
mi
() zu
mi
() refleja la mayor incertidumbre en relacin con los valores de umbral ms alto. La clasificacin

RPR en comparacin con el enfoque de clasificacin CCV, clasifica considerablemente menos
bloques como se indica en todos los umbrales y no representa una buena evaluacin de la
donde: W- y w + son los pesos para las diferencias relativas a la quinta y 95 percentiles,
variabilidad. Al igual que con la medida IQR se discuti anteriormente, la clasificacin RPR
respectivamente. Los pesos facilitan los intervalos de confianza asimtricos y son ignora la distribucin interna de las densidades de probabilidad y conduce a la
determinados en base a los intervalos de probabilidad: sobrerrepresentacin de riesgo. Por lo tanto, es muy conservador en la clasificacin de
bloques. Los resultados presentados en la Tabla 1 muestran que el anlisis de la
incertidumbre sobre el recurso basado en tres valores umbral diferentes, puede proporcionar
una indicacin en cuanto a qu valor de umbral podra ser ms apropiado para el depsito. La
* * comprensin del significado del valor umbral es fundamental en la aplicacin de los criterios
- [.0 05 - F uzu
(; ())] + [.0 95 - F uzu
(; ())]
(7)
mi mi
w = w = de clasificacin propuestos. parmetros de extraccin y procesamiento pueden adems tener
0 .9 0 .9 en cuenta adems de las consideraciones externas que pueden ser tomadas a bordo, la
economa relevantes para proyectar o nivel de aversin al riesgo de una empresa. Tenga en
Tenga en cuenta que la configuracin W y W + a 0,5 corresponde a la definicin del cuenta que el anlisis en este documento corresponde a la propagacin de la incertidumbre

intervalo de confianza como el promedio entre las diferencias negativas y positivas. El de secuencia local a la incertidumbre en el recurso global. Criterios de seleccin de los

criterio de clasificacin es: valores de umbral basndose en las caractersticas de depsito se discuten a continuacin.

Si la confianza se mide Umbral

< En tErval 2

Clasificacin RPR = Confianza En tErval 2 Indica si umbral Co < nfidence En tErval 1

Si la confianza inferido umbral
En tErval 1

218 El volumen de la serie Spectrum 17 Los avances en yacimiento Modelado y Estratgica Planificacin Minera I
 CLASIFICACIN DE RECURSOS / RESERVA CON INTEGRADO geomtricas y MEDIDAS DE GRADO variabilidad local

TABLA 1
clasificacin de los recursos de 100 100 m 2 bloques de espesor en base a criterios de clasificacin CCV y RPR utilizando 40 por ciento, 50 por ciento
y 60 por ciento umbrales CV.

Lmite clasificacin CCV clasificacin RPR

40% 50% 60% 40% 50% 60%

Categora Indic Inferir Indic Inferir Indic Inferir Indic Inferir Indic Inferir Indic Inferir

El volumen medio (M m 3) 3.15 3.91 5.26 1.80 6.67 0.46 0.45 6.61 2.06 5.00 3.94 3.13

volumen Max (M m 3) 3.02 4.27 5.66 2.00 7.17 0.55 0.50 7.16 2.19 5.45 4.21 3.43

volumen Min (M m 3) 3.38 3.60 4.96 1.64 6.25 0.36 0.40 6.25 1.91 4.70 3.74 2.89

contra el CCV durante 25 realizaciones de soporte de bloque de la veta. La figura muestra una
propagacin general y claramente creciente (riesgo) en el tonelaje del mineral y el grado
promedio a medida que aumenta CCV, que es particularmente fuerte en los tonelajes de mineral.
Esta tendencia tambin se observa en la Tabla 2 se detallan las estadsticas de resumen para
CCV y contenido de metales en la veta de oro. Las caractersticas de la propagacin y la
pendiente de las curvas en la Figura 7 y los valores reportados en la Tabla 2 se pueden usar para
guiar la seleccin de los umbrales para la clasificacin. Por ejemplo, la figura 7 sugiere que hay
poco riesgo para un CCV hasta alrededor

0,65 como el tonelaje relacionada encima de las curvas de corte son en su mayora de
solapamiento y parece haberse estabilizado el grado superior a la media de corte. Adems, la
figura muestra que despus de un CCV de alrededor
1.1, la propagacin de tonelajes y leyes est en su mximo y se mantiene estable para
valores CCV ms altas. Por lo tanto, los CCV ms altas pueden ser seleccionados para la
clasificacin del recurso de alto riesgo.

En un anlisis alternativo, la Tabla 2 muestra un CV con un mnimo de 4,2 por

ciento en el umbral 0,65 CCV, lo que sugiere que este umbral corresponde a la ms
cierta medida de la cantidad de metal y sera un umbral razonable para diferenciar
entre las reservas medidos e indicados. La diferenciacin entre las reservas indicados
HIGO clasificacin de recursos utilizando la clasificacin CCV - 6
e inferidos puede estar basado en un CV de aproximadamente 6,7 por ciento o CCV
criterio con un umbral de CV de 40 por ciento (izquierda); clasificacin RPR dentro
de 1,1, que identifica el extremo ms alto de riesgo. En un umbral ms alto solamente
de 90 por ciento intervalo de confianza y un umbral de CV de 40 por ciento (en el centro); y
sera entregado una pequea cantidad de metal adicional. Para un valor CCV entre
clasificacin CCV usando una
0,65 y 1,1, tanto en cantidad de metal y la incertidumbre aumentan sustancialmente.
umbral de CV de 50 por ciento (derecha).
Por lo tanto, existe un compromiso entre las ganancias en la cantidad de metal y
aumento en el riesgo de la hora de diferenciar entre las reservas indicados e
inferidos. Tenga en cuenta que la tabla 2 permite comunicar directa de metal de

Seleccin de los umbrales en una mina de oro
El ejemplo de una mina de oro a cielo abierto en el oeste de Australia se utiliza para explorar
ms a fondo clasificacin basada CCV. Los temas abordados incluyen la seleccin de los
valores de umbral para la clasificacin de reserva. El ejemplo se compone de un conjunto de
vetas epitermales de oro en una zona del depsito que han de ser clasificados como
medidos, indicados o recursos inferidos. La Figura 7 muestra el tonelaje del mineral por
encima de corte (1 g / t) y de grado superior a la media de corte trazada
promedio para cada categora, as como un intervalo de confianza, mnimo, mximo y
proporcin de rango, como en la Tabla 3 (la en la tabla son en trminos de los
rangos entre el mximo y simulaciones mnimos). Tambin tenga en cuenta que la
tolerancia utilizada en este estudio de caso podra ser menor que resulta en la
posibilidad de ampliar los recursos medidos. La Tabla 3 proporciona la informacin
detallada de la clasificacin de reserva. Un

HIGO 7 - Promedio por encima de la g / t de corte de 1 (izquierda) y el tonelaje del mineral por encima de corte (derecha) representan frente el CCV durante 25 realizaciones

de una carga de oro.

Los avances en yacimiento Modelado y Estratgica Planificacin Minera I El volumen de la serie Spectrum 17 219
R DIMITRAKOPOULOS, M Godoy y CL CHOU

difusin (riesgo) en el tonelaje de mineral medida que aumenta la CCV. Figura 8 sugiere la
TABLA 2
presencia de poco riesgo para un CCV hasta aproximadamente 0,45 como el tonelaje
CCV y estadsticos de resumen para el contenido de metal en una carga de oro.
relacionada encima de las curvas de corte son en su mayora de superposicin. La difusin de
la misma curva aumenta hasta un CCV de 0,85, cuando la propagacin parece alcanzar su
CCV Min de metal rango Promedio CV Aumento de

metlica Max (oz) metlica (%) la cantidad de mximo y se estabiliza en que la amplitud mxima. Estos dos valores de la CCV entonces se
(oz) (oz) metal pueden utilizar como los valores de umbral escogidos para la clasificacin de recursos.

0.35 576 1151 575 812 17.0

0.40 2925 4645 1720 3849 10.3 3037

0.45 6721 9834 3113 8840 7.8 4991 comentarios

0.50 14 245 20 000 5755 18 120 6.3 9280
Es importante sealar que los umbrales utilizados en los ejemplos anteriores cambiarn
0.55 29 146 36 105 6959 33 353 4,4 15 233 de depsito para depositar, diferentes zonas geolgicas y diferentes productos. Sin
0.60 48 050 58 724 10 674 53 916 4,3 20 563 embargo, el proceso de generacin de valores de CCV seguir siendo el mismo frenos y
la relativamente distinta en las diferentes curvas y tablas correspondiente estar presente.
0.65 72 354 83 978 11 624 77 909 4,2 23 993
Adems, es importante reiterar que a diferencia de los enfoques tradicionales, la
0.70 97 457 116 560 19 102 107 747 4,7 29 838 clasificacin de los bloques usando cualquiera de las medidas propuestas generadas a
0.75 127 570 155 776 28 206 140 369 5,3 32 622 travs de simulaciones reflejan tanto la densidad de datos y la variacin local de grado. La
Figura 9 muestra la clasificacin CCV de bloques en una seccin de la veta de oro se
0.80 644 187 932 151 36 288 168 126 5,4 27 757
discuti anteriormente, junto con los datos de perforacin disponibles. Aunque la densidad
0.90 436 238 876 191 47 440 212 314 6,0 44 188 de perforacin vara, la clasificacin no siempre muestran una fuerte correlacin con la

1.00 212 766 270 189 57 423 238 691 6,4 26 377 densidad de perforacin. Por ejemplo, una zona densamente perforada puede no siempre
ser clasificado como Medido, como los enfoques tradicionales de clasificacin pueden
1.10 223 778 286 719 62 941 251 968 6,7 13 277
implicar.
1.20 228 104 295 563 67 459 258 527 6.9 6559

1.30 903 298 081 229 68 178 261 089 6.9 2562
Bloques reportados en la clasificacin de los recursos deben ser del mismo tamao de
1.40 230 305 299 453 69 148 262 317 7.0 1227
apoyo. Si este no es el caso, las medidas de apoyo independientes pueden derivarse. Un
1.50 230 549 299 779 69 230 262 641 7.0 324 enfoque conocido es la estandarizacin de la CCV de un bloque de un tamao apoyo dado
usando la raz cuadrada de la varianza correspondiente dispersin (por ejemplo Sabourin,
1983). Otro comentario prctico es que el nmero de simulaciones requeridas en este
enfoque depende de la sensibilidad de los resultados. Si simulaciones adicionales no
TABLA 3
afectan a la clasificacin general, no se requiere. Todos los enfoques de clasificacin
La notificacin de clasificacin y evaluacin de las reservas de mineral de
pueden ser mejoradas mediante la eleccin de una agrupacin espacial racional de los
metal, toneladas y el grado promedio.
bloques clasificados en una categora para evitar su dispersin poco realista. Por ltimo,
pero no menos importante, la capacidad de simular eficientemente grandes depsitos y
Categora CCV Tonelaje Promedio (g Metlica
gestionar los datos generados es de importancia crtica para la aplicacin de los enfoques
(T) / t) (oz)
sugeridos.
Mesurado <0,65 790 23 2,80 0,13 77,9 2,3

Indicado 0,65-1,1 1734 87 2,84 0,17 174,0 14,0

inferido > 1.1 103 9,4 2,92 0,16 10,5 1,9

importante diferencia de los mtodos de clasificacin tradicionales de este ejemplo es
que la clasificacin es independiente del grado de bloque promedio.
Tenga en cuenta que una expectativa clave de la clasificacin de los recursos es apoyar
la planificacin minera. El enfoque de Parker (Harry Parker, comunicacin personal) de uso
general, (tambin se muestra por Lopes
et al, 2010, en este volumen) sugiere que medir deben soportar tres meses incrementos
en la produccin y los incrementos de produccin anuales indicados. Aunque en el
momento de este estudio no fue as, el enfoque presentado puede fcilmente y debe
ser implementado, con el fin de indicar los niveles de confianza en trminos de
incrementos de produccin utilizados para la planificacin.
Seleccin de los umbrales en un depsito de cobre
El ejemplo de un depsito de cobre prfido en Canad ilustra adems el uso de
una clasificacin basada CCV para la clasificacin recurso / reserva. El ejemplo
considera la parte del depsito dentro de la fosa ptima
lmites (ver Leite y
Dimitrakopoulos de 2010, en este volumen). Para el presente estudio, 25 realizaciones de las
leyes de cobre de 20 20 10 m 3 Se utilizan bloques. La Figura 8 muestra el tonelaje del mineral
por encima del 0,3 por ciento de Cu de corte utilizado aqu representada frente a la CCV para los
25 realizaciones simuladas de la veta de cobre generada directamente en el tamao de bloque
requerido (por ejemplo Benndorf y Dimitrakopoulos, 2007). De manera similar al caso de estudio
anterior, la figura muestra un marcado carcter creciente
Un enlace con la programacin de produccin y
Algunos aspectos relacionados
Los enfoques y ejemplos expuestos en los apartados anteriores no tienen en cuenta la influencia
potencial de la programacin de la produccin a la clasificacin de reservas de mineral. Se
puede argumentar que la secuenciacin y el tiempo de la minera aade una nueva dimensin a
las decisiones sobre la clasificacin de reserva. Esto se debe a que los criterios para decidir lo
que es un riesgo aceptable en un ao puede no ser necesariamente el mismo que en las
decisiones de aos diez posteriores y el riesgo asociados con la parte minera de un yacimiento
de este ao no necesariamente debe ser evaluado de la misma manera como lo es para ser
extrado algunos aos ms tarde cuando la informacin y las condiciones sern diferentes.
Una extensin del ejemplo del depsito de diamante aluvial presentado anteriormente se
utiliza aqu para ilustrar la cuantificacin de la incertidumbre en las reservas (y satisfaciendo
as los objetivos de produccin) - aqu el volumen total de material mineral extrado. En primer
lugar, un programa de produccin se desarrolla a travs de medios convencionales para doce
500
500 m 2 bloques y considera la minera cuatro de estos bloques por perodo durante tres
perodos de produccin. Entonces, la evaluacin de la incertidumbre se realiza a partir de un
conjunto de modelos del yacimiento simulados en el bloque mismo soporte escala para modelar
la incertidumbre en el volumen de cada perodo de produccin. La Figura 10 muestra los ccdfs
para volmenes de material extrados en cada uno de los tres perodos de produccin,
describiendo de este modo su incertidumbre. Adems, la Figura 10 muestra el perfil de riesgo del
volumen previsto para tres periodos de produccin. Si el riesgo es un criterio principal de
clasificacin de reserva, a continuacin, la reserva en el primer perodo de la minera debera tal
vez ser clasificado en una categora diferente de aquel en el tercer perodo.

220 El volumen de la serie Spectrum 17 Los avances en yacimiento Modelado y Estratgica Planificacin Minera I
 CLASIFICACIN DE RECURSOS / RESERVA CON INTEGRADO geomtricas y MEDIDAS DE GRADO variabilidad local
120
100
80
Tonelaje por encima de corte (toneladas x 106)
60
40
20
0 0.2
HIGO 8 - tonelaje de mineral frente al CCV durante 25 realizaciones del depsito de cobre.
HIGO 9 - bloques en una seccin de una carga de oro de anuncios utilizando el CCV
Clasificacin (izquierda) y el uso de turbina disponible (derecha).
La integracin y el entendimiento de la interaccin entre la clasificacin de reserva
con la secuencia de la minera y la programacin de la produccin tradicionalmente no
se consideran, aunque en el pasado, la simulacin condicional se ha utilizado para
probar la incertidumbre de los programas de produccin (Ravenscroft 1992; y otros).
Sin embargo, es lgico, ya que el sencillo ejemplo anterior sugiere, para considerar la
mejora de los mtodos de clasificacin. Por ejemplo,
medidas de incertidumbre descritos anteriormente pueden ser utilizados para clasificar los
recursos / reservas dan un programa de produccin y consideran diferentes criterios de
clasificacin de los perodos mineras a fin de reflejar el tiempo.
Es tambin, y tal vez es ms importante hacer hincapi en que la programacin se puede
realizar en condiciones de incertidumbre geolgica y el descuento riesgo geolgico se puede
aplicar dentro de las formulaciones de programacin. Este concepto se introduce en el
descuento de Dimitrakopoulos y Ramazan (2004) y se utiliza en los nuevos programadores
estocsticos a largo plazo la produccin minera (Ramazan y Dimitrakopoulos, 2009; tambin,
Benndorf y Dimitrakopoulos de 2010, en este volumen) conduce a una
Los avances en yacimiento Modelado y Estratgica Planificacin Minera I
0.4 0.6 0.8 1 1.2 1.4
CCV
de mezcla deseada de los materiales dentro de perodos que proporcionan el perfil de riesgo
general preespecificado en un perodo de programacin, optimizando as la clasificacin de las
reservas. Es posible mejorar sustancialmente y proporcionar evaluaciones ms realistas y
clasificacin de las reservas cuando los horarios y la incertidumbre de los recursos se gestionan
de forma conjunta.
CONCLUSIONES
Los recursos minerales y reservas de mineral son clasificados como medidos, indicados,
inferido y probada o probable, respectivamente, tanto para la informacin pblica y las
evaluaciones internas de la compaa. Clasificacin de Recursos / reserva se basa
tradicionalmente en criterios geomtricos, tales como el nmero de muestras o agujeros de
perforacin dentro de un volumen, o alguna forma de variaciones de estimacin. Aunque
transparente y relativamente fcil de entender, estos criterios ignoran la variabilidad local de
los grados dentro de un depsito y puede conducir a la simplificacin excesiva o tergiversacin
de la confianza de los grados estimados.
En este documento, un enfoque integrador ambos criterios geomtricos y en el lugar la
variabilidad de grado se describe y su aplicacin explorado. El enfoque se basa en la
simulacin condicional y cuantificacin del riesgo en cinco pasos: generacin de
realizaciones adecuadas de la depsito en la escala de soporte de bloques apropiado,
derivacin de funciones de distribucin acumulativa condicionales de los grados de bloque
o atributo seleccionado, la utilizacin del coeficiente condicional de Variacin ( CCV) de la
CCDF grado dentro de un bloque como la medida de la incertidumbre para la clasificacin
de recursos de cada bloque en el modelo de yacimiento, la clasificacin de los recursos /
reservas, y la evaluacin y la produccin de perfiles de riesgo para las estimaciones.
el
Los aspectos prcticos y las complejidades del enfoque propuesto se exploran en tres
aplicaciones en un depsito de diamante aluvial, una veta de oro epitermal y un depsito de
cobre prfido. Una observacin interesante, comn a estas aplicaciones, es que hay
agrupaciones naturales de la CCV de bloques de minera que permiten la clasificacin racional
de los recursos o reservas de una manera transparente y tcnicamente defendible. Con esta
herramienta, junto con las prcticas existentes, tales como el examen de secciones
transversales del depsito, para asegurar que se cumplen las definiciones de los cdigos de
informacin nacional. Como resultado, la presentacin de informes de clasificacin de los
recursos / reservas y puede apoyar una mejor toma de decisiones de inversin.
El volumen de la serie Spectrum 17 221
R DIMITRAKOPOULOS, M Godoy y CL CHOU
HIGO 10 - condicionales funciones de distribucin acumulativa que describen la incertidumbre en el volumen de materiales mineralizadas para la produccin
perodos (izquierda) y el perfil de riesgo sobre el volumen esperado durante tres perodos de produccin (derecha). Las variaciones trazados no son acumulativos.
Una mejora clave de este enfoque podra ser vinculndola a la ma programacin de la
produccin, en primer lugar, por lo que las clasificaciones representan las unidades de produccin
con el tiempo - lo que se ha extrado en diez aos no debera quizs ser clasificado como lo que es
necesario extraer el prximo ao y en segundo lugar , al considerar el control de la clasificacin de
los recursos / reservas a travs de la mezcla de riesgos y aplazamiento, una capacidad que los
programadores estocsticos pueden ofrecer.
EXPRESIONES DE GRATITUD
Se agradece el fin de los miembros de la industria del Laboratorio COSMO:
AngloGold Ashanti, Barrick, BHP Billiton, De Beers, Newmont, Vale y Vale Inco, as
como CRSNG (Descubrimiento Grant 239019), la Investigacin de Canad
Programa de Ctedras y TPI son gratamente admitido.
Referencias
Arik, A, 2002. Comparacin de metodologas de clasificacin de recursos con
un nuevo enfoque, en Proceedings Aplicaciones de la Informtica y Operaciones de
investigacin en la industria mineral (APCOM) 2002.
Audet, M y Ross, AF, 2007. Koniambo laterticos depsitos de Ni-Co, Nueva
Caledonia - Un estudio de caso de modelado geolgico a la clasificacin de recursos
minerales, en Yacimiento Modelado y Planificacin Estratgica de la mina, segunda edicin
(ed: R Dimitrakopoulos), pp 235-244 (Instituto Australiano de Minera y Metalurgia:
Melbourne). Benndorf, J y Dimitrakopoulos, R, 2007. Los nuevos mtodos eficientes para
simulacin condicional de grandes yacimientos, en Yacimiento Modelado y Planificacin
Estratgica de la mina, segunda edicin (ed: R Dimitrakopoulos), pp 61-68 (El Instituto
Australiano de Minera y Metalurgia: Melbourne).
Benndorf, J y Dimitrakopoulos, R, 2010. estocstico largo plazo
programacin de la produccin de los yacimientos de mineral de hierro: La integracin de la
incertidumbre geolgica multi-elemento de unin, en Los avances en yacimiento Modelado y
Estratgica Planificacin Minera (I ed: R Dimitrakopoulos), pp 151-158 (Instituto Australiano de
Minera y Metalurgia: Melbourne).
Comisiones de Valores de Canad (CSA), 2005. instrumento Nacional
43-101: Normas para la divulgacin de proyectos minerales. David, M, 1977. Geoestadstica
Estimacin de Reservas de Mena, p 364 (Elsevier:
Los pases bajos). David, M, 1988. Handbook of Applied avanzada Geostatistical Ore
Estimacin de la Reserva, p 217 (Elsevier: Los Pases Bajos). David, M y Dagbert, M,
1977. La prediccin de toneladas de fuga antes
comience la produccin, o pequeos bloques no son buenos para la planificacin de los
depsitos de prfido, documento presentado en la reunin anual del Instituto Americano de Minera,
Metalurgia e Ingeniera de Petrleo, de Atlanta. Dimitrakopoulos, R y Ramazan, S, produccin
basado 2004. La incertidumbre
programar en la minera a cielo abierto, Transacciones SME, 316: 106-112. Dohm, C, 2005.
clasificacin cuantificable recurso mineral - A lgico
enfoque, en Geoestadstica Banff 2004 ( eds: O Leuangthong y C Deutsch), 1: 333-342
(Springer: Dordrecht).
Duggan, S y Dimitrakopoulos, R, 2005. La aplicacin de condicional
simulacin para cuantificar la incertidumbre y para clasificar un depsito deflacin
diamante, en Geoestadstica Banff 2004 ( eds: O Leuangthong y C Deutsch), 2: 419-428
(Springer: Dordrecht).
222 El volumen de la serie Spectrum 17
Froidevaux, R, Roscoe, WE y Valiant, RI, 1986. Estimacin y
la clasificacin de las reservas de oro en la Pgina-Williams zona C: Un estudio de caso en
geoestadstica no paramtricas, en Reservas de Mena Estimacin: Mtodos, Modelos y
Realidad ( eds: M David, R Froidevaux, AJ Sinclair y M Valle), pp 280-300 (Instituto
Canadiense de Minera: Montreal). Giroux, GH, Sinclair, AJ y Miller, JHL, calidad 1986.
Produccin
experimentos de control, en Reservas de Mena Estimacin: Mtodos, Modelos y Realidad
( eds: M David, R Froidevaux, AM Sinclair y M Valle), pp 238-260 (Instituto Canadiense de
Minera: Montreal). Comit Conjunto Ore Reserves (JORC), 2004. Cdigo de Australasia
para
La comunicacin de los resultados de exploracin, Recursos Minerales y mineral
reservas (Cdigo JORC). Journel, AG y Kyriakidis, PC, 2004. Evaluacin de las reservas
minerales
- Un enfoque de simulacin, 232 p (Oxford University Press: Nueva York). Leite, A y
Dimitrakopoulos, R, 2010. Programacin de la produccin en virtud
la incertidumbre de metal - Aplicacin de programacin matemtica estocstica en una
mina de cobre a cielo abierto y la comparacin con la programacin convencional, en Los
avances en yacimiento Modelado y Estratgica Planificacin Minera (I ed: R
Dimitrakopoulos), pp 35-40 (El Instituto Australiano de Minera y Metalurgia: Melbourne).
Lopes, JA, Rosas, CF, Fernandes, JB y Vanzela, GA, 2010.
Una simulacin basada en la geologa conjunta condicional de un depsito de nquel
latertico - Cuantificacin de riesgo en las curvas de tonelaje de grado y la categorizacin
de los recursos, en Los avances en yacimiento Modelado y Estratgica Planificacin
Minera (I ed: R Dimitrakopoulos), pp 205-214 (Instituto Australiano de Minera y Metalurgia:
Melbourne). Murphy, M, Parker, H, Ross, A y Audet, M, 2004. Ore-espesor y
confianza grado de nquel del recurso en el depsito de laterita Koniambo nquel en
Nueva Caledonia - Un viaje simulacin condicional del descubrimiento, en Geoestadstica
Banff 2004 ( eds: O Leuangthong y C Deutsch) (Springer: Dordrecht). Parker, H.
Comunicacin personal.
Ramazan, S y Dimitrakopoulos, R, 2009. Programacin de la produccin con
suministro incierto: Una nueva solucin al problema de la minera a cielo abierto,
Revista Europea de Investigacin de Operaciones ( presentado) e Informe de COSMO 2007, pp
257-294.
Ravenscroft, PJ, anlisis 1992. Riesgo para la ma programacin por condicional
simulacin, Las transacciones de las instituciones de Minera y
Metalurgia, Tecnologa Minera, 101: A104-A108. Sabourin, RL, 1983. Aplicacin del
mtodo Geostatistical a
definir cuantitativamente distintas categoras de recursos, en Geoestadstica para
Caracterizacin de Recursos Naturales Parte 1, Serie C:
Ciencias Matemticas y Fsicas (ed: G Verly) 122: 201-216. Sinclair, AJ y Blackwell, GH,
2002. Inventario Aplicada Mineral
Estimacion, 381 p (Cambridge University Press: Nueva York). Comit Sudafricano de
Recursos Minerales (SAMREC), 2000. Sur
informes de frica de los recursos minerales y reservas minerales, Instituto del frica
Meridional de Minera y Metalurgia. Comisin de Valores de Estados Unidos (SEC), 2006.
Gua de la Industria 7.
Wawruch, T, Jorge, F y Betzhold, JF, 2005. Recurso Mineral
clasificacin mediante simulacin condicional, en Geoestadstica Banff 2004 ( eds: O
Leuangthong y C Deutsch), 1: 479-489 (Springer: Dordrecht).
Los avances en yacimiento Modelado y Estratgica Planificacin Minera I