MODELOS DE CORTO Y MEDIANO PLAZO EN VETAS

MODELOS DE CORTO Y MEDIANO PLAZO

EN VETAS

Msc. José E. Gutiérrez – Minera Bateas

21 de agosto de 2012

Introducción

• Los modelos son una representación de la realidad (recurso mineral).

•La variabilidad de leyes y tonelaje de los recursos son problemas críticos dentro del proceso calculo y ganancia de reservas, así como también del planeamiento en el Mediano-corto plazo.

• La metodología busca disminuir la variabilidad, disminuir el tiempo de actualización

de los modelos y minimizar el riesgo de que el plan de producción de mediano plazo

Diagrama flujo de información

Muestreo interior Mina LABORATORIO (Int/Ext) Leyes, QC Data Density

•INFORMACION PARA RECURSOS

•INTERPRETACION/CONTRUCCION DE MODELOS LEAPFROG: Interpretación 3D Visualización de muestreo con CutOff CAD/GIS: •Secciones •Plano de Muestreo •Planos Geológicos DATAMINE: •Visualización 3D •Generación de modelos •Planos en planta •Secciones longitudinales y transversales BASE DE DATOS Geoquímica Superficial Muestreo Cores Sondajes

Interface para administración y auditoria BD

6 NO SI Laboratory QC Data Lab Reporte NO Leyes > LLD y < media(**) +2STD NO Leyes > media(**) +3STD Nivel “Warning” A n ál isi s Bl an co s

Leyes ALS Entre BV+2std y BV+3std O BV-2std y BV-3std Acepta Data Acepta Data Ingreso de Leyes Responsabilidades Admin Database Gerente de Exploraciones SI Hacer Reanálisis Pulpas de Muestras Observadas Nivel “Warning” SI

(*) LLD = Low Limit Detection (**) media = Media estadistica de valores analizados de las muestras blancas.

(***) BV =Es el mejor valor reportado por la muestra Standard

R ec h aza R ep or te Nivel “Fail” NO SI Nivel “Fail” NO SI Standards (Ag,Au,Pb,Zn,Cu)

Leyes ALS entre BV-2std y BV+2std (***) Blancos (Ag,Au,Pb,Zn,Cu) Leyes ALS < LLD (*) Investigar Posible Contaminación Leyes ALS < BV-3std O Leyes ALS >BV+3std SI NO SI A n ál isi s St an d ar d s Leyes Labs. Reporte Análisis de Muestras Base de Datos

Análisis de muestras blancas y Estándares/ Check-Duplicate

Proceso QA/QC

Figure 1 Blanks

Silver

Figure 4 Ce rtified Standard CDN-ME-3

Silver

Diferencia Relativa = (Valor Absoluto (A-B)) /

(0.5*(A+B)) (diferencia de parejas dividido por los promedios de parejas)

Para el caso de rechazos, el 90% de la población debe estar por debajo de 0.20 de DR.

Para el caso de pulpas, el 90% de la población debe estar por debajo de 0.10 de DR.

Diagrama de flujo

Proceso Modelamiento Numérico

Datos de Canales y Taladros

Revisión y validación de los datos (Remover datos repetidos, erroneos

o vacios)

Compositación

(Por tipo de roca,alteración, etc.) Estadísticas data cruda (transformación data negativa)

Desagrupamiento (Declustering – Opcional) Curva probabilística Curva media y CV Análisis Exploratório de los Datos

Estadísticas data compositada para calculo del “Top Cut” y acumulación

II

Proceso Modelamiento Numérico

Selección de parámetros variograficos (Distancia, ángulo, dirección, toleráncia,

Isotrópico o anisotrópico) y calculo del variograma experimental

Validación Cruzada Selección del modelo teórico (Efecto pepita, esférico, gaussiano, etc.)

Selección del tamaño unitario del bloque -QKNA (KE, ZZ y cálculo del volumen)

Definición de los parámetros de estimación (elipse, elipsóide o esfera)

Análisis variografico Validación Pre-estimación III II M. Bloque

Estimación con Kriging Ordinario, Inverso de la Distancia y Vecino Cercano Estimación IV V VI VII

Proceso Modelamiento Numérico

Análisis de Sesgo Global

Swath Plots

Reconciliación MB – Mineral Explotado

Categorización de Recursos (Medidos, Indicados e inferidos)

Validación pos-Estimación Categorización de Recursos VII VI Reconciliación VIII

Ploteo de secciones y plantas

IX

Estadística descriptiva

Proceso Modelamiento Numérico

Adicionalmente se debe complementar con planos de leyes y gráficas Ley versus Cota.

Análisis para determinar Top Cut

Análisis variografico por direcciones

Procesos modelamiento numérico

Cada vez que se actualiza la información, se debe chequear si existe una modificación en las direcciones principales.

Kriging Efficiency (KE) y Slope Regresion (ZZ)

Modelo de Bloques

Put KT3D main parameters here

Working Path D:\Data_recursos2011\Modelos de Bloques\KNA\AS

Number of files 37

Data File data_as.da t

Fields X Y Z Var 1 2 3 4

Maximum Search (Major/Semi/Minor) 41.5 49 1.5

Ellipse rotation (Z,X',Y'') 55 0 50

Variogram stuctures (max 3) 3

Nugget then sills 1 to 3 (max 3) 0.43 0.32 0.13 0.12 1.00 Check sum

Ellipse rotation (Z,X',Y'') 55 0 50

Ranges1 (Major/Semi/Minor) 23 20 1

Ranges2 (Major/Semi/Minor) 41.5 49 1.5 Ranges3 (Major/Semi/Minor) 1000 250 2.5

Batch file name Go.bat

List of file prefix name List.txt Results File fwnikna

Test Parameters

TxtID CentX CentY CentZ SizeX SizeY SizeZ DiscX DiscY DiscZ MinSam MaxSam 194139.38317911.74809.5-221-555-1020 194139.3 8317912 4809.5 2 2 1 5 5 5 10 20

194139.38317911.74809.5-2.52.51-555-1020194139.3 8317912 4809.5 2.5 2.5 1 5 5 5 10 20

194139.38317911.74809.5-331-555-1020 194139.3 8317912 4809.5 3 3 1 5 5 5 10 20

Ordinary kriging Simple Kriging

Make Kt3d par files

Krige blocks

Report KE

Make Kt3d par files

Krige blocks

Validación cruzada

Proceso validación

Se prueban diferentes opciones de vecindades de estimación y se elige la opción con mejor coeficiente de correlación entre las leyes originales y las estimadas.

Análisis de sesgo Global OK - NN

Proceso validación

El análisis de sesgo se realiza dependiendo de la categoría (preliminar ) de los recursos.

Swath Plots

Proceso validación

10.00 20.00 30.00 40.00 50.00 60.00 70.00 80.00 90.00 100.00 110.00 120.00 130.00 140.00 150.00 193240 193300 193360 193420 193480 193540 193600 193660 193720 193780 193840 193900 193960 194020 194080 194140 194200 194260 194320 194380 M e an A g( gt ) Recursos AS Swath Plot Ag LM_KG LM_NN

Los Swath Plots se elaboran tanto en la dirección Norte-Sur, Este-Oeste y en la vertical.

Reconciliación

Plantas modelo mediano plazo - explotación

Proceso de validación

También se elaboran secciones longitudinales con la distribución de las leyes y categorias.

Conclusiones

•La información requerida para la actualización es gestionada a través de nuestro sistema de base de datos.

•Los parámetros geoestadísticos y de estimación pueden no ser calculados

nuevamente , es posible utilizar los parámetros del modelo de largo plazo (anual o semestral), todo va depender del análisis posterior a la actualización de la

información.

•Las validaciones antes y después de la estimación nos garantizan el mejor resultado posible con la información disponible.

•Aplicar nuevas herramientas y optimizar nuestros procedimientos nos han

permitido obtener un modelo de mediano-corto plazo que cumpla con las mejores practicas del NI 43-101 y en menos tiempo.

¡Muchas

Gracias!