LA GEOESTADSTICA EN AMRICA

CON UNA APLICACIN RECIENTE DEL

CENTRO GEOESTADSTICO PERUANO
SIPLAMIN 2012
Director del Centro Geoestadstico Peruano
Alfredo Marn Surez, Ph. D.
en
Ciencias y Tcnicas Mineras Opcin Geoestadstica
cole Nationale Suprieure Des Mines De Paris
CIP: 115062
Investigador del Centro Geoestadstico Peruano
Ivn Mendoza Anaya
Ing. De Minas
Universidad Nacional de Ingeniera

RESUMEN
PARTE 1
La parte inicial de esta exposicin tiene como antecedente el
trabajo presentado por Michel Dagbert(SGS-geoestat Blainville,
Quebec, Canad) en la charla inaugural del Octavo Congreso
Internacional de Geoestadstica, llevado a cabo en Santiago de
Chile en diciembre del 2008 En efecto, en el marco de la
cooperacin entre Francia y Chile, el Dr. Alain Marechal,
investigador del centro de geoestadstica de Fontainebleau,
Francia, ense geoestadstica y form un equipo de
geoestadstica en el Departamento de Ingeniera de Minas de la
Universidad de Chile desde 1971 a 1973.

El equipo de investigacin dirigido por el profesor Alain

Marechal estaba constituido por 3 grupos:
1)Un grupo de 4 investigadores (Issac Ugarte (De
nacionalidad Boliviana), Marco Alfaro y Jorge Walton) para
trabajar en proyectos de Codelco.
2)Un grupo de Desarrollo de Software en Geoestadstica para
el desarrollo y programacin de Mtodos Numricos, que
permitan aplicar la Geoestadstica terica de Matheron en
las minas principales de Chile, a cargo de Alfredo Marn con
3 estudiantes de apoyo.
3)Un grupo de investigacin operativa a cargo de Jorge Mas y
Hernn Buchi (Posteriormente ministro de Hacienda de la
repblica de Chile), con 3 estudiantes de apoyo.

Luego se comentar sobre aplicaciones en Per, Chile, Colombia,

Ecuador y Estados Unidos de Norteamrica.

PARTE 2
En esta parte se presenta un avance de la ltima investigacin
geoestadstica asesorado por el director del Centro
Geoestadstico Peruano, constituido por un modelo
probabilstico de transporte de mineral como parte de una
cadena conformada por : la simulacin condicional de recursos
por geoestadstica, blending geometalrgico y el modelo
probabilstico de transporte de mineral aplicado en la Unidad
Minera El Porvenir Milpo (2012), este modelo simula las
actividades del ciclo de minado y transporte de mineral,
identificando los factores limitantes del sistema, generando
variantes al modelo para la toma de decisiones en el
incremento de la productividad.

PARTE 1

Andr Journel
1967

Alain Marechal
Centro de Geoestadstica
Codelco - U. Chile
1972-1973

Chuquicamata
cole Nationale Suprieure Des Mines De Paris
1970
Santiago
Teniente

Simulacin de la explotacin
a mediano y largo
Plazo. 1974

ton

Ley
Tiempo

Tiempo

Bogot
1972
Waritza Ecuador
Centromin
David Lowel
Minero Per
Toromocho
Lima-UNI
Arequipa 1973
La Paz

Alain
Mardechal
(U - Chile)
1972

Huarn
Antamina
Lima

Casapalca
Centromin

C.Verde

1979 - 2005

Minero
Per

NORTE AMERICA
Universidad de
Alberta 2000-2012

A. Marn 1979

Montreal (Michel David ) 1976

H. Parker
USA
1979-2012
Universidad
Stanford
1979-2012

ALMADN
Espaa (Formacin
de grupo de
Geoestadstica)

Universidad
Colorado 1983

Ex-Alumnos
UNI

Andr Journel

Tcnicas de estimacin UTILIZADAS

- El Kriging simple
- El Kriging ordinario
- Cokriging
- Kriging Lognormal
- Kriging de Indicadores
- Kriging Disyuntivo
- Kriging Multigaussiano
- Kriging Probabilstico con Indicadores (Dr. Alfredo
Marin)
- Geoestadstica con Geometra de Variedades
Aplicado a Yacimientos Filoneanos . (Dr. Alfredo Marin)

Tcnicas de simulacin utilizadas:

Simulacin Condicional Multivariable de Bloques usando el Mtodo de Bandas
Rotantes (Marn, 1978).
Simulacin Secuencial Gaussiana (Boucher, 2009; Journel, 2009; Remy, 2009).
Simulacin Secuencial Directa (Boucher, 2009; Journel, 2009; Remy, 2009).
Simulacin de Indicadores (Boucher, 2009; Journel, 2009; Remy, 2009).
Algoritmos de Simulacin de Puntos Mltiples (Boucher, 2009; Journel, 2009;
Remy, 2009).
Tcnica SNESIM (Single Normal Equation Simulation) (Boucher, 2009; Journel,
2009; Remy, 2009).
Tcnica FILTERSIM (Filter-Based Algorithm) (Boucher, 2009; Journel, 2009; Remy,
2009).

BASES DE LA SIMULACIN CONDICIONAL

INTRODUCCIN
MTODO DE BANDAS ROTANTES
SIMULACIN SECUENCIAL GAUSSIANA
RELACIN ENTRE UN YACIMIENTO ESTIMADO Y UN
SIMULADO CONDICIONALMENTE
CONCLUSIONES

INTRODUCCIN
La simulacin nos puede conducir al descubrimiento de nuevas
leyes acerca del fenmeno real.

La simulacin condicional es un modelo matemtico probabilstico

que permite obtener realizaciones numricas condicionales a la
informacin real disponible, realizaciones que reproducen el
histograma y variograma observado.

SIMULACIN CONDICIONAL CON BANDAS ROTANTES

El algoritmo consiste en transformar los datos originales a una
distribucin normal estndar N(0,1), es decir se trabaja en un
espacio gaussiano.
Se construyen los variogramas promedio en las direcciones
representativas.

SIMULACIN CONDICIONAL CON BANDAS ROTANTES

Sean rectas uniformemente distribuidas del espacio donde n
podra ser 120, cada recta es definida por un vector unitario . Se
genera en cada recta , una realizacin de una funcin aleatoria
en con una covarianza impuesta.
Luego a cada centroide de los bloques unitarios, del modelo de
bloques del yacimiento:

SIMULACIN CONDICIONAL CON BANDAS ROTANTES

Le hacemos corresponder a cada punto x del centro de un bloque

unitario, el valor simulado en
Donde
es el producto escalar entre el vector x, y el vector unitario

SIMULACIN CONDICIONAL CON BANDAS ROTANTES

SIMULACIN CONDICIONAL CON BANDAS ROTANTES

SIMULACIN CONDICIONAL CON BANDAS ROTANTES

SIMULACIN SECUENCIAL GAUSSIANA

METODOLOGA
Se transforman los datos a valores normales
Se calculan los variogramas experimentales en todas las
direcciones

VARIOGRAMAS EN LAS DIRECCIONES

REPRESENTATIVAS

Se modelan los variogramas experimentales

a1

a3

a2

SIMULACIN SECUENCIAL GAUSSIANA

DISTRIBUCIN DE INCERTIDUMBRE DE CADA BLOQUE

MTODO DE MONTECARLO
Aplicado a la distribucin de incertidumbre de cada bloque
obtenido a partir de los datos reales y simulados previamente.

RELACION ENTRE UN YACIMIENTO ESTIMADO Y UN

SIMULADO CONDICIONALMENTE

ALGUNAS aplicaciones LOGRADAS

Como modelo computacional laboratorio, para experimentacin y
enseanza en ciencias e ingeniera minera, geolgica, geofsica,
petrleo, metalrgica, medio ambiente, civil, pesquera, etc.
Especficamente en minera y geologa tenemos:
Diseo de mallas de exploracin.
Estimar aplicando los Kriging de Matheron o por las tcnicas de
Simulacin Condicional las variables regionalizadas, como las
leyes de mineral, entre otros, para luego comparar con la ley de
explotacin, es decir para realizar la conciliacin de los recursos
inferidos.
Categorizar los recursos mineros en medido, indicado e
inferido.
Cuantificar la fluctuacin de la ley del mineral a la entrada de la
planta de tratamiento.

Apoyo al estudio de riesgo econmico de los proyectos

mineros, cuantificando la variabilidad de la curva tonelaje
ley de corte, por cambios en la ley de corte.
Los bloques simulados permiten calcular en forma
probabilstica el valor presente neto y los ndices econmicos
de un proyecto minero.

PARTE 2

MODELO DE SIMULACIN
Para el desarrollo de este modelo probabilstico se
desarroll una metodologa para construir un modelo
computacional que interrelacione las actividades
mineras y que reproduzca las caractersticas del mtodo
de explotacin y transporte de mineral utilizado en la
Unidad Minera El Porvenir.

DEFINICIN DEL PROBLEMA

En la unidad minera El Porvenir se hizo necesario
conocer los cuellos de botella que se generan en el
sistema de produccin, debido a ello se realiz un
modelo que pudiera simular las actividades que
implican el ciclo de minado y extraccin de mineral,
con el objetivo de realizar modificaciones al modelo
para generar diversos escenarios que incrementen la
eficiencia y produccin de mineral

HERRAMIENTAS A EMPLEAR

Para la realizacin este modelo se utiliz las

siguientes herramientas:
GPSS-World (Lenguaje de Simulacin de
Propsito General)
Proof Animation P5 (Lenguaje de simulacin
animada)

METODOLOGA DE SIMULACIN
RECONOCIMIENTO DE CAMPO
RECOLECCIN DE INFORMACIN
PROCESAMIENTO DE LA INFORMACIN
FORMULACIN DEL MODELO
PROGRAMACIN DEL MODELO

VERIFICACIN DEL MODELO

VALIDACIN DEL MODELO

ANLISIS DE RESULTADOS DEL MODELO

Validado el modelo se procede con el anlisis de
los resultados de la simulacin del sistema
minero por treinta das de produccin y lo
resultados son los siguientes:

Zona Sur

ZONA NORTE

ZONA DE TRANSPORTE

Este modelo genera una diversidad de resultados

para el anlisis del comportamiento del sistema
de produccin de mineral como son: % de
utilizacin de los equipos, tiempos de ejecucin
de las actividades mineras, movimiento de
recursos realizados por los equipos. A
continuacin se mostrar un cuadro de
comparacin de la produccin de 30 das
simulada por el modelo y la produccin real
(entre los das 20 de enero y 19 de febrero del
ao 2005), reproduciendo la variabilidad diaria
del mineral acumulado en el Stock Pile.

PRODUCCION DE MINERAL REAL Y SIMULADA

ANLISIS DE SENSIBILIDAD DEL SISTEMA DE

TRANSPORTE POR LOCOMOTORA

En la zona de locomotoras (Nivel -1170) se realiz

un anlisis para determinar la capacidad mxima
de transporte de mineral por cada locomotora
(Norte y Sur) desde los Ore Pass 1 y 2 hacia los Ore
Bin 1 y 2, con el objetivo de determinar cul es la
actividad limitante en el sistema de transporte de
mineral, se asumi los incrementos de mineral
acumulados en los Ore Pass 1 y 2 segn la
siguiente tabla:

CAPACIDAD DE TRANSPORTE DE TRENES

370000 t

373000

330000 t

290000 t

275000

250000 t

210000 t

170000 t

130000 t

98000

90000 t

50000 t
1

TREN-NORTE

TREN-SUR

TOTAL

10

11

12

13

SISTEMA DE TRANSPORTE POR ELEVADORES

Se realiz el anlisis para el sub-sistema de

transporte de mineral por elevadores, con el
objetivo de hallar la capacidad mxima de izaje
con dos diferentes condiciones:
1. Condicin actual: velocidad de izaje de 2000 ft/min
2. Condicin proyectada: velocidad de izaje de 2400
ft/min.
Para ambas condiciones, se simul la capacidad de
izaje del elevador con 13 escenarios distintos, con el
tiempo de mantenimiento regular, asumiendo un
incremento de tonelaje de mineral en Ore Bin 1 y 2
como se muestra a continuacin:

MINERAL ACUMULADO (t)

133830 t

Se muestra que el izaje mensual de mineral tiene un

valor mximo de 133830 toneladas con una velocidad
de 2000 ft/min

MINERAL ACUMULADO (t)

150000 t

Se muestra que el izaje mensual de mineral tiene un

valor mximo de 150000 toneladas con una velocidad
de 2400 ft/min.

ANLISIS ECONMICO DEL

TRANSPORTE
En esta etapa se realiz el anlisis econmico del
transporte de mineral comparando el acarreo de
mineral (desde los tajeos de las vetas hacia los
echaderos) de los siguientes tipos de transporte:

TIPO 1: Un Scoop.
TIPO 2: Dos Scoop.
TIPO 3: Un Scoop y 1 Dumper.
TIPO 4: Un Scoop y 2 Dumper.
TIPO 5: Un Scoop y 3 Dumper

Se simul escenarios alternos bajo diferentes

distancias de acarreo de mineral, con lo cual
se realiz una tabla tcnica para elegir el tipo
de transporte ms econmico, considerando
el costo de los equipos: Scoop=95$/h, Dumper
=86.04 $/h. Debido a que el camino es de una
va se dise refugios (baha de
estacionamiento) a lo largo del camino para
disminuir el trfico de los equipos a distancias
segn el siguiente cuadro y grfico:

VACIO
CARGADO

Del anlisis de experimentos, se resume el

siguiente cuadro de decisin para la seleccin de
los equipos implicados en el transporte de mineral
CUADRO DE DECISIONES

CONCLUSIONES del modelo desarrollado

El modelo reflej la variabilidad de la produccin de
mineral diaria y los tiempos de operacin de las
actividades mineras, lo cual fueron factores
importante para su validacin, con ello se identific
que el factor limitante (cuello de botella) del
sistema analizado es el mtodo de explotacin
empleado en la unidad minera.

El subsistema de locomotoras tiene capacidad

mxima de transporte de 370000 t/mes, por lo
que no representa incidencia en la produccin de
mineral debido a que se transporta 120000 t/mes
(est al 33 % de su mxima capacidad).
El subsistema de izaje a una velocidad de 2000 FPM
est limitado a una capacidad de 133000 t/mes,
con un incremento de velocidad a 2400 FPM tiene
una capacidad mxima de 150000 t/mes, con ello
se puede proyectar el incremento de la produccin
de mineral sin tener que modificar el sistema de
izaje.

Comentario y conclusin general

Cabe notar que el Centro Geoestadstico Peruano junto con

algunos alumnos de la Universidad Nacional de Ingeniera han
desarrollado una serie de trabajos de investigacin tales como:
Ing. Elizabeth Prez, ex alumna de ing. geolgica:
aplicaciones del variograma como herramienta del gelogo
de exploracin.
Juan Carlos Huaraz, ex alumno de ing. de minas: modelos de
simulacin de transporte para la mina Yanacocha.
Juan Roman, Enrique Morocho, Erick Puente, Ivn Mendoza,
Eder de la Cruz, etc., ex alumnos de ing. de minas: mtodos
de simulacin de transporte en minera subterrnea y a cielo
abierto

Actualmente estn realizando investigacin, tambin

asesorados por Dr. Alfredo Marn, los siguientes candidatos a
alumno investigador:
ngel Coello Oviedo: Dilucin en un sistema de vetas.
Jean Pierre Mandujano: Dilucin en vetas para el clculo
de recursos.
Richard Soriano y Luis Palomino: Blending en
planeamiento de minado.

Y otros jvenes que se encuentran trabajando en temas de:

Diseo del pit final: desarrollo de un algoritmo heurstico
basado en el algoritmo de korovov.
Redes neuronales en minera.
Fractales en exploracin geolgica