Proceso de Estimacion Datamine

DATAMINE Latin America Fone: +55 31 225 6855
Rua Antônio de Albuquerque, 717 Fax : +55 31 225 6855

Sala 1003/ CEP 30112-010 E-Mail: info@datamine.com.br
Belo Horizonte, MG
BRASIL
PROCESSOS ESTIMACIÓN
Junho/2002
Índice
DATAMINE Latin America Processos Estimación
1. Introducción ................................................................................................................................................... 3
2. Métodos Tradicionales ................................................................................................................................... 4
2.1- Las muestras más cercanas, POLD3D .................................................................................................. 4
2.2 - Método de Inverso de las Distancias, IPDD3D ..................................................................................... 6
2.3 - Método de Krigeage Ordinario, KRG3DB............................................................................................ 11
3. Estima .......................................................................................................................................................... 15
3.1 - Introducción ......................................................................................................................................... 15
3.2 - Volúmenes de Búsqueda .................................................................................................................... 16
3.3 - Puntos de Discretización ..................................................................................................................... 22
3.4 - Métodos de Estimación ....................................................................................................................... 24
3.4.1- Método de las Muestras más Cercanas ....................................................................................... 27
3.4.2 - Método del Inverso de las Distancias .......................................................................................... 28
3.4.3 - Krigeage ....................................................................................................................................... 29
3.5 - Características Adicionales ................................................................................................................. 33
3.6 - Archivo de Parámetros de Variografía ................................................................................................ 35
3.7 - Resumen de los Parámetros ............................................................................................................... 36
3.8 - Campos y Archivos.............................................................................................................................. 37
PROCESOS PARA LA ESTIMACION DE RESERVAS,

METODOS CONVENCIONALES vs SUPERPROCESOS
[10º Workshop DATAMINE do Brasil & 2º Conferencia Latino Americana de Usuarios DATAMINE -2-
1. Introducción
Software Minero DM siempre ha contado con una amplia gama de procesos para la
estimación de reservas, desde procesos convencionales, muy sencillos de usar, tales como
las muestras más cercanas o el inverso de la potencia de las distancias, hasta procesos más
innovadores tales como el krigeage, cuyo uso necesita de una buena herramienta
informática, como también de una base teórica robusta acerca de las teorías de la
geoestadística.
La tabla 4.1 muestra un resumen de estos procesos comúnmente utilizados por la mayoría
de los usuarios de este sistema, y que representan el universo de posibilidades de
estimación que ofrecen todos los paquetes geológicos mineros del mercado actual. Estos
han sido ordenados en orden descendente de acuerdo a actualidad, y también s u
versatilidad y poder.
Tabla 1: Métodos Clásicos para la Estimación de Reservas en DM

PROCESO DESCRIPCIÓN
POLD3D Muestras más cercanas
INTERP Inverso de las distancias, en forma sencilla, sin anisotropías
IPDD3D Inverso de las distancias, más completo, con anisotropías
PANELK Kriging Para Strings en 2D
KRG3DA Kriging muy simple, sólo variogramas esféricos de 1 estructura
KRG3DB Kriging completo, más de 10 posibles tipos de variogramas
KRG3DC Similar al KRG3DB, pero especifico para el estudio de depósitos plegados
El motivo principal de este trabajo es poder mostrar, difundir y promover el uso de una nueva
alternativa para la estimación de reservas, la que ha revolucionado las actuales herramientas
mostradas en la tabla anterior, pero que sin embargo, todavía es muy poco conocida, y su
uso está siendo limitado sólo a algunas innovadoras personas que han apostado por esta
nueva alternativa, y que han podido comprobar la real magnitud del cambio que esta
representa. Estos procesos se indican en la siguiente tabla:
Tabla 2 : Nuevos Métodos de Estimación de Reservas de DM

PROCESO DESCRIPCION
GRADE ESTIMA simple
ESTIMA SUPERPROCESO en estudio
"GRADE" y "ESTIMA", son conocidos como SUPERPROCESOS, nombre otorgado por el

hecho de que conjugan las operaciones de procesos menores, para en conjunto formar una
herramienta poderosa, versátil, flexible e innovadora. Ambos procesos se basan en el mismo
algoritmo, y básicamente sólo se diferencian en sus alcances. "GRADE" se ha creado como
una modificación de "ESTIMA" enfocada a usos más sencillos.
Estos superprocesos no son nuevos algoritmos de estimación, sino sólo la unión y conjunción
de los actuales métodos existentes lo que constituye el fundamento de una gran herramienta,
por factores tales como:
- Todos los métodos de evaluación pueden ser controlados por un sólo proceso
- Esto permite que una ejecución pueda contener varias evaluaciones simultáneas
- El punto anterior a su vez permite que una misma ley pueda ser evaluada por diferentes
algoritmos
- Los tiempos de ejecución se minimizan ya que métodos de estimación diferentes que
cuenten con un mismo volumen de búsqueda para las muestras, pueden seleccionar las
muestras necesarias en sólo una oportunidad.
Para lograr estos puntos, estos superprocesos trabajan con archivos parámetricos, los cuales
marcan las directrices para controlar el accionar del proceso ante diferentes circunstancias.
De esta forma, este capítulo lo dedicaremos por entero a entregar una descripción detallada
de los métodos actuales o convencionales desplegados en la tabla 4.1, y de los nuevos
superprocesos, en especial de ESTIMA. Esto nos servirá de pauta para el análisis
comparativo que realizaremos usando nuestro caso de estudio, en el próximo capítulo.
2. Métodos Tradicionales
2.1- Las muestras más cercanas, POLD3D
Antiguo proceso de DATAMINE, que consta de dos etapas principales. En la primera parte el
usuario deberá definir archivos, campos y parámetros generales del proceso, mientras que
en una segunda etapa el usuario deberá definir la orientación y magnitud de cada uno de los
ejes de la elipsoide que define la anisotropía del volumen de búsqueda.
Este método se fundamenta en la evaluación de cada una de las celdas del modelo de
bloques con el valor de la muestra más cercana en el espacio. El usuario podrá definir una
distancia máxima de búsqueda desde el centro de la celda, luego para todas las muestras
que caen dentro del volumen de búsqueda se calcula su distancia transformada hasta el
centro de la celda. Las distancias transformadas estarán de acuerdo a las orientaciones de
la elipsoide de anisotropía. Finalmente el valor de la muestra más cercana es asignada a la
celda que se esta evaluando.
La simplicidad de este método, lo convierte en una muy buena opción de ev aluaciones

preliminares y además entrega al usuario una herramienta general, mediante la cual poder
otorgar a una entidad la característica de la muestra más cercana. Adicionalmente, este
método permite la evaluación de campos alfanuméricos.
El proceso también puede considerar direcciones preferenciales, definidas mediante

rotaciones con respecto a los ejes cartesianos, de acuerdo al azimut e inclinación de la
elipsoide de anisotropía.
Deberá considerar que este proceso requiere de un previo ordenamiento de las muestras,
con respecto a su campo de coordenada "X", lo que permitirá acelerar los procesos de
estimación. Y que en el caso de que el modelo de bloques de prototipo ya contenga el campo
que se esta interpolando, los valores de este campo serán sobre escritos en el archivo de
salida.
En la tabla 3 usted podrá encontrar un resumen de todas las entradas que requiere este
proceso:
Tabla 3: Resumen del Proceso POLD3D

CATEGORI ENTIDAD Opcion Valor por Descripción
A al Defecto
PROTO NO - Modelo de bloques que sirve de Prototipo, y debe contener al
menos los campos; XC, YC, ZC, XINC, YINC, ZINC,
XMORIG, YMORIG, ZMORIG, NX, NY, NZ, IJK. Este
prototipo podrá contener indiferentemente celdas y
subceldas.
Archivos
IN NO - Datos de muestra (ordenados según "X"). Deberá contener al
menos los campos; X , Y , Z , VALUE.
MODEL NO - Modelo de bloques de salida, que contendrá los campos del
modelo usado como prototipo, más el campo VALUE de ley
interpolado.
X NO - Nombre del campo de coordenadas "X" de los datos de
muestras.
Y NO - Nombre del campo de coordenadas "Y" de los datos de
muestras.
Z NO - Nombre del campo de coordenadas "Z" de los datos de
muestras.
VALUE NO - Nombre del campo a ser interpolado, este campo podrá ser
Campos
alfanumérico de hasta 4 caracteres.
ZONE SI - Nombre del campo para una interpolación por zona. (Puede
ser numérico o alfanumérico de hasta 4 caracteres). Este
campo deberá existir tanto en los archivos "PROTO" e "IN".
Si es utilizada la búsqueda zonal, una celda perteneciente a
una ZONA en particular, sólo podrá ser evaluada usando
muestras con el mismo valor para ese campo ZONA.
RADIUS NO - Radio de búsqueda
XSUBCE SI 1 Parámetro usado sólo en el caso de que el modelo utilizado
LL como prototipo con contenga celdas. En este último caso
este definirá la cantidad de subceldas en la dirección de "X"
YSUBCE SI 1 Parámetro usado sólo en el caso de que el modelo utilizado
este definirá la cantidad de subceldas en la dirección de "Y"
ZSUBCE SI 1 Parámetro usado sólo en el caso de que el modelo utilizado
este definirá la cantidad de subceldas en la dirección de "Z"
XINTMIN SI - Mínimo número de columna a ser interpolado
Parámetros XINTMA SI - Máximo número de columna a ser interpolado
X
YINTMIN SI - Mínimo número de fila a ser interpolado
YINTMAX SI - Máximo número de fila a ser interpolado
ZINTMIN SI - Nivel mínimo a ser interpolado
ZINTMAX SI - Nivel máximo a ser interpolado
PRINT SI - Controla el nivel de despliegue de las celdas a estimar en la
pantalla "OUTPUT". Puede tomar tres valores: "0", "1" ó "2",
donde "0" es el valor mínimo de despliegue y "2" el valor
máximo.
ECHO SI 0 Controla la generación de una salida hasta la impresora (con
el valor "1") o hasta un archivo de impresión (con el valor "0")
Definidas todas las entradas anteriores el proceso pasará a una segunda etapa, donde
requerirá:
>DIP> Inclinación del "AXIS 1" (en grados bajo la horizontal).

>AZIMUTH> Azimut del "AXIS 1" (grados desde el eje "Y" medidos en sentido horario).
>AXIS 1 > Largo Relativo del Eje 1.
Para un mejor entendimiento deberá considerar que antes de cualquier rotación, el AXIS 1 se
orientará en la dirección "Y" (Norte), el AXIS 2 se orientará en la dirección "X" (Este) y el
AXIS 3 en la dirección de "Z"
El lector deberá considerar también que el AXIS 2 será multiplicado por la razón AXIS 2/AXIS
1, al igual que el AXIS 3, que será multiplicado por el factor AXIS 3/AXIS 1.
2.2 - Método de Inverso de las Distancias, IPDD3D

Este proceso crea un modelo de bloques 3-D utilizando el método de ponderación por el
inverso de la potencia de las distancias, pudiendo utilizar direcciones preferenciales, que se
definirán en términos de una elipsoide de búsqueda.
El sistema requiere de un modelo de bloques como entrada y uno de salida, este último
contendrá todos los campos del prototipo, y adicionalmente el campo a ser interpolado. En el
caso de que el prototipo contenga el campo a interpolar, sus valores serán sobre escritos en
el modelo de salida.
El usuario puede seleccionar la distancia máxima, desde el centro de la celda, hasta donde
las muestras pueden ser seleccionadas. Todas las muestras que caigan dentro de este
volumen de búsqueda serán utilizadas para calcular el promedio ponderado. En este método
el peso para ponderar corresponde al inverso de su distancia desde el centro de la celda
hasta la muestra a utilizar, esta distancia es una distancia transformada de acuerdo a la
elipsoide de direcciones preferenciales, elevada a la potencia definida por el parámetro
@POWER.
La elipsoide direccional se define en términos de los tres ejes cartesianos y de un azimut y

un dip. Si la distancia de una muestra desde el centro de la celda es menor o igual al valor
del sistema 'TRACE' luego el sistema asigna en forma automática el valor de la muestra a la
celda.
Adicionalmente a la ponderación por inverso de las distancias, el usuario podrá definir otros
campos de ponderación, tal como por ejemplo el campo de largo de muestras "LENGTH", de
tal forma que en el caso de dos muestras equidistantes al centro de una celda de largos de 2
y 4 metros, la segunda tendrá una ponderación igual al doble de la primera.
El parámetro @MINNOP, definido por el usuario, define un mínimo número de muestras

requerido para poder interpolar la celda, si en algún caso el número de muestras dentro del
volumen de búsqueda es menor a este valor, la celda permanece sin estimar, y se le asigna
un valor ausente "-".
El usuario deberá considerar que este proceso requiere de un previo ordenamiento de las
muestras, con respecto a su campo de coordenada "X", lo que permiti rá acelerar los
procesos de estimación. Si los datos no han sido ordenados el proceso finalizará

anticipadamente con un mensaje de error.
proceso:
Tabla 4: Resumen del Proceso IPDD3D

CATEGOR ENTIDAD Opcion Valor por Descripción
IA al Defecto
subceldas.
Archivos
IN NO - Datos de muestra (ordenados según "X"). Deberá contener al
menos los campos; X , Y , Z , VALUE.
modelo usado como prototipo, más el campo VALUE de ley
interpolado.
muestras.
muestras.
muestras.
VALUE NO - Nombre del campo a ser interpolado.
ZONE SI - Nombre del campo para una interpolación por zona. (Puede
ser numérico o alfanumérico de hasta 4 caracteres). Este
Campos campo deberá existir tanto en los archivos "PROTO" e "IN".
Si es utilizada la búsqueda zonal, una celda perteneciente a
una ZONA en particular, sólo podrá ser evaluada usando
muestras con el mismo valor para ese campo ZONA.
LENGTH SI Nombre del Campo del archivo de muestras que se utilizará
para ponderar las muestras por su largo.
NUMSAM SI Nombre del Campo del archivo de salida que se utilizará para
almacenar la información del número de muestras utilizadas
en la evaluación de cada celda.
RADIUS SI X Radio de búsqueda. El valor por defecto de este parámetro

es X = La media de las dimensiones de las celdas
DISTERR SI 0 Pequeña distancia a ser añadida a la distancia de aquellas
muestras muy cercanas o sobre el centro de la celda. Este
pequeño valor evita la indeterminación del algoritmo de
interpolación.
POWER SI 2 Potencia a la cual se elevarán los inversos de las distancias.
MINNOP SI 5 Mínimo número de muestras
Parámetro
s
IPOINTS SI 1 Número de puntos de interpolación de cada celda en la

dirección de "X". El algoritmo es ejecutado en cada punto, y
luego la media aritmética de todos los puntos se asigna a la
celda a evaluar.
JPOINTS SI 1 Número de puntos de interpolación de cada celda en la
dirección de "Y". El algoritmo es ejecutado en cada punto, y
celda a evaluar.
KPOINTS SI 1 Número de puntos de interpolación de cada celda en la
dirección de "Z". El algoritmo es ejecutado en cada punto, y
celda a evaluar.
XRADIUS SI - Radio de búsqueda en la dirección "X", que se utilizará sólo
en el caso de que el usuario utilice un volumen de búsqueda
CUBOIDAL.
YRADIUS SI - Radio de búsqueda en la dirección "Y", que se utilizará sólo
CUBOIDAL.
ZRADIUS SI - Radio de búsqueda en la dirección "Z", que se utilizará sólo
CUBOIDAL. Los tres parámetros anteriores deben estar
definidos en conjunto, y de ser así estos tienen preferencia
sobre los parámetros de la elipsoide que se ingresarán en la
etapa final del proceso en forma interactiva.
LWEIGH SI 0 Este parámetro puede tomar los valores "0" ó "1". Si el
T usuario asigna este último valor a este parámetro, entonces
se ponderaran las muestras por su largo.
NUMSAM SI 0 Este parámetro puede tomar los valores "0" ó "1". Si el
usuario asigna este último valor a este parámetro, entonces
se almacenará la cantidad de muestras utilizadas para
evaluar cada celda en el campo "NUMSAM".
PLNGFL SI 0 Este parámetro puede tomar los valores "0" ó "1". Si el
AG usuario asigna este último valor a este parámetro, entonces
un tercer ángulo de anisotropía - el PLUNGE - será solicitado
interactivamente por el sistema, en la etapa final del proceso.
MINOCT SI 0 Mínimo número de octantes que debe ser "LLENADO" antes
de que la celda o subcelda pueda ser interpolada.
MINPER SI 1 Mínimo número de muestras que deben existir en un octante,

OC antes de que este pueda considerarse LLENO.
MAXPER SI 0 Máximo número de muestras en un octante a usar en la
OC interpolación (Puede ser menor o igual a "4"), en el caso de
existir un número mayor de muestras, el algoritmo sólo
utilizará aquellas más cercanas . Si este parámetro
permanece sin definir entonces el sistema entenderá que no
existe límite en el número de muestras.
PRINT SI - Controla el nivel de despliegue de las celdas a estimar en la
pantalla "OUTPUT". Puede tomar tres valores: "0", "1" ó "2",
donde "0" es el valor mínimo de despliegue y "2" el valor
máximo.
ECHO SI 0 Controla la generación de una salida hasta la impresora o
hasta un archivo de impresión (con el valor "1"). Al usar el
valor por defecto, no se generará ninguna salida.
Definidas todas las entradas anteriores el proceso finalmente requerirá en forma interactiva
los siguientes parámetros:
>DIP> Inclinación del "AXIS 1" (en grados bajo la horizontal).

>AZIMUTH> Azimut del "AXIS 1" (grados desde el eje "Y" medidos en sentido horario).
>AXIS 1 > Factor de Largo Relativo para el Eje 1.
Para un mejor entendimiento, deberá considerar que antes de cualquier rotación, el AXIS 1
se orientará en la dirección "Y" (Norte), el AXIS 2 se orientará en la dirección "X" (Este) y el
AXIS 3 en la dirección de "Z".
Los valores de los ejes se normalizan, tal que su mínimo es 1. Los componentes de distancia
a lo largo de cada uno de los ejes será obtenido al multiplicar los largos por los factores de
normalización. El radio de búsqueda efectivo en cada dirección corresponde al valor del
parámetro @RADIUS dividido por el factor normalizador. Los parámetros anteriores no serán
requeridos en el caso de que el usuario defina los parámetros; @XRADIUS, @YRADIUS y
@ZRADIUS, ya que en ese caso el usuario estará definiendo un volumen de búsqueda
cuboidal.
Notas acerca del Proceso :
- Los parámetros @XSUBCELL, @YSUBCELL, @ZSUBCELL sólo se usaránen el caso de

que el prototipo sea un modelo de bloques vacío.
- Cuando las muestras son seleccionadas para la interpolación, el algoritmo calcula el

octante (referido al centro de la celda) donde cae cada muestra. Dentro de cada octante
las muestras son ordenadas de acuerdo a su distancia transformada hasta el centro de la
celda (estas distancias transformadas se calculan de acuerdo a los parámetros
anisotrópicos), con lo cual se determina cuales serán las muestras que se usarán por
estar contenidas dentro del volumen de búsqueda. El usuario puede adicionalmente
controlar la selección de muestras utilizando los parámetros: @MINOCT, @MINPEROC,
@MAXPEROC.
- Al utilizar un volumen de búsqueda direccional, se requerirá de los siguientes parámetros:

un radio de búsqueda, un azimut, una inclinación y tres factores de radio. El parámetro
@RADIUS define la distancia de búsqueda máxima en la dirección de los radios
principales del volumen de búsqueda. Los ángulos DIP y AZIMUT son requeridos en
forma interactiva, al igual que los factores para los largos relativos AXIS1, AXIS2, y
AXIS3, que son utilizados para ponderar los largos relativos del volumen de búsqueda.
Por ejemplo si se define una elipsoide de búsqueda (en metros) con: RADIUS = 100,
AXIS1 = 1, AXIS2 = 2 y AXIS3 = 5.
Entonces el volumen de búsqueda será una esfera de 100 metros de radio, y las
muestras podrán ser ponderadas de acuerdo a los factores definidos por AXIS1, AXIS2 y
AXIS3 en sus respectivas direcciones.
- Inicialmente se asume que los tres ejes principales de la elipsoide de búsqueda AXIS1,
AXIS2 y AXIS3, son paralelos a los tres ejes cartesianos "Y", "X" y "Z" (Note que son los
ejes "Y", "X" y no "X", "Y"), eso quiere decir que el AXIS1 apunta hacia el Norte, el AXIS2
apunta hacia el Este, y el AXIS3 apunta hacia arriba.
- El primer ángulo de rotación, ANGLE1 (ángulo de azimut), se aplica al rotar la elipsoide

en torno al AXIS3, en sentido horario (como se muestra en la figura 4.1a). La elipsoide es
luego rotada en un ANGLE2, en torno al nuevo AXIS2, definiendo el ángulo del DIP,
como se muestra en la figura 4.1b y finalmente el ángulo ANGLE3 se aplica al rotar la
elipsoide en torno al nuevo AXIS3, en sentido horario, tal como se muestra en la figura
4.1c.
- Este método de rotación puede modelarse usando la regla de la mano izquierda, donde
los dedos índice, del medio y pulgar representan los ejes AXIS1, AXIS2 y AXIS3
respectivamente, y antes de que cualquiera rotación sea aplicada, estos apuntarán en las
direcciones Norte, Este y hacia arriba. El ángulo de rotación de azimut se aplica al
mantener fijo su dedo pulgar (AXIS3) y rotar en sentido horario mirando desde la punta de
su dedo pulgar hacia el centro de su mano. El ángulo de inclinación o dip se aplica
después al rotar en torno del su dedo del medio (AXIS2) en sentido horario, mirando de
igual forma desde la punta de su dedo del medio hacia la palma de su mano. Finalmente
el ángulo de "plunge" se aplica al rotar nuevamente en torno de su dedo pulgar en sentido
horario mirando desde la punta de su pulgar hasta su mano.
- Para que las nuevas versiones sean compatibles con versiones antiguas, el algoritmo
incluye un tercer ángulo, el ángulo del "PLUNGE". Este ángulo sólo será solicitado por el
sistema si el parámetro @PLNGFLAG se definió igual a 1, y este es consultado
interactivamente después de los ángulos de azimut y dip.
- El campo opcional *ZONE sólo podrá ser aplicado cuando el archivo PROTO contiene
celdas o subceldas. Este campo permite que múltiples zonas sean interpoladas usando
solamente aquellas muestras que posean el mismo valor del campo zonal.
- Cuando se especifica el parámetro opcional @DISTERR, este valor se añade a las

distancias de las muestras antes de que esta sea usada para la interpolación. Esto evita
que muestras con distancias muy pequeñas tengan una influencia indebida.
A B C
Fig. 1: Definición de las Rotaciones de la Elipsoide de Anisotropía
[10º Workshop DATAMINE do Brasil & 2º Conferencia Latino Americana de Usuarios DATAMINE - 10 -
2.3 - Método de Krigeage Ordinario, KRG3DB
Este proceso crea un modelo de bloques 3-D utilizando krigeage lineal, con la posibilidad de
seleccionar el modelo de variograma. Como entrada se requiere de un modelo de bloques
como prototipo, y como salida el proceso crea un modelo de bloques que contiene los
mismos campos del modelo inicial, más tres campos adicionales. Eso s tres campos
corresponden al valor de la celda krigeada, la varianza del kriging, y el número de muestras
usados en la estimación. Si el prototipo ya contiene estos tres campos, entonces estos serán
sobre escritos.
En esta versión de krigeage para modelos de bloques, se incluye un conjunto de modelos de

variograma que incluyen: modelos esféricos de una y dos estructuras, el modelo lineal,
gausiano, exponencial y de Wijsian. El proceso también permite usar modelos
experimentales, que contengan conjuntos de distancias y valores de variograma, luego se
utilizará interpolación lineal para calcular los valores para los variogramas intermedios.
Adicionalmente, el krigeage lognormal está disponible para todos los modelos de variograma.
La anisotropía podrá incluirse en todos los parámetros de los variogramas, en términos de

una elipsoide de valores, y donde los largos y direcciones de los ejes de la elipsoide
representan la magnitud y dirección de los parámetros del variograma. La matriz del krigeage
es configurada usando el método de la covarianza, lo que significa que la diagonal principal
de la matriz es igual a cero.
El valor del variograma promedio entre una muestra y una celda del modelo se calcula como
el valor promedio entre el centro de la muestra y una matriz discreta tridimensional de puntos
(de acuerdo a la configuración de los parámetros para la definición de los puntos de
discretización @IPOINTS, @JPOINTS y @KPOINTS). El valor del variograma promedio
entre dos muestras se calcula como el valor promedio entre los centros de las muestras.
Las muestras a ser incluidas en la matriz del krigeage son seleccionadas de acuerdo a tres
criterios:
1. Las muestras que caen fuera del volumen de búsqueda son excluidas. Los tipos de
volúmenes de búsqueda pueden ser dos: un cuboide o una elipsoide (de acuerdo a la
configuración del parámetro @SMETHOD).
a. En el caso del volumen de búsqueda cuboidal (@SMETHOD=0). El tamaño del

cuboide es definido por las distancias desde el centro de las subceldas, a lo largo de l os
ejes "X", "Y" y "Z" (parámetros @XMAXRAD, @YMAXRAD y @ZMAXRAD).
b. En el caso del volumen de búsqueda elipsoidal (SMETHOD=1), el sistema requerirá de

seis parámetros: tres radios RADIUS1, RADIUS2 y RADIUS3 que definirán las distancias
máximas de búsqueda en las direcciones de los ejes principales de la elipsoide, y tres
ángulos ANGLE1, ANGLE2 y ANGLE3 para definir la orientación de la elipsoide.
Inicialmente se asume que los tres ejes de la elipsoide de búsqueda; AXIS1, AXIS2 y
AXIS3, son paralelos a las direcciones de los ejes cartesianos "Y", "X" y "Z " (note que se
ha mencionado los ejes "Y" "X" , y no "X" "Y"). Esto significa que el AXIS1 apunta hacia
el norte, AXIS2 hacia el este y AXIS3 hacia arriba.
El primer ángulo de rotación, ANGLE1 (ángulo de azimut), se aplica al rotar la elipsoide

en torno al AXIS3, en sentido horario. La elipsoide es luego rotada en un ANGLE2, en
torno al nuevo AXIS2, definiendo el ángulo del DIP y finalmente el ángulo ANGLE3 se
aplica al rotar la elipsoide en torno al nuevo AXIS3, en sentido horario.
Este método de rotación puede modelarse usando el mismo criterio de la mano izquierda,
explicado en la sección anterior, en el método del inverso de la potencia de la distancia.
2. Si se encuentran más de @MAXNUM muestras dentro del volumen de búsqueda, sólo las
@MAXNUM muestras más cercanas serán utilizadas.
3. Si se encuentran menos que @MINNUM muestras, entonces la subcelda no será

krigeada.
El proceso incluye un algoritmo para la reducción del tiempo, el cual es aut omáticamente
invocado si los datos de muestras son previamente ordenados por su coordenada "X". Si el
modelo del prototipo contiene datos, luego estos también deberán ser previamente
ordenados por su coordenada "X", que en este caso corresponde al centro d e la celda.
En circunstancias excepcionales algunas combinaciones de muestras y modelos de

variogramas pueden producir resultados inesperados. Los procesos del krigeage entonces
consideran, un número de chequeos y además realiza algunos ajustes:
- Si la varianza del krigeage es mayor que la meseta, esta se configura igual a la meseta
- Si la varianza del krigeage es menor que cero, esta se configura igual a cero.
- Si la estimación krigeada es menor que cero, se le asigna el valor cero.
proceso:
Tabla 5: Resumen del Proceso KRG3DB

CATEGORI ENTIDAD Opcion Valor por Descripción
A al Defecto
subceldas.
IN NO - Datos de muestra, deberá contener al menos los campos; X ,
Archivos
Y , Z , VALUE. La velocidad del proceso será mayor si los
campos han sido previamente ordenados según su
coordenada "X".
modelo usado como prototipo, más tres campos adicionales;
VALUE, ESTVAR y NUMSAM.
SAMPOU SI - Archivo de salida opcional, que contiene un registro por cada

T muestra usada para interpolar una celda, y puede llegar a
contener la siguiente información; "XC", "YC" y "ZC" (las
coordenadas del centro de cada celda, "X", "Y" y "Z" (las
coordenadas de cada muestra), DISTANCE correspondiente
a la distancia (transformada de acuerdo a la elipsoide de
anisotropía) entre el centro de la celda y la muestra, VALUE
o valor de ley, COVAR igual a la covarianza de la muestra
con la celda y KRIGCOEF igual al coeficiente de krigeage
con la celda. El usuario deberá decidir con cuidado la
utilización de este archivo, ya que la cantidad de información
que contiene lo transforma en un archivo enorme.
muestras.
muestras.
muestras.
Campos
VALUE NO - Nombre del campo a ser krigeado.
ESTVAR NO - Nombre del campo del archivo de salida donde se
almacenará la varianza de estimación.
NUMSAM NO - Nombre del Campo del archivo de salida que se utilizará para
almacenar la información del número de muestras utilizadas
en la evaluación de cada celda.
SMETHO SI 0 Parámetro que controla la forma que tendrá el volumen de
D búsqueda. Si este es igual a "0" entonces se usará un
paralelepipedo como volumen de búsqueda, cuyas
dimensiones quedarán definidas por los parámetros; X Y y
ZMAXRAD.
Si en cambio este parámetro es definido con el valor de "1",
entonces se usará una elipsoide como volumen de
Parámetros
búsqueda, cuyas dimensiones quedarán definidas por los
parámetros AXIS1, 2 y 3, y sus direcciones por los
parámetros ANGLE1,2 y 3
XMAXRA SI 99999 Máxima distancia de búsqueda a lo largo del eje "X", definida
D para la selección de muestras en el caso de que se utilice un
volumen de búsqueda cuboidal.
YMAXRA SI 99999 Máxima distancia de búsqueda a lo largo del eje "Y", definida
ZMAXRA SI 99999 Máxima distancia de búsqueda a lo largo del eje "Z", definida
RADIUS1 SI 1 Radio 1, usado para definir la extensión del volumen de
búsqueda en el caso de utilizarse un volumen de búsqueda
elipsoidal.
elipsoidal.
elipsoidal.
ANGLE1 SI 0 Angulo 1 usado para definir la dirección del volumen de
elipsoidal.

elipsoidal.
elipsoidal.
VGRAM NO 1 Parámetro utilizado para definir el modelo de variograma a
utilizar, entre las siguientes 10 alternativas:
1. Modelo esférico de una sola estructura
2. Modelo esférico de dos estructuras
3. Modelo Líneal
4. Modelo de Wijsian
5. Modelo Exponencial
6. Modelo Gausiano
7. Modelo Experimental
8. Reemplazado por @VGRAM=1 con @LOG=1.
9. No usado
10. Modelo esférico de multiestructuras con anisotropías.
LOG SI 0 Control para el uso del krigeage normal o lognormal, donde:
0. Kriging Normal
1. Kriging Lognormal
GENCAS SI 0 Método de cálculo para la opción de kriging lognormal
E (LOG=1)
0. Método de aproximación de Rendu´s
1. Método General
DEPMEA SI 0 Media del depósito para el caso que se utilice Kriging

N Lognormal (LOG=1). El valor por defecto de cero, significa
que utilizará la media calculada usando el krigeage.
TOL SI 0.01 Tolerancia para la convergencia de los pesos, en el caso de
utilizarse el kriging lognormal (LOG=1).
MAXITE SI 3 Máximo número de iteraciones para el kriging lognormal
R (LOG=1).
MINNUM SI 1 Mínimo número de muestras, antes de krigear
MAXNUM SI 20 Máximo número de muestras, antes de krigear

IPOINTS SI 6 Número de puntos de discretización en la dirección de "X",
para simular un panel.
JPOINTS SI 6 Número de puntos de discretización en la dirección de "Y",
KPOINTS SI 1 Número de puntos de discretización en la dirección de "Z",
PRINT SI 0 Controla el nivel de despliegue de las celdas a estimar en la

pantalla "OUTPUT". Puede tomar cuatro valores:
0. Parámetros de entrada y un resumen de las salidas
1. Como "0", más mensajes para cada columna
2. Como "1", más coordenadas y valores krigeados
3. Como "2", más muestras, distancias, valores de ley,
covarianzas con celdas y coeficientes de krigeage para
cada celda.
ECHO SI 0 Controla la generación de una salida hasta la impresora o
hasta un archivo de impresión (con el valor "1"). Al usar el
valor por defecto, no se generará ninguna salida.
Definidas todas las entradas anteriores el proceso finalmente requerirá en forma interactiva
los parámetros de variografía:
- PIJ> El usuario es consultado para ingresar cada parámetro de su modelo de variograma,

donde IJ es el número del parámetro. El número de parám etros requerido depende del
modelo de variograma, de acuerdo al valor del parámetro ingresado en el parámetro
@VGRAM. Una respuesta invalida causará que el sistema vuelva a repetir la consulta, y
si su respuesta es "!", causará el termino del proceso.
Un completo detalle acerca del uso del proceso KRG3DB puede encontrarse en el Anexo G,
donde también podrá encontrar las notas anexas, acerca de los parámetros variográficos.
3. Estima
3.1 - Introducción
ESTIMA requiere un modelo como prototipo de entrada y un set de datos de muestras,

generalmente el prototipo puede ya contener celdas y subceldas representando por ejemplo
una estructura geológica, en este caso los valores de leyes podrán interpolarse dentro del
conjunto existentes de celdas y subceldas. En cambio si usted tiene un prototipo vacío (que
no contiene celdas y/o subceldas), ESTIMA puede crear estas celdas y subceldas en el área
alrededor de las muestras, de acuerdo a lo definido en el volumen de búsqueda. Desde
ahora en adelante cuando nos refiramos a un modelo de bloques, este puede contener
celdas y subceldas, y una celda completa será una celda patrón. Los datos de muestras
contienen los datos necesarios que usted usa para estimar las leyes de las celdas, estos
datos deberán contener al menos las coordenadas X,Y, Z de cada muestra y un valor de ley.
ESTIMA requiere que usted defina un volumen de búsqueda, centrado en la celda a estimar,
y que contendrá las muestras que se usarán en la estimación de las leyes. De hecho usted
podrá definir más de un volumen de búsqueda, de esta forma diferentes leyes podrán
evaluarse con diferentes volúmenes de búsqueda. Todos los parámetros que describen el
volumen de búsqueda se definirán en ESTIMA usando el "archivo de parámetros del
volumen de búsqueda". ESTIMA también requiere que usted defina un conjunto de
parámetros de estimación para la ley a ser estimada, esos parámetros se ingresarán a
ESTIMA usando "el archivo de parámetros de estimación", el que contendrá itemnes tales
como el método de estimación, el número de referencia del volumen de búsqueda y otros,
tales como la potencia para el método del inverso de las distancias.
Asi ya tenemos definido el prototipo del modelo de entrada, y las muestras que caen dentro
de cada volumen de búsqueda. Ahora se estimará cada ley definida en el archivo de
parámetros de estimación y el resultado se grabará sobre el modelo de salida. Un resumen
de los archivos usados por ESTIMA son:
- PROTO : Modelo de prototipo de entrada
- IN : Datos de muestras
- SRCPARM : Parámetros del volumen de búsqueda
- ESTPARM : Parámetros de Estimación
- VMODPARM : Parámetros del modelo del variograma
- STRING : Strings del Unfolding
- MODEL : Modelo de salida
- SAMPOUT : Muestras de salida
El resto de la información es suministrada al proceso a través de campos y parámetros.
3.2 - Volúmenes de Búsqueda
El archivo de parámetros del volumen de búsqueda (SRCPARM) podrá contener uno o más
registros, cada uno de los cuales define un volumen de búsqueda, identificado por un número
de referencia único (campo SREFNUM). Un volumen de búsqueda puede ser único para una
ley individual, o podrá ser compartido por más leyes.
El volumen de búsqueda podrá tener dos formas, cuboidal o elipsoidal. Al configurar el

parámetro SMETHOD igual a 1 se utilizará un cuboide y al asignarle un valor de 2 usará una
elipsoide (valor por defecto). Las longitudes de los ejes del elipsoide son definidos usando los
campos SDIST1, SDIST2 y SDIST3. Inicialmente SDIST1 es paralelo al eje "X", SDIST2 al
eje "Y" y SDIST3 al "Z" (ver Fig. 2).
Y
SDIS
Z Z
T2
SDIS
SDIS
T3
T3
SDIST X
1 SDIST2 Y SDIST X
Vista en Sección Oeste - Este
Sección Sur - Norte 1
Planta
Fig. 2: Ejes del Volumen de búsqueda alineados con los ejes coordenados
También podrá rotar la elipsoide de búsqueda, definiendo una, dos o tres rotaciones, para
cada una de las cuales deberá definir el ángulo de rotación y el eje respecto del cual se
realizará la misma. Para esto el eje "X" se denominará eje 1, "Y" como eje 2, y el eje "Z"
como eje 3. Los ángulos de rotación se miden en el plano de rotación, mirando desde el eje
de rotación hasta el origen, y serán positivos al rotar en sentido horario, o negativos en caso
contrario. Si la primera rotación es de Aº en torno al eje 3 (Z), luego la elipsoide se orientará
de acuerdo a la figura 3:
Y
Y' Z'=
Z
A
º Y'
X
Vista en Sección [-Y',+Y']
Planta
X'
Fig. 3: Rotación de Aº grados en torno del eje 3 (eje Z)

Si luego la elipsoide de búsqueda se rota Bº grados alrededor del nuevo eje X', el resultado
será (ver Fig. 4):
Y Z'
Y',Y" Z"
A
Y
º X B '
º
X'=X
" Y"
Fig. 4: Rotación de Aº en torno al eje 3 (Z), y luego de Bº en torno del nuevo eje 1 (X)
Este ejemplo muestra una rotación convencional de azimut y dip, sin embargo usted puede
usar cualquier método de rotación que usted quiera definiendo tanto los ángulos de rotación
como sus respectivos ejes.
Simular con la mano izquierda puede ayudar para un mejor entendimiento de las
rotaciones. Para esto ubíquese mirando hacia en norte con su dedo índice apuntando hacia
enfrente suyo, su pulgar hacia arriba, y su dedo del medio apuntado a su derecha a través
suyo. Marque el número 1 en el dedo del medio, 2 en su índice y 3 en su pulgar. Entonces
su dedo del medio representa al eje "X" y apunta hacia el este, su índice es el eje "Y"
apuntando hacia el norte, y su pulgar es el eje Z apuntando hacia arriba. Para simular las 2
rotaciones del ejemplo previo, sujete el dedo pulgar de su mano izquierda con su mano
derecha y rote los otros dos dedos Aº en sentido horario. Luego fije su dedo del medio y rote
su dedo índice y pulgar Bº en sentido horario en el plano vertical. Sus dedos están ahora
apuntando a lo largo de los ejes de su elipsoide de búsqueda ro tada.
Los campos SANGLE y SAXIS del volumen de búsqueda del ejemplo son: Aº como
SANGLE1 y el eje 3 (Z) como SAXIS1. La segunda rotación se define luego por Bº como
SANGLE2 y 1 (X) como SAXIS2. SANGLE3 y SAXIS3 servirán para representar una tercera
rotacíon, que en el caso de no existir podrá dejar sin definir o sencillamente como valores
nulos.
Un volumen de búsqueda dinámico resulta a menudo muy útil, especialmente al

categorizar las reservas en base al número de muestras que caen en el volumen de
búsqueda, si por ejemplo usted categoriza sus reservas de acuerdo a:
- probadas (medidas) al menos 6 muestras dentro de 20 metros
- probable (indicadas) al menos 4 muestras dentro de 40 metros
- posibles(inferidas) al menos 2 muestras dentro de 60 metros
Usted podrá hacer esto en una sola ejecución de ESTIMA, definiendo tres volúmenes de
búsqueda concéntricos y un mínimo y máximo número de muestras para cada volumen. El
primer volumen de búsqueda (el más pequeño) se definirá usando los parámetros de
búsqueda SDIST1, SDIST2 y SDIST3 como se describieron anteriormente. El segundo
volumen de búsqueda se define como un múltiplo de esos valores, al multiplicarlos por
SVOLFAC2. Este valor SVOLFAC2 puede ser 0 ó >=1, en donde si es cero significará que no
se utilizará ni un segundo ni un tercero volúmenes de búsqueda. Si SVOLFAC2=1 entonces
el segundo volumen de búsqueda tendrá las mismas dimensiones que el primer volumen,
pero en este caso probablemente se definirá un mínimo número de muestras inferior al
primer volumen. Similar al caso anterior, SVOLFAC3 es el factor multiplicativo para el
volumen de búsqueda número 3, en este caso este podrá tomar el valor de 0, ó >=
SVOLFAC2.
En cada volumen de búsqueda usted también podrá definir el mínimo y máximo numero de
muestras, MINNUM1 y MAXNUM1 se aplicarán al primer volumen de búsqueda, MINNUM2 y
MAXNUM2 se aplicarán al segundo, y MINNUM3 y MAXNUM3 al tercero. Si es que existen
más de MAXNUMn de muestras dentro del volumen de búsqueda "n", entonces sólo se
seleccionarán aquellas más cercanas, cercanía definida en términos de una distancia
transformada. La elipsoide se reduce de tamaño concéntricamente, hasta que sólo el
MAXNUMn de muestras caen dentro, esto es ilustrado en la figura 5.
ELIPSOIDE TRUNCADA
CELDA A SER
A CINCO MUESTRAS
ESTIMADA
Fig. 5: Elipsoide de Búsqueda Truncada para contener "MAXNUMn"

Las muestras graficadas con x caen fuera del elipsoide de búsqueda, y aquellas denotadas
con "o" y "+" (14 muestras) caen dentro del elipsoide. Si el MAXNUM1 es de 5, entonces la
elipsoide se reduce hasta que solamente las 5 muestras denotadas con "+" caen dentro de
ella, luego serán estas 5 muestras las usadas para la estimación del valor de la celda. El
volumen de búsqueda 1 es aplicado en primer lugar, si allí existen menos de MINNUM1
muestras entonces se aplicará el volumen de búsqueda 2 y si en este caso vuelve a ocurrir
que existen menos que MINNUM2 muestras entonces se aplicará el tercer volumen de
búsqueda. Si finalmente en este caso vuelve a ocurrir que el número de muestras es menor a
MINNUM3, entonces la celda queda sin evaluar.
Usted puede registrar cual es el volumen de búsqueda que se ha utilizado para la evaluación
de cada celda al definir el campo SVOL_F del archivo de parámetros de estimación. Este es
un campo numérico añadido al modelo de salida qu e contiene los valores 1,2 ó 3
dependiendo del número del volumen utilizado en la evaluación.
Distancias Transformadas: En el caso de que haya un número de muestras mayor que

MAXNUMn dentro del volumen de búsqueda, luego la elipsoide es reducida hasta que el
elipsoide contenga solamente el MAXNUMn de muestras. ESTIMA realiza esto calculando
una distancia transformada para cada muestra, para luego ordenarlas según esta distancia.
Para el cálculo de esta distancia, primero se rotan los datos de las muestra s en el sistema
coordenado de la elipsoide. Si en el sistema rotado el origen de la elipsoide es (0, 0, 0) y la
muestras tienen coordenadas (X, Y, Z), entonces la distancia transformada D esta dada por:

D  ( X / SAXIS1) 2  (Y / SAXIS 2) 2  ( Z / SAXIS 3) 2 
Ec.4.1
Una muestra que cae en la elipsoide de búsqueda puede tener entonces una distancia
transformada de 1, y todas las muestras que caen dentro del elipsoide pueden tener una
distancia transformada menor a 1.
Este cálculo de la distancia transformada es ilustrado a continuación con un simple ejemplo:
A B
4
0
2
0
C
1
2
0
40
ELIPSOIDE 50
DE
10
BÚSQUEDA
0
Fig. 6: Cálculo de las distancias Transformadas
En la figura 6, las muestras A, B y C han sido rotadas en el sistema coordenado de la

elipsoide de búsqueda. Los ejes de la elipsoide son SAXIS1=100 y SAXIS2=40 (este ejemplo
es bidimensional, de tal forma que los valores de SAXIS3 no son relevantes). Las distancias
transformadas de los puntos A, B y C a partir del origen son calculadas de acuerdo a:
- Punto A: en X = 0, Y = 20: DA  (0 / 100)  (20 / 40)   0.5

2 2
- Punto B: con X = 40, Y = 12: DB  (40 / 100)  (12 / 40)   0.5

2 2
- Punto C: con X = 50, Y =0: DC  (50 / 100)  (0 / 40)   0.5

2 2
Entonces en este ejemplo, los tres puntos tienen la misma distancia transformada
Frecuentemente ocurre que las muestras no se distribuyen uniformemente alrededor de la
celda a estimar, y más bien están agrupadas en diferentes sectores provocando influencias
indebidas para la estimación de la ley de la celda. Este problema puede solucionarse al
dividir el volumen de búsqueda en octantes, asegurándose que un mínimo número de
octantes contengan muestras. Al definir 3 planos paralelos a los ejes de la elipsoide de
búsqueda se definirán 8 octantes, esos planos intersectan al origen del elipsoide, el cual es
también el centro de la celda que está siendo estimada (ver figura 7).
x ++
Octantex +
4 x +x
Octante Octante
3 1 Búsqued
a
## Octante Elipsoida
2 l
# #
#
Fig. 7: Búsqueda por Octantes, ilustrado en 2D
La figura anterior ilustra el método por octantes. La elipsoide contiene 16 muestras

denotadas por "o", "#", "x", y "+", y para propósitos de este ejemplo todas las muestras están
sobre el plano XY. SI MAXNUM1 es de 16 o mayor, luego todas las muestras serán
seleccionadas, sin embargo si MAXNUM1 es igual a 8, luego sólo se seleccionarán las 8
muestras denotadas por "x" y "+" . La ley estimada de la celda en este caso, estará sesgada
por las muestras ubicadas en el N-E del volumen de búsqueda.
Si se aplica una búsqueda por octantes, con un máximo de 2 muestras por octantes,
entonces sólo se seleccionarán aquellas dos muestras más cercanas en cada octante, es
decir las muestras "o" y "x", lo que resulta preferible a seleccionar las 8 muestras del área
NE.
En la figura se ilustraron los octantes 1 al 4, que están sobre el plano "XY". Los octantes del
5 al 8 se encuentran bajo el plano XY.
La búsqueda por octantes queda definida por 4 valores a definir en el archivo de parámetros
del volumen de búsqueda. El criterio a usar es que si existen suficientes muestras en un
octante, este es considerado como "completo", y si suficientes octantes están completos,
sólo entonces podrá estimarse el valor de la celda.
OCTMETH define la búsqueda a usar, si vale 0 entonces no se usará búsqueda por octantes,
mientras que si vale 1 entonces si se usará.
MINOCT corresponde al mínimo número de octantes a ser completados antes de que la

celda pueda ser estimada.
MINPEROC es el mínimo número de muestras en un octante antes de que este se

considere completo.
MAXPEROC es el máximo número de muestras a usar por octante. Si en un octante hay
más que MAXPEROC muestras, sólo se considerarán aquellas más cercanas, para lo cual se
usará la distancia transformada del método de la elipsoide reducida.
MINNUMn y MAXNUMn también podrán aplicarse a la búsqueda por octantes, en este caso
si el número total de muestras es menor a MINNUMn entonces la celda no será evaluada, si
por el contrario el número total de muestras es mayor que MAXNUMn entonces las muestras
sobrantes (según las distancias transformadas) son removidas hasta que se cumpla la
restricción de MAXNUMn. Sin embargo, si el remover las muestras causa que el número de
muestras en un octante sea menor que MINPEROC, entonces las muestras no serán
removidas. Finalmente si se hace imposible satisfacer ambos criterios; MAXNUMn y las
restricciones por octante entonces la celda tampoco podrá evaluarse.
Si cada registro en el archivo de muestras es identificado por un Campo Llave, entonces

podrá restringirse el número de muestras por valor del campo llave. El uso más usual de esta
característica es para prevenir que muestras de un sólo pozo tengan una sobreinfluencia
para la estimación de la ley de la celda. En este caso el campo llave será "BHID" que deberá
especificarse en el campo KEY. El máximo número de muestras con el mismo valor del
campo llave se determina usando el campo MAXKEY en el archivo de parámetros del
volumen de búsqueda. Si MAXKEY no se define o queda con valor 0, entonces significa que
no se utilizará el concepto de campo llave. Para el caso de búsqueda por octantes, MAXKEY
se aplicará al número de muestras dentro de cada octante.
El archivo de parámetros para el volumen de búsqueda contiene 24 campos mostrados

en la tabla 6, en él todos los campos son numéricos y de definición obligatoria. El valor por
defecto para cada campo es el valor usado por el proceso en el caso de que el campo haya
sido ingresado como dato ausente.
Tabla 6: Resumen del Archivo de Parámetros del Volumen de Búsqueda

ARCHIVO DE PARÁMETROS DEL VOLUMEN DE BÚSQUEDA
Nombre del Valor por Descripción
Campo Defecto
SREFNUM Número de Referencia del Volumen de Búsqueda
SMETHOD 2 Forma del V. de B. (1=Rectángular, 2=elipsoidal)
SDIST1 100 Máxima distancia de Búsqueda en la dirección 1 (X)
SDIST2 100 Máxima distancia de Búsqueda en la dirección 2 (Y)
SDIST3 100 Máxima distancia de Búsqueda en la dirección 3 (Z)
SANGLE1 0 Primer ángulo de rotación para el V. de B.
SANGLE2 0 Segundo ángulo de rotación para el V. de B.
SANGLE3 0 Tercer ángulo de rotación para el V. de B.
SAXIS1 3 Eje para la primera rotación (1=X, 2=Y, 3=Z)
SAXIS2 1 Eje para la segunda rotación
SAXIS3 3 Eje para la tercera rotación
MINNUM1 1 Mínimo número de muestras para el primer V. de B. Dinámico
MAXNUM1 20 Máximo número de muestras para el primer V. de B. Dinámico
SVOLFAC2 0 Factor multiplicador de los ejes para el segundo V. de B. Dinámico
MINNUM2 1 Mínimo número de muestras para el segundo V. de B. Dinámico
MAXNUM2 20 Máximo número de muestras para el segundo V. de B. Dinámico
SVOLFAC3 0 Factor multiplicador de los ejes para el tercer V. de B. Dinámico
MINNUM3 1 Mínimo número de muestras para el tercer V. de B. Dinámico
MAXNUM3 20 Máximo número de muestras para el tercer V. de B. Dinámico
OCTMETH 0 Método de octantes (0=no lo usa, 1=si lo usa)
MINOCT 2 Mínimo número de octantes a ser completados
MINPEROC 1 Mínimo número de muestras en un octante
MAXPEROC 4 Máximo número de muestras en un octante
MAXKEY 0 Máximo número de muestras con el mismo valor del campo llave
3.3 - Puntos de Discretización
El archivo prototipo del modelo de entrada describe las coordenadas del centro de la celda
con los campos XC, YC y ZC, y sus dimensiones con los campos XINC, YINC y ZINC. Para
métodos de estimación tales como La Potencia del Inverso de las Distancias basta con usar
el centro de las celdas y realizar la estimación en función de las distancias de cada una de
las muestras a partir del centro de las celdas, sin embargo esto significa que usted ignora por
completo las dimensiones y la forma de las celdas. ESTIMA en cambio, le permite simular la
forma de la celda por un arreglo de puntos tridimensional, distribuidos en forma regular
dentro de la celda. Así, en el caso del método de la Potencia del Inverso de las Distancias, se
estima el valor en cada punto de discretización, y luego se asigna la media aritmética de
todos estos puntos como el valor de la celda. Para el cálculo de Krigeage los puntos de
discretización se utilizan para calcular la covarianza de la celda con cada una de las
muestras a su alrededor, lo que es finalmente usado para el cálculo de los pesos del
krigeage. El método de estimación de las muestras más cercanas no util iza puntos de
discretización, ya que se basa en las distancias hasta el centro de la celda.
Existen dos métodos para definir la discretización de una celda, ambos quedan definidos por
el valor asignado al parámetro DISCMETH.
Si DISCMETH es igual a 1, entonces se usarán los parámetros XPOINTS, YPOINTS y

ZPOINTS para definir el número de puntos de discretización en las direcciones X, Y y Z
respectivamente. Si se define un número par de puntos, entonces los puntos son espaciados
a lo largo de la línea centro, en cambio si usted define un número impar, habrá un punto
sobre la línea centro y los otros podrán ser regularmente espaciados hacia las esquinas, todo
esto se ilustra en forma bidimensional en la figura 8.
XCELL = 20
2
x x x x
2.5 5 5 5 2.
=
4 Fig. 8: 12 Puntos de Discretización

5
YCELL
x x x x definidos usando @DISCMETH = 1,

@X P OI NT = 4, @YP OI NT = 4
12
4 Centro de la
x x x
Celda x
2
Si usted configura DISCMETH=2, entonces usted podrá definir la distancia entre los puntos
de discretización, en vez del número de puntos, en este caso usted deberá definir los
parámetros XDSPACE, YDSPACE y ZDSPACE. Al usar este método siempre habrá un
punto que se ubicará sobre el centro de la celda, y los otros se localizarán a las distancias ya
especificadas desde este (ver figura 9).
XCELL =
20
2
x x x
Fig. 9: 9 P untos de Discretización
=
5 5 5 5
4 Usando @DI SCM ETH = 2, @X DSP ACE
YCELL
x x x = 5, @YDSP ACE = 4
12
4 Centro de la
Celda
x x x
2
La ventaja del primer método es que usted estará seguro de tomar el mismo número de
puntos en todas las direcciones, independientem ente de las dimensiones de la celda. Sin
embargo su desventaja es que el espaciamiento en una dirección puede ser mucho mayor
que en otra dirección, dependiendo ahora si de las dimensiones relativas de la celda. La
ventaja del segundo método es que al configurar XDSPACE, YDSPACE y ZDSPACE iguales
entre si, usted podrá obtener un conjunto de puntos de discretización completamente regular
sobre la celda. Sin embargo su desventaja es que para pequeñas celdas se reducirá
enormemente la cantidad de puntos de discretización, esto es más problemático en el caso
del krigeage, ya que en este caso el kriging requiere de un mínimo de puntos de
discretización antes de que la celda pueda ser evaluada. En general el método más
recomendable es probablemente el primero.
3.4 - Métodos de Estimación
Como se mencionó inicialmente se pueden seleccionar diferentes leyes a estimar, con

diferentes métodos de estimación y diferentes parámetros en una sola ejecución de ESTIMA.
Estas diferentes combinaciones de leyes-métodos-parámetros quedan definidas por un
registro en el archivo de parámetros de estimación (ESTPARM).
Métodos Disponibles: Los métodos de estimación quedan definidos por el campo

IMETHOD, el que puede tomar los siguientes valores:
1.- Distancias más Cercanas (NN)

2.- La Inverso de las Potencia de las Distancias (IPD)
3.- Kriging Ordinario (OK)
4.- Kriging Simple (SK)
Los siguientes párrafos describen las características de estos métodos de estimación, más
algunos detalles específicos de cada uno.
Un Ejemplo Simple de un archivo de parámetros de estimación se muestra en la tabla 7, en

este ejemplo la ley de AU es estimada usando el Inverso de las Distancias (2) y la AG
usando un Kriging Ordinario (3).
Tabla 7: Ejemplo del archivo de parámetros de estimación

DESCRIPCIO NOMBRE DEL NUMERO DE METODO DE POTENCIA NUMERO DE
N CAMPO A REFERENCI ESTIMACION PARA EL REFERENCIA
ESTIMAR A DEL V. DE METODO IPD DEL VARIOG.
B.
CAMPO VALUE_IN SREFNUM IMETHOD POWER VREFNUM
TIPO DE A (8 N N N N
CAMPO Caracteres)
REGISTRO 1 AU 1 2 2 -
REGISTRO 2 AG 2 3 - 1
Cada estimación es definida como un registro independiente dentro de este archivo. Usted
podrá ver que se han definido diferentes volúmenes de búsqueda para las dos leyes. El
número de referencia del volumen de búsqueda (SREFNUM) esta referido al registro dentro
del archivo de parámetros del volumen de búsqueda. Como se describió anteriormente cada
método de estimación (IMETHOD) tiene un código numérico. El campo POWER sólo se
aplica al IPD (IMETHOD=2). Finalmente el número de referencia del modelo del variograma
queda registrado en un registro del archivo de parámetros del modelo del variograma, y que
será descrito más adelante.
El campo VALUE_IN field es un campo alfanumérico de 8 caracteres, y es usado para definir

las leyes a ser estimadas, que en este caso son AU y AG y que deben existir en el archivo de
datos de muestras. El campo VALUE_OU (alfanumérico de 8 caracteres) es opcional y
especifica el nombre para los campos evaluados en el archivo del modelo de celdas de
salida. Si usted no especifica ningún nombre en este campo o lo deja en blanco, entonces se
usará el mismo nombre del campo VALUE_IN.
EL campo VALUE_OU es muy útil si se quiere estimar una misma ley por diferentes
métodos, o por el mismo método, pero usando diferentes parámetros. Por ejemplo si usted
quiere estimar las leyes de AU por IPD y OK, entonces el campo VALUE_OU puede ser
AU-IPD y AU-OK, en ambos casos el campo VALUE_IN será AU (ver tabla 8).
Tabla 8: Uso del campo VALUE_OU

DESCRIPC. NOMBRE NOMBRE NUMERO METODO POTENCI NUMERO
CAMPO A CAMPO DE DE A PARA DE
ESTIMAR EN ESTIMADO EN REFEREN ESTIMACI EL REFEREN
ARCHIVO ARCHIVO DE CIA DEL V. ON METODO CIA DEL
ENTRADA SALIDA DE B. IPD VARIOG.
CAMPO VALUE_IN VALUE_OU SREFNUM IMETHOD POWER VREFNUM
TIPO DE A (8 Caract.) A (8 Caract.) N N N N
CAMPO
REGISTRO 1 AU AU-IPD 1 2 2 -
REGISTRO 2 AU AU-OK 1 3 - 1
Pueden existir ocasiones donde usted quiera usar diferentes parámetros para la misma ley,
en diferentes áreas, por ejemplo el AU puede tener diferentes conjuntos de parámetros de
estimación dependiendo del tipo de roca. Para esto el usuario podrá definir uno o dos
campos "ZONE" (Zonas de Control) y definir diferentes parámetros para cada combinación.
Estas zonas se definen usando los campos ZONE1_F y ZONE2_F. Por ejemplo si usted
quiere tener diferentes parámetros según tipo de roca y una zona por defecto deberá
especificar
* ZONE1 _ F ( ROCK ),*ZONE 2 _ F ( FLTZONE )
Los campos ROCK y FLTZONE deberán existir tanto en el archivo con los datos de muestras
como en el archivo del modelo del prototipo, usted no puede usar zonas de control si su
archivo de modelo de entrada no contiene celdas con esta información. Estos campos
pueden ser numéricos o alfanuméricos, en este último caso podrán contener un máximo de
20 caracteres. En el siguiente ejemplo (ver tabla 9) el campo "ROCK" es alfanumérico y el
campo "FLTZONE" es numérico.
Tabla 9: Uso de los Campos ZONALES

DESCRIP CAMPO A NUMERO METODO TIPO ZONE POTENCI NUMERO
CION ESTIMAR DE V. DE DE ROCA POR A PARA MODELO
B. ESTIM. (ZONE1_ DEFECT EL IPD VARIOGR
F) O .
(ZONE2_
F)
CAMPO VALUE_I SREFNU IMETHOD ROCK FLTZONE POWER VREFNU

N M M
TIPO A-8 CAR. N N A-4 CAR. N N N
REGIST. AU 1 3 A 1 - 1
1
REGIST. AU 1 3 B 1 - 2
2
REGIST. AU 2 2 A 2 2 -
3
REGIST. AU 2 2 B 2 3 -
4
REGIST. AU 2 2 - 2 -
5
En el registro 5 no hay información en ninguna de las dos zonas (blanca para el campo
alfanumérico "ROCK", y "-" para el campo numérico FLTZONE). Este conjunto de parámetros
(la opción por defecto) se utiliza para estimar algunas celdas cuyos campos ROCK y
FLTZONE no se definieron explícitamente en el archivo de parámetros de estimación. Si se
tienen dos campos zonales, entonces no es posible especificar un campo (explicito) y el otro
campo como dato ausente, usted no podrá tener ROCK "B" y FLTZONE como -, ya que en
ese caso aparecerá un mensaje de error.
En adición a los campos de leyes, algunos métodos de estimación pueden calcular Campos
Secundarios. En el caso del krigeage también calcula el número de muestras usadas para la
estimación del krigeage y su varianza, si usted desea que estos campos aparezcan en el
archivo del modelo de salida, estos deberán definirse usando el archivo de parámetros de
estimación (ver tabla 10).
Tabla 10: Uso de Campos Secundarios

DESCRIPCI CAMPO NUMER METODO NUMERO VARIA NUMERO DISTANCIA
ON A O V. DE MUESTRA NZ. V.DE B. MUESTRA +
ESTIMA DE B. ESTIMAC S ESTIM DINAMICO CERCANA
R . USADAS AC.
CAMPO VALUE_I SREFN IMETHOD NUMSAM VAR_F SVOL_F MINDIS_F
N UM _F
TIPO A-8 N N A-8 A-8 A-8 A-8
REGISTRO AU 1 3 N-AU VAR- SVOL-AU MDIST-AU
1 AU
REGISTRO AG 1 3 N-AG VAR- SVOL-AG MDIST-AG
2 AG
El volumen de búsqueda dinámico toma los valores de 1,2 ó 3 dependiendo de cual sea el
volumen de búsqueda que se va a usar. En el ejemplo de arriba los campos SVOL -AU y
SVOL-AG pueden crearse en el archivo del modelo de salida para registrar cual fue el
volumen de búsqueda dinámico usado para la estimación de cada ley, en cada celda.
El cálculo de las distancias transformadas de las muestras desde el centro de la celda, y el

campo MINDIS_F le permitirá definir el nombre del campo en el cual se almacenará la
distancia transformada de la muestra más cercana, lo que puede llegar a ser muy útil al
momento de categorizar las reservas. Los otros campos secundarios usados en este ejemplo
son NUMSAM_F, usado para registrar el número de muestras usadas para realizar la
estimación, y VAR_F para registrar la varianza de la estimación, el último campo sólo se
aplica a algunos de los métodos de estimación. Si no hubiesen datos ausentes para los
valores de AU y AG en el archivo de datos de muestras y ambas variables se estiman
usando los mismos parámetros del volumen de búsqueda, entonces los campos
NUMSAM_F, SVOL_F y MINDIS_F pueden tener los mismos valores, en este caso no
necesitará especificar diferentes nombres de campos y los registros 1 y 2 podrán definirse de
acuerdo a la tabla 11:
Tabla 11: Optimización de los Campos Adicionales

DESCRIP CAMPO A NUMERO METODO NUMERO VARIAN NUMERO DISTANCI
C. ESTIMAR REFERE ESTIMAC MUESTRA Z. V.DE B. A
N.V. DE . S USADAS ESTIMA DINAMIC MUESTR
B. C. O A
+CERCA
NA
CAMPO VALUE_I SFERNU IMETHOD NUMSAM_ VAR_F SVOL_F MINDIS_F
N M F
TIPO A - 8c. N N A - 8c A - 8c A - 8c A - 8c
REGIST. AU 1 3 N VAR-AU SVOL MDIST
1
REGIST. AG 1 3 N VAR-AG SVOL MDIST
2
Si los parámetros de la variografía son diferentes, entonces la varianza del kriging puede ser
diferente y en ese caso sigue siendo más recomendable usar diferentes nombres para los
campos de diferentes leyes.
3.4.1- Método de las Muestras más Cercanas
Corresponde al método definido por el parámetro IMETHOD = 1. Al usar este método, a cada
celda se le asigna el valor de la muestra "más cercana", entendiendo como distancia más
cercana a la distancia transformada o la distancia anisotrópica en el caso de considerar
anisotropías en la distribución espacial de las leyes.
Este método no incluye valores de muestras ponderadas, por lo que podrá estimar tanto
campos numéricos como alfanuméricos (de hasta 20 caracteres).
Todas las muestras que caen dentro del volumen de búsqueda se identifican como se
describió anteriormente, y la distancia anisotrópica desde la muestra hasta el centro de la
celda se calcula en base a la Elipsoide de Anisotropía, la que se define en forma idéntica a
la elipsoide de búsqueda, de hecho, la elipsoide de búsqueda y la elipsoid e de anisotropía
pueden ser la misma (situación más usual). Sin embargo ESTIMA le permite definir
diferentes elipsoides de acuerdo a su situación particular.
El campo ANISO se usa para definir la distancia transformada a utilizar:
- Ni transformada ni anisotrópica. Las distancias se calculan desde el sistema coordenado

del archivo de las muestras.

- Usa las distancias transformadas definidas por el volumen de búsqueda.
- Usa las distancias transformadas definidas por la elipsoide de anisotropía.
Si ANISO = 2, entonces usted deberá especificar los campos de la elipsoide de anisotropía

usando los campos ANANGLE1, ANANGLE2, ANANGLE3 y ANDIST1, ANDIST2, ANDIST3,
que se definen en forma idéntica a los parámetros SANGLEn y SDISTn que se describieron
en la sección referente al volumen de búsqueda y las convenciones también serán las
mismas , es decir que, la primera rotación es alrededor del eje SAXIS1, la segunda alrededor
del eje SAXIS2 y lo mismo para SAXIS3.
3.4.2 - Método del Inverso de las Distancias
Corresponde al método definido por IMETHOD = 2. El valor estimado por este método se
calcula ponderando cada muestra por el inverso de la potencia de sus distancias hasta el
centro de las celdas. Usted define la potencia requerida usando el campo POWER, si usted
configura POWER como 0 entonces se considerará la media aritmética de las muestras.
Todas las muestras que caen dentro del volumen de búsqueda se identifican como se
describió previamente, y se podrá usar restricciones para el mínimo y máximo número de
muestras a considerar, finalmente se estima la ley de cada punto discretizado en la celda.
Esto se hace usando la distancia anisotrópica tal como se hizo en el método anterior de las
distancias más cercanas. El valor de la celda estimada se calcula en definitiva como la media
aritmética de los puntos discretizados.
Si una muestra cae exactamente en un punto de la discretización entonces su distancia será

de cero y tendrá un peso de 100%, esto provocará una desviación de la estimación,
particularmente si usted tiene tan sólo un punto en la discretización. Usted podrá soslayar
este problema al especificar un valor positivo para el campo ADDCON. Este valor en primero
normalizado, dividiendo el valor especificado por el largo del eje de anisotropía. El proceso
luego sumará el valor de ADDCON a cada distancia antes de estimar el valor del punto
discretizado.
Usted podrá usar una ponderación por largo y/o densidad al especificar los campos
LENGTH_F y/o DENS_F, verificando que ambos campos (LENGTH y DENSITY) existan en
el archivo de datos de muestras. Usted notará que el uso de ambos campos en la
ponderación es equivalente a ponderar por el tonelaje de la muestra. Si se especifico
LENGTH_F y/o DENS_F, pero algunos registros en el archivo de datos de muestras no
tienen datos para esos campos, entonces la muestra no se usará en la estimación.
Si pondera por densidad y largo, entonces el peso Wi para la muestra i para la estimación
de un punto discretizado:
WI  LI *  I / DIP Ec. 4.2
En donde :
Li es el largo de la muestra i
 es la densidad de la muestra I
DIP es la distancia transformada de la muestra i, desde el punto discretizado, elevado a la
potencia P
La estimación E k del punto discretizado queda entonces definida por:
E K   WI * G I /  W I Ec. 4.3
Donde Gi es la ley de la muestra i.
El valor de la celda estimada Ec se calcula finalmente como la media aritmética de todos los
puntos discretizados:
EC   E K / N Ec. 4.4
En donde N es el número de puntos discretizados
Además del valor estimado, este método también permite calcular la varianza "V" de las
muestras, que corresponde a la clásica varianza estadística de todas las muestras usadas en
la estimación (Ec. 4.5). Este campo secundario puede almacenarse en el archivo de salida
usando el campo VAR_F descrito previamente.
V  ( G I2  ( G I ) 2 / N S ) /( N S  1) Ec. 4.5
En donde:
Gi : es la ley de la muestra i
Ns : es el número de muestras usadas al hacer la estimación
V  ( G I2  ( G I ) 2 / N S ) /( N S  1) Ec. 4.5
3.4.3 - Krigeage
El Kriging es el método geostadistico para la estimación de leyes. Las dos opciones

disponibles para el krigeage en ESTIMA son el Kriging Ordinario y Kriging Simple
identificados en el campo IMETHOD con los valores:
- Kriging Ordinario (OK), IMETHOD = 3
- Kriging Simple (SK), IMETHOD = 4
El cálculo de los pesos del kriging se basa en el modelo del variograma, el cual describe la
correlación entre dos muestras como una función de la distancia entre ellas. Usted
encontrará más detalles de los modelos de variogramas en la sección del archivo de
parámetros del modelo del variograma.
En el caso de OK se calcula un peso para cada muestra, tal que la suma de esos pesos es
igual a 1. En el caso del SK también se calcula un peso para cada muestra, pero se asigna
un peso de ( 1 - Wi ) para la ley media, esto hace que el SK no sea tan sensible a las
tendencias locales de las muestras como el OK, ya que depende parcialmente de la ley
media, la que se asume conocida y constante a lo largo de un área. En el caso de que usted
desee un mayor detalle de la forma en que el kriging calcula los pesos, consulte las
referencias geostadísticas dadas en la bibliografía al final de este man ual.
Las entradas para OK y SK son muy similares y la siguiente descripción se aplica a ambos
métodos (usted encontrará una pequeña sección al final de este capitulo especifica para SK).
ESTIMA permite hacer kriging lineal y lognormal tanto para OK y SK. El campo LOG en el
archivo de parámetros de estimación será el que define la utilización de Kriging lineal y
Kriging Lognormal . Para el kriging lineal los pesos son aplicados a las leyes de las
muestras, mientras que en el caso del kriging lognormal los pesos se aplican a los logaritmos
de las leyes para luego ser transformados nuevamente, todas las transformaciones son
realizadas dentro de ESTIMA, luego para la transformación inversa (volver a los valores
muestrales) se utiliza la expresión 4.6
EC  exp( WI * log(G I )  0.5 * ( WI *  ( LI , L J )   WI * W J *  ( LI , L J ))) Ec. 4.6
Donde ;
Ec es la estimación del kriging
W I es el peso de la muestra i
GI es la ley de la muestra i
es la covarianza de los logaritmos de las muestras "i" y "j"
 ( LI , L J )
Para el kriging lognormal, los métodos de cálculo son dos; el método de apr oximación de
Rendu, y el método general. Debe considerarse que el método general es iterativo y puede
requerir varias soluciones de la matriz del kriging para cada panel krigeado, esto hace que
sea más demoroso que el método de Rendu's.
Si usted selecciona el kriging lognormal, podrá seleccionar el uso de la aproximación de

Rendu's o el caso general, para lo cual deberá configurar el campo GENCASE del archivo
de parámetros de estimación, en donde :
- GENCASE = 0 Usa la aproximación de Rendu

- GENCASE = 1 Usa el método general
Al seleccionar el caso general, usted deberá configurar tres campos adicionales; DEPMEAN,
TOL y MAXITER los que se deberán incluir en el archivo de parámetros de estimación como
se indican a continuación :
La varianza del kriging lognormal se calcula como una varianza relativa (VR) al cuadrado de
la media (m) del depósito:
VR  V A / m 2 Ec. 4 .7 
entonces usted deberá especificar la media del depósito (m), o darle el valor de 0, en cuyo
caso en proceso usará la estimación krigeada de la celda como la medi a.
DEPMEAN >0, usa este valor como la media

=0, usa la estimación krigeada como la media
El método del caso general usa un procedimiento iterativo para calcular los pesos del kriging,
estos se calculan y comparan con su estimación previa, y en el caso de que cada nuevo peso
este dentro de una cierta tolerancia centrada en el valor previo, entonces el valor es
aceptado, de no ser así, se calculará otro conjunto de pesos. Se debe definir entonces la
tolerancia (campo TOL), y el máximo número de iteraciones (campo MAXITER). Si los pesos
no convergen antes de MAXITER, entonces finaliza el cálculo para la celda y se usa el último
conjunto de pesos calculados.
Por cada campo VALUE_IN a estimar por krigeage, deberá definirse el correspondiente
número de referencia del variograma (VREFNUM) (en el archivo de parámetros de

estimación), el cual es una referencia del tipo de variograma y de sus parámetros
almacenados en el archivo de parámetros del modelo del variograma. Los modelos
almacenados en el archivo de parámetros del modelo del variograma pueden ser normales o
lognormales. El campo LOG en el archivo de parámetros de estimación definirá si usted
usará un kriging lineal o lognormal.
El Kriging al igual que NN y IPD, primero identifica todas las muestras que caen dentro del
volumen de búsqueda, considerando las restricciones del mínimo y máximo número de
muestras. Finalmente llena la matriz del kriging y calcula los pesos del kriging y el valor
estimado de cada celda. Además de esto el kriging puede calcular 3 variables secundarias:
- El número de muestras usadas para el krigeage

- La varianza del kriging
- La distancia transformada de la muestra más cercana
Bajo ciertas condiciones los pesos asignados a una o más de las muestras puede ser
negativo, lo que ocurre generalmente cuando el modelo del variograma tiene un efecto
pepita muy pequeño y ocurre un efecto pantalla. Es improbable que pesos negativos puedan
ser un porcentaje importante de los pesos totales. A pesar de que los pesos negativos son
matemáticamente correctos, existe una escuela de pensamiento que considera que pesos
negativos son incorrectos y deben asignárseles valores nulos, lo que podrá hacer usando el
campo KRIGNEGW:
KRIGNEGW = 0 Mantiene los pesos negativos y los usa

1 Asigna 0 a los pesos negativos
En el segundo caso, los pesos de las otras muestras son proporcionalmente ajustados para
que la suma de los pesos continúe siendo de 1. Algunos chequeos en el mínimo número de
muestras (MINNUMn) son aplicados antes de que los pesos del kriging sean calculados, de
tal forma que es factible encontrar menos de MINNUMn muestras.
Debido a complejidades matemáticas del kriging, a veces ocurre que la varianza del kriging
es ligeramente mayor que la meseta del modelo del variograma. El campo KRIGVARS del
archivo de parámetros de estimación controla el resultado final para esta varianza, tal que :
KRIGVARS = 0 Mantiene el valor de la varianza > meseta

1 le asigna el valor de la meseta
Esto es sólo aplicable al kriging lineal, ya que las varianzas del kriging lognormal dependen
del valor de DEPMEAN y son entonces frecuentemente mayores a la meseta.
El kriging simple asigna un peso para un valor medio local, y a las muestras alrededor, usted
podrá usar los campos LOCALMNP y LOCALM_F en el archivo de parámetros de
Estimación para seleccionar como se definirá este valor medio local:
LOCALMNP = 1 indica que se usará este campo en el archivo de entrada del

modelo del prototipo para definir la media local
2 calcula la media local como la media aritmética de todas las

muestras que caen dentro del volumen de
búsqueda.
Si usted define LOCALMNP = 1, deberá además especificar el nombre del campo en el

archivo de entrada del prototipo del modelo que defina esta media loc al. El nombre de este
campo en el archivo de parámetros de estimación es LOCALM_F y es un campo
alfanumérico de 8 caracteres, como se muestra en la tabla 12:
Tabla 12: Definición de la Media para el Kriging Simple

DESCRI CAMPO NOMBR NUME METO METODO CAMPO NUMER
PC. A SER E RO DO DE PARA DE LA O DE
ESTIMA CAMPO DEL ESTIM CALCULA MEDIA REFER.
DO EN VOLU AC. R LA LOCAL EN DEL
MODEL MEN MEDIA PROTOT. MODEL
O DE DE LOCAL EN DEL O
SALIDA BUSQ. EL SK MODELO VARIO
GR.
CAMPO VALUE_ VALUE_ SREF IMETH LOCALMN LOCALM_ VREFN
IN OU NUM OD P F UM
TIPO A - 8 C. A - 8 C. N N N A - 8 C. N
REGIST AU AU - OK 1 3 - 1
RO 1
REGIST AU AU - SK 1 4 1 AU- 1
RO 2 LMEAN
REGIST AG AG - SK 2 4 2 2
RO 3
Que muestra al campo AU estimándose por OK (IMETHOD = 3) y SK (IMETHOD = 4). Para

el caso de SK, la media local es suministrada por el campo AU-LMEAN en el archivo de
entrada del prototipo del modelo. Entonces usted deberá tener creado este campo
anteriormente, en una previa corrida de ESTIMA por ejemplo, usando IPD con una potencia
de POWER = 0 y un radio de búsqueda grande, lo que dará la media aritmética de todas las
muestras que estén dentro del volumen de búsqueda.
La ley AG puede estimarse también usando kriging simple. Como LOCALMNP = 2, la
media local podrá calcularse como la media aritmética de todas las muestras que caen
dentro del volumen de búsqueda, la que se calculará antes de que el máximo número de
muestras y restricciones de campos llaves sean aplicados.
La tabla 13 muestra un resumen de los campos del archivo de parámetros de e stimación.
Tabla 13: Resumen del Archivo de Parámetros de Estimación

ARCHIVO DE PARÁMETROS DE ESTIMACION
CAMPO TIP DEFE METODOS DESCRIPCION
VALUE_ AO - CTO Todos Nombre del campo a estimar
IN 8
ADDCO N 0 IPD, ST Para IPD es la const. Añadida a las distancias

N y para ST es la constante aditiva para la
LOCAL N 2 SK lognormalidad
Mét. Cálculo media local; 1=campo en
MNP PROTO, 2=calcula la media
3.5 - Características Adicionales
Al crear el modelo de bloques geológico generalmente, es normal el uso de subceldas de

forma de obtener una buena representación de los límites geológicos. Es común también
estimar leyes para cada una de estas subceldas, lo que en algunos casos puede ser un
refinamiento innecesario, que consume una considerable cantidad de ti empo. Esto es
particularmente cierto en las primeras estimaciones de ley, cuando aún no se requiere de un
mayor detalle en las estimaciones.
ESTIMA incluye una opción que permite estimar las leyes de las celdas patrones, y
asignarlas a todas las subceldas dentro de la misma. También es aplicable un control Zonal,
de tal forma de que si por ejemplo la celda patrón contiene 4 celdas de roca A y 5 celdas de
roca B entonces la celda patrón puede estimarse primero usando muestras de roca A y
aplicar este valor a las 4 celdas, después puede hacer lo mismo para la estimación según la
roca B.
Los puntos de discretización en la celda patrón pueden tratarse de dos maneras; si usted
configura PARENT = 1, la celda patrón se representará por un completo conjunto de p untos
de discretización que la cubrirán por completo. Sin embargo al configurar @PARENT = 2, se
calculará un completo conjunto de puntos de discretización, pero sólo aquellos puntos que
caen dentro de una de las celda correspondientes serán seleccionados y usados.
En el ejemplo bidimensional mostrado en la figura 10, tenemos 6 subceldas dentro de la

celda patrón, y un conjunto de 5 x 5 puntos de discretización. Si PARENT=1 entonces los 25
puntos ("x" y "o") se usarán para representar la celda, mientras que si se usa PARENT=2,
sólo los puntos con "x" serán usados.
Fig. 10: Uso de las Subceldas y los puntos de Discretización
En el segundo caso (PARENT = 2) puede ocurrir que hayan muy pocos o ningún punto de
discretización sobre la celda, para evitar esto y especificar un mínimo aceptable de puntos de
discretización se puede usar el parámetro MINDISC, que chequea si el mínimo es alcanzado,
y de no ser así, entonces el número de puntos en todas las direcciones es doblado y los
puntos son recalculados.
La ventaja del segundo método es que provee de una mejor representación de las celdas,
pero su desventaja es que los tiempos de cálculo son un poco mayores.
Si se configura @PARENT = 0, entonces esta propiedad de estimar en primer término sobre

las celdas patrones, y luego asignar este resultado a las subceldas no será utilizada.
Si el modelo del prototipo de entrada tiene celdas que ya incluyen el campo a ser estimado, y
además hay insuficientes datos dentro del volumen de búsqueda para estimar una celda,
entonces usted tiene una opción de controlar la acción por el valor del parámetro COPYVAL.
Si @COPYVAL = 0, un valor de ley ausente se asigna al modelo de salida. Si @COPYVAL =
1, entonces los valores existentes en el modelo del prototipo de entra da son copiados al
modelo de salida.
En ocasiones se puede desear actualizar las leyes de sólo parte de un modelo. Una
alternativa para esto puede ser copiar la parte del modelo que requiere actualizar en un
submodelo separado, ejecutar ESTIMA en el submodelo y luego sumarlo al modelo inicial.
Alternativamente si la parte del modelo a ser actualizada puede definirse como un cuboide,
entonces usted puede usar los parámetros @XMIN, @XMAX, @YMIN, @YMAX, @ZMIN,
@ZMAX y hacer la actualización en el lugar. Usted también necesitará configurar
@COPYVAL=1. Sólo las celdas que traslapen este volumen de actualización podrán ser
estimadas, aunque se utilicen muestras ubicadas fuera del volumen de actualización.
Cualquier valor de @XMIN, @XMAX.... que se suministre, serán ajustados por ESTIMA a la
celda patrón límite más cercana antes de hacer la actualización. Los valores mínimos se
ajustarán hacia abajo y valores máximos hacia arriba. Si uno o más de los parámetros no son
especificados o tienen datos ausentes (por defecto), entonces se usarán las coordenadas
mínimas y máximas del modelo.
Si todos los campos de leyes (como se definieron por VALUE_OU en el archivo de

parámetros de estimación ) y sus correspondientes campos secundarios (como fueron
definidos por NUMSAM_F, SVOL_F, VAR_F y MINDIS_F) ya existen en el archivo de
entrada del prototipo del modelo, se permite operar sobre él, lo que significa que el prototipo
del modelo de entrada y los archivos de modelos de salida pueden ser los mismos, teniendo:
& PROTO(MODE L1),&MODEL(MODEL1)
Si usted especifica esto, entonces el proceso primero chequea para asegurar que el archivo
incluye todos los campos necesarios, para entregar un mensaje de error en el caso que sea
necesario. Esto puede complementarse con el uso de "Retrieval Criteria" en campo s en el
archivo del modelo del prototipo de entrada, de tal forma que los registros que no satisfagan
el criterio, quedarán sin alterar en el archivo del modelo de salida. Esto será muy útil para
poder hacer una actualización selectiva del modelo.
También deberá recordar que si se tienen diferentes archivos de prototipo del modelo de
entrada y modelo de salida y usa un R.C., entonces sólo aquellos registros que satisfagan el
criterio serán copiados en el modelo de salida. Si un valor de ley no puede ser es timado
debido a insuficiencia de datos en el volumen de búsqueda, entonces el parámetro
COPYVAL define si se le asignará un valor de dato ausente o el valor previo.
Los principales métodos de estimación (IPD, OK, etc) fueron descritos previamente. Sin
embargo existen dos opciones adicionales las cuales se especifican usando el campo
IMETHOD en el archivo de parámetros de estimación, pero que actualmente no son métodos

de estimación de leyes.
Si IMETHOD=101, entonces el valor escrito en el campo VALUE_OU en el modelo de salida

es el valor geostadistico F, es decir, el valor promedio del variograma en la celda. Si
IMETHOD=102, entonces el valor es el multiplicador de Lagrange calculado cuando se
resuelve la matriz del OK. Para usar alguna de estas opciones usted deberá configurar todos
los otros campos y parámetros como si se tratará del OK.
3.6 - Archivo de Parámetros de Variografía
Un modelo de variograma puede constar de un efecto pepita "Co", y hasta nueve estructuras
individuales Yi (h). El modelo anidado resultante, Y (h), tiene la forma:
 (h)  Co   1 (h)   2 (h)   3 (h)  .............   9 (h) Ec.4.8
Cada modelo individual Yi (h) puede ser esférico, de potencia, exponencial, gaussiano o De
Wijsian. Si se ha seleccionado el kriging como el método de estimación, entonces se deberá
especificar los parámetros del variograma usando el archivo de parámetros del modelo del
variograma. Los campos requeridos para este archivo son los que se mencionan en la tabla
4.14.
Tabla 4.14: Resumen Archivo de Parámetros de la Variografía

VALOR
POR
CAMPO DESCRIPCION
DEFECT
O
VREFNU Numero de referencia del variograma
M
VANGLE 0 1er. Ángulo de rotación, que define la orientación del rango en la
1 elipsoide
Todos los campos son numéricos y opcionales, con excepción del número de referencia del
variograma, indicador dentro del archivo de parámetros de estimación.
La elipsoide del variograma se usa para definir algunos parámetros anisotrópicos, dentro de
los cuales el más común es el rango del modelo esférico. La elipsoide del variograma se
define usando los campos VANGLE1, VAXIS1, etc, de la misma forma en que se describió la
elipsoide de búsqueda en el capítulo respectivo. Más adelante podrá encontrar un ejemplo
que muestra la aplicación de estos campos.
Los valores por defecto especifican que no se usará rotación, de tal forma de que si se desea
definir la elipsoide del variograma con la misma dirección que la elipsoide de búsqueda,
deberá asegurarse que los campos SANGLE1, SAXIS1,...del archivo de parámetros del
volumen de búsqueda sean los mismos que los campos VANGLE1, VA XIS1, ... del archivo
de parámetros del modelo del variograma.
El campo STs define el tipo de variograma para la estructura "s", y las opciones de modelos
disponibles son :
1.- Esférico
2.- De la Potencia (Lineal)

3.- Exponencial
4.- Gaussiano
5.- De Wijsian
Un mayor detalle acerca de los modelos teóricos de ajuste, y los parámetros de ajuste de
cada modelo, podrán encontrarse en el Anexo F, en donde se revisan con detalle los
modelos teóricos de ajuste de variogramas.
3.7 - Resumen de los Parámetros
Un resumen de todos los parámetros necesarios para ejecutar estima se entrega en la tabla
15.
Tabla 15: Resumen de los Parámetros de ESTIMA

RESUMEN DE LOS Parámetros DE ESTIMA
PARÁMET VALOR POR METODOS DESCRIPCION
RO DEFECTO
XSUBCELL 1 ALL NUMERO DE SUBCELDAS EN X, SI &PROTO
ESTA VACIO
YSUBCELL 1 ALL NUMERO DE SUBCELDAS EN Y, SI &PROTO
ESTA VACIO
ZSUBCELL 1 ALL NUMERO DE SUBCELDAS EN Y, SI &PROTO
ESTA VACIO
DISCMETH 1 IPD, OK, SK METODO DE DISCRETIZACION:
1=USA @XPOINT,ETC ; 2 =USA
@XDSPACE,ETC
XPOINTS 1 @DISCMETH NUMERO DE PUNTOS DE DISCRETIZACION EN
=1 X
YPOINTS 1 @DISCMETH NUMERO DE PUNTOS DE DISCRETIZACION EN
=1 Y
ZPOINTS 1 @DISCMETH NUMERO DE PUNTOS DE DISCRETIZACION EN
=1 Z
XDSPACE 1 pt. en el @DISCMETH DISTANCIA ENTRE LOS PUNTOS DE
centro =2 DICRETIZAC. EN X
YDSPACE 1 pt. en el @DISCMETH DISTANCIA ENTRE LOS PUNTOS DE
centro =2 DICRETIZAC. EN Y
ZDSPACE 1 pt. en el @DISCMETH DISTANCIA ENTRE LOS PUNTOS DE
centro =2 DICRETIZAC. EN Z
PARENT 0 ALL MANEJO DE CELDAS Y PUNTOS DE DISCRETIZ.
:
0=ESTIMA CELDAS INDIVIDUALMENTE
1= PATRON, TODOS LOS PUNTOS
2 = PATRON, SELECCIONA LOS PUNTOS DE
DISCRET.
MINDISC 1 @PARENT = 2 MINIMO NUMERO DE PUNTOS DE
DISCRETIZACION
XMIN &PROTO mín. ALL MINIMO VALOR DE X PARA ACTUALIZAR EL
X MODELO
XMAX &PROTO máx. ALL MAXIMO VALOR DE X PARA ACTUALIZAR EL

X MODELO
YMIN &PROTO mín. ALL MINIMO VALOR DE Y PARA ACTUALIZAR EL
Y MODELO
YMAX &PROTO máx. ALL MAXIMO VALOR DE Y PARA ACTUALIZAR EL
Y MODELO
ZMIN &PROTO mín. ALL MINIMO VALOR DE Z PARA ACTUALIZAR EL
Z MODELO
ZMAX &PROTO máx. ALL MAXIMO VALOR DE Z PARA ACTUALIZAR EL
Z MODELO
SWITCH DE LA COPIA :
COPYVAL 0 ALL 0=DATOS AUSENTES EN DATOS
INSUFICIENTES
1=COPIA VALORES EXISTENTES AL MODELO
SALIDA
APROXIMACION DEL VALOR DE F:
FVALTYPE 1 OK, SK 1=USA LA DIMENSION EXACTA DE LAS CELDAS
2=APROXIMA LA DIMENSION DE LAS CELDAS
FSTEP 1 @FVALTYPE TAMAÑO DEL PUNTO PARA APROXIMAR EL
=2 VALOR F
LINKMODE 3 UNFOLD METODO DE DEFINICION DE LA STRING DE
LINKEO
UCSAMOD 2 UNFOLD EL TIPO DE COORDENADA UCSA
E
UCSBMOD 3 UNFOLD EL TIPO DE COORDENADA UCSB
E
UCSCMOD 2 UNFOLD EL TIPO DE COORDENADA UCSC
E
PLANE 1 UNFOLD EL PLANO DE LA INTERPRETACION
ESTRUCTURAL
HANGID - UNFOLD EL NOMBRE DEL CAMPO DE LA STRING DE
TECHO
FOOTID - UNFOLD EL NOMBRE DEL CAMPO DE LA STRING DE
PISO
TOLRNC 0 UNFOLD TOLERANCIA EN CÁLCULO DE LA
COORDENADA UCSA
ORGTAG - UNFOLD DEFINICION ORIGEN NUMERO DE TAG DEL
EJE USCB
PRINT 0 ALL SWITCH VISUALIZACION EN PANTALLA
0=MINIMO ; 1= MEDIO ; 2=MAXIMO
ECHO 0 ALL SWITCH CONTROL ENVIO A ARCHIVO DE
IMPRESION:
0=NO LO ENVIA A ARCHIVO ; 1=SI LO ENVIA
3.8 - Campos y Archivos
En la tabla 16 podrá encontrar un resumen de todos los archivos utilizados por ESTIMA:
Tabla 16: Archivos de Trabajo de ESTIMA

ARCHIVO INPUT / DESCRICION
OUTPU IMPRESCINDIBL
T E / OPCIONAL
PROTO I I MODELO DEL PROTOTIPO DE ENTRADA
IN I I MUESTRAS
SRCPAR I I ARCHIVO DE Parámetros DEL VOLUMEN DE
M BÚSQUEDA
ESTPARM I I ARCHIVO DE Parámetros DE ESTIMACION
VMODPA I O ARCHIVO DE Parámetros DEL MODELO DEL
RM VARIOGRAMA
STRING I O ARCHIVO DE STRING DE UNFOLD
MODEL O I MODELO DE SALIDA
SAMPOUT O O ARCHIVO DE SALIDA DE MUESTRAS
Ahora se entregará una breve descripción del modelo de prototipo de entrada y del archivo
de datos de muestras. El modelo de prototipo de entrada es un modelo de celda s que
contendrá los 13 campos obligatorios, más campos de interés para el estudio y más algunos
de los siguientes campos: LOCALM_F (media local para el SK), ZONE1_F (primer campo
zonal) y ZONE2_F (segundo campo zonal).
El archivo de muestras contiene las coordenadas de las muestras y al menos un campo de

ley. Los nombres de los campos de ley se definen usando el campo VALUE_IN en el archivo
de parámetros de estimación, los otros campos (todos opcionales) del archivo de muestras
son: ZONE1_F (primer campo zonal), ZONE2_F (segundo campo zonal), KEY (campo llave),
LENGTH_F (para ponderar por el largo, en IPD), DENS_F (ponderar por la densidad, en
IPD). ESTIMA usa los nombres convencionales de los campos (ver tabla 17), los nombres
por los cuales usted será cuestionado son los siguientes (todos opcionales):
Tabla 17: Resumen de los Nombres de Campos

ARCHIVO CAMPO DESCRIPCION
X COORDENADA X DE LAS MUESTRAS
Y COORDENADA Y DE LAS MUESTRAS
Z COORDENADA Z DE LAS MUESTRAS
IN KEY CAMPO USADO PARA RESTRINGIR LAS MUESTRAS PARA LA
ESTIMACION
LENGTH_F CAMPO USADO PARA PONDERAR POR EL LARGO POR EL IPD
DENS_F CAMPO USADO PARA PONDERAR POR LA DENSIDAD POR EL
IPD
IN, PROTO ZONE1_F PRIMER CAMPO PARA LA ZONA DE CONTROL
MODEL ZONE1_F SEGUNDO CAMPO PARA LA ZONA DE CONTROL
ESTPARM
SECTION SECCION IDENTIFICADORA PARA UNFOLD
BOUNDARY LIMITE IDENTIFICADOR PARA UNFOLD
STRING WSTAG LÍNEA TAG DENTRO DE UNA SECCION
BSTAG LÍNEA TAG ENTRE SECCIONES
TAG CAMPO DE LAS LÍNEAS TAGS

Proceso de Estimacion Datamine

Transféré par

Informations du document

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

Proceso de Estimacion Datamine

Transféré par

Droits d'auteur :

Formats disponibles

DATAMINE Latin America Fone: +55 31 225 6855

Rua Antônio de Albuquerque, 717 Fax : +55 31 225 6855

PROCESOS PARA LA ESTIMACION DE RESERVAS,

Tabla 1: Métodos Clásicos para la Estimación de Reservas en DM

Tabla 2 : Nuevos Métodos de Estimación de Reservas de DM

"GRADE" y "ESTIMA", son conocidos como SUPERPROCESOS, nombre otorgado por el

2.1- Las muestras más cercanas, POLD3D

La simplicidad de este método, lo convierte en una muy buena opción de ev aluaciones

El proceso también puede considerar direcciones preferenciales, definidas mediante

Tabla 3: Resumen del Proceso POLD3D

>DIP> Inclinación del "AXIS 1" (en grados bajo la horizontal).

2.2 - Método de Inverso de las Distancias, IPDD3D

La elipsoide direccional se define en términos de los tres ejes cartesianos y de un azimut y

El parámetro @MINNOP, definido por el usuario, define un mínimo número de muestras

procesos de estimación. Si los datos no han sido ordenados el proceso finalizará

Tabla 4: Resumen del Proceso IPDD3D

RADIUS SI X Radio de búsqueda. El valor por defecto de este parámetro

IPOINTS SI 1 Número de puntos de interpolación de cada celda en la

MINPER SI 1 Mínimo número de muestras que deben existir en un octante,

>DIP> Inclinación del "AXIS 1" (en grados bajo la horizontal).

Notas acerca del Proceso :

- Los parámetros @XSUBCELL, @YSUBCELL, @ZSUBCELL sólo se usaránen el caso de

- Cuando las muestras son seleccionadas para la interpolación, el algoritmo calcula el

- Al utilizar un volumen de búsqueda direccional, se requerirá de los siguientes parámetros:

apunta hacia el Este, y el AXIS3 apunta hacia arriba.

- El primer ángulo de rotación, ANGLE1 (ángulo de azimut), se aplica al rotar la elipsoide

- Cuando se especifica el parámetro opcional @DISTERR, este valor se añade a las

Fig. 1: Definición de las Rotaciones de la Elipsoide de Anisotropía

2.3 - Método de Krigeage Ordinario, KRG3DB

En esta versión de krigeage para modelos de bloques, se incluye un conjunto de modelos de

La anisotropía podrá incluirse en todos los parámetros de los variogramas, en términos de

a. En el caso del volumen de búsqueda cuboidal (@SMETHOD=0). El tamaño del

b. En el caso del volumen de búsqueda elipsoidal (SMETHOD=1), el sistema requerirá de

el norte, AXIS2 hacia el este y AXIS3 hacia arriba.

El primer ángulo de rotación, ANGLE1 (ángulo de azimut), se aplica al rotar la elipsoide

3. Si se encuentran menos que @MINNUM muestras, entonces la subcelda no será

En circunstancias excepcionales algunas combinaciones de muestras y modelos de

Tabla 5: Resumen del Proceso KRG3DB

SAMPOU SI - Archivo de salida opcional, que contiene un registro por cada

ANGLE2 SI 0 Angulo 2 usado para definir la dirección del volumen de

DEPMEA SI 0 Media del depósito para el caso que se utilice Kriging

XSUBCE SI 1 Parámetro usado sólo en el caso de que el modelo utilizado

PRINT SI 0 Controla el nivel de despliegue de las celdas a estimar en la

- PIJ> El usuario es consultado para ingresar cada parámetro de su modelo de variograma,

ESTIMA requiere un modelo como prototipo de entrada y un set de datos de muestras,

tales como la potencia para el método del inverso de las distancias.

3.2 - Volúmenes de Búsqueda

El volumen de búsqueda podrá tener dos formas, cuboidal o elipsoidal. Al configurar el

Fig. 3: Rotación de Aº grados en torno del eje 3 (eje Z)

Un volumen de búsqueda dinámico resulta a menudo muy útil, especialmente al

Fig. 5: Elipsoide de Búsqueda Truncada para contener "MAXNUMn"

dependiendo del número del volumen utilizado en la evaluación.

Distancias Transformadas: En el caso de que haya un número de muestras mayor que

En la figura 6, las muestras A, B y C han sido rotadas en el sistema coordenado de la

- Punto A: en X = 0, Y = 20: DA  (0 / 100)  (20 / 40)   0.5

- Punto B: con X = 40, Y = 12: DB  (40 / 100)  (12 / 40)   0.5

- Punto C: con X = 50, Y =0: DC  (50 / 100)  (0 / 40)   0.5

Fig. 7: Búsqueda por Octantes, ilustrado en 2D

La figura anterior ilustra el método por octantes. La elipsoide contiene 16 muestras

MINOCT corresponde al mínimo número de octantes a ser completados antes de que la

MINPEROC es el mínimo número de muestras en un octante antes de que este se

Si cada registro en el archivo de muestras es identificado por un Campo Llave, entonces

El archivo de parámetros para el volumen de búsqueda contiene 24 campos mostrados

Tabla 6: Resumen del Archivo de Parámetros del Volumen de Búsqueda