Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimacion de Reservas
Estimacion de Reservas
R. Oyarzun
Introduccin
Las muestras a partir de las cuales se estiman las reservas de un yacimiento representan
una fraccin mnima de ste. Por ejemplo, en la evaluacin del pequeo prfido
cuprfero de Copper Flat (Nuevo Mexico, USA), se recuperaron a partir de una malla
densa de sondeos, unas 200 TM (toneladas mtricas) de testigos. De esas toneladas se
utiliz una fraccin solamente para anlisis qumicos, y con este material se
definieron:
60 x106 TM de mineral.
Existen reglas claras para "afinar la puntera" ? desgraciadamente no, y solo podramos
mencionar dos herramientas indiscutibles:
Cabe destacar que los depsitos minerales eran evaluados, y sus reservas estimadas,
mucho antes de que aparecieran los ordenadores y los mtodos geoestadsticos. Se
medan reas, se estimaban volmenes y tonelajes, y las leyes se promediaban
utilizando papel y lpices, regla de clculo o calculadoras mecnicas. Esos resultados no
eran peores (y en algunos casos eran considerablemente mejores) que algunas
estimaciones modernas por geoestadstica con pobre control geolgico.
Contacto econmico: los lmites del material a partir del cual se pueden obtener
ganancias (cut off grade).
La estimacin de reservas es mucho ms que una mera proyeccin espacial (3D) de las
leyes (por ejemplo, % Cu, g/t Au, etc). Para determinar el verdadero valor de un
yacimiento necesitaremos adems determinar y proyectar los siguientes parmetros:
Contenido en humedad.
T = A x P x PE
Donde:
A: el rea; visualizacin 2D del sector del depsito bajo evaluacin; normalmente una
seccin vertical en cuerpos mineralizados irregulares.
Si al resultado le aplicamos una ley concreta (e.g., 2.3 % Cu), entonces tendremos
toneladas con una ley especfica (e.g., 2500 toneladas a 2.3 %Cu).
Si d son los tramos del sondeo (medidos en metros) y l las leyes de dichos tramos,
entonces la ley media del sondeo ser:
Leymedia = l i x di / di
Leymedia = l DDHi x Ai / Ai
Y para obtener un volumen al que aplicarle las leyes y pesos especficos, as tendremos:
Una vez determinadas las leyes de cada seccin, lo que debemos hacer es calcular
los volmenes. En el ejemplo que muestra la figura, el volumen de roca
mineralizada ser igual a: (A1 + A2) x 0.5D, siendo D la distancia entre las
secciones A1 y A2.
Otro sistema es el denominado mtodo de los polgonos. Este mtodo ha sido utilizado
por la industria minera durante dcadas. Es un mtodo simple, las matemticas son
fciles, y las estimaciones pueden ser realizadas de manera rpida. Se emplea
principalmente en cuerpos tabulares (e.g., filones). Lo sondeos se dirigen normalmente
a 90 con respecto a la masa tabular bajo evaluacin. Para la construccin de los
polgonos se pueden emplear dos procedimientos:
Bisectores perpendiculares.
Bisectores angulares.
La dilucin de leyes.
El coeficiente de extraccin.
La recuperacin de metal.
Resulta prcticamente imposible extraer solo el material econmico en una mina, de tal
manera que durante el proceso de la voladura de roca, quedar siempre incluido material
estril (lo cual lleva a la dilucin de leyes). Las causas son las siguientes:
Sobrevoladura: material que est fuera de los lmites econmicos del cuerpo
mineralizado queda incluido en el material extrado.
Las minas operan con valores establecidos de dilucin, que deben ser aplicados a las
determinaciones de tonelaje realizadas por los gelogos (dilogo ingeniero de minas
gelogo).
Por ejemplo, a lo mejor solo el 80% del material ser susceptible de ser extrado si se
desea mantener lmites adecuados de seguridad. As, y siguiendo este ejemplo, para
una reserva "geolgica" de 10.000 TM de mineral al 2.3 % Cu, con un factor de
extraccin del 80 %, y una dilucin del 10 % tendremos:
10.000 x 0.8 = 8.000 TM al 2.3 % Cu
Con lo cual tendremos al final de nuestras cuentas: 8.800 TM al 2.09 % Cu. Recuerde,
bajo un punto de vista exclusivamente geolgico, las reservas eran inicialmente de
10.000 TM al 2.3 % Cu.
Esto en lo que se refiere a la parte "minera" del problema. Pero a sto tenemos que
agregarle la problemtica de la recuperacin metalrgica del metal en cuestin.
Sigamos con el mismo ejemplo.
Una tonelada de material de mina al 2.09 % Cu contiene 20.9 kilos de cobre. Si este
material da unos 65 kilos de concentrado al 30 % Cu, entonces tendremos:
65 kg x 0.30 = 19.5 kg
Supongamos que tenemos un conjunto de datos (1: fichero Excel) de leyes repartidas en
un espacio XY, y asignamos a cada muestra un smbolo con un tamao proporcional a
su valor:
A la izquierda representacin de las muestras del conjunto 1, el tamao de los
puntos es proporcional al valor de cada una; a la derecha una representacin 3D
de la distribucin.
Para este conjunto de datos la media es 0.93 y la desviacin estndar igual a 1.20
(valores redondeados). A continuacin realizaremos lo siguiente, consideraremos un
nuevo conjunto de datos (2: fichero Excel), equivalente al anterior en cuanto a nmero
de muestras y posicin de los puntos de muestreo, pero donde los valores de las
muestras han cambiado de posicin:
A la izquierda representacin de las muestras del conjunto 2, el tamao de los
puntos es proporcional al valor de cada una; a la derecha una representacin 3D
de la distribucin.
La pregunta es entonces como poder relacionar los valores con sus posiciones en el
espacio ? y ms importante aun como relacionar dichos valores entre s ? Este es el
requisito bsico para poder interpolar datos y obtener una informacin grfica sobre las
tendencias mostradas por las variables (kriging).
Donde:
n = nmero de pares.
Z(xi) = la localizacin y valor de la muestra.
El primer punto de nuestra funcin (h) vendr dado por (100), esto es, la media de
los cuadrados de las diferencias entre todos los pares de muestras separados por una
distancia de 100 m:
De esta manera obtenemos el primer punto para la construccin del variograma
experimental, donde en el eje Y ( (h)) tendremos un valor de 1.46 y en el X (h) otro de
100. Para conseguir el segundo punto (200) haremos lo siguiente (y as
sucesivamente):
Estos puntos aparecern en el variograma experimental de la siguiente manera:
Y as continuaramos con (300), (400), (500), etc. Podramos continuar de esta
manera hasta 800, la mxima distancia muestreada, pero en general, se suele ir
(particularmente si los clculos son a mano), hasta la mitad de la distancia, esto es,
400.
En este caso estamos realizando un variograma experimental E-W, pero como ya hemos
discutido previamente, la distribucin de los valores en el espacio puede variar segn la
direccin en que nos movamos (anisotropa). De ah que sea importante realizar estas
operaciones en al menos tres direcciones en un plano XY: N-S, E-W, y NW-SE, para
comprobar el grado de anisotropa del sistema.
El uso de paquetes informticos modernos permite realizar estas operaciones con mucha
facilidad en ordenadores tipo PC (entorno Windows), y un nmero de ellos, entrega
por default el denominado variograma omnidireccional, esto es, un promedio de los
distintos posibles variogramas que se pueden realizar para diferentes direcciones.
De cualquier manera, todo esto es algo ms que pasar los datos (XYZ) a un archivo
Excel y pedirle al programa que nos proyecte los datos de la funcin (h). Una vez que
aparezcan los datos en el grfico (variograma experimental), deberemos seleccionar el
modelo que mejor se ajuste a nuestros datos.
Esta fase del trabajo es muy importante, ya que el trabajo de kriging depende
totaomente de: 1) del modelo a utilizar; y 2) del grado y direccionalidad de la
anisotropa. En otras palabras, el kriging ser tan bueno o tan malo como el ajuste
previo que hayamos realizado en el variograma.
Existen dos razones principales para hacer esto: 1) el variograma de nos da una medida
del alcance (range) de las muestra, esto es, nos dice hasta adonde en el espacio los
valores de estas son significativos; y 2) nos da una idea de la variabilidad de los
valores en el espacio, esto es, si el sistema es fuertemente anisotrpico, las muestras
pueden tener una mejor correlacin en una direccin que en otra. En otras palabras, el
alcance ser dependiente de la direccin. Si nuestro caso corresponde a un prfido
cuprfero, el comportamiento (dado el tipo geomtrico de mineralizacin) ser ms bien
isotrpico, pero si el ejemplo corresponde a un filn, intuitivamente podemos pensar
que la anisotropa en el sistema ser mayor. Por ejemplo, esperaremos una mayor
continuidad a lo largo de la direccin del filn que de su buzamiento. Por otra parte, la
cada de las leyes ser bastante abrupta cuando salgamos de la estructura mineralizada.
A efectos prcticos, todos los clculos son realizados hoy en da por programas
especializados, algunos de los cuales pueden ser muy caros (miles de euros). Opciones
relativamente econmicas son programas como Surfer8 o EcoSSe, que como
contrapartida no permiten el diseo y estudio de bloques (donde realizar la estimacin:
block kriging en el sentido minero del trmino), aunque se puede realizar una buena
modelizacin de variogramas experimentales y desarrollar kriging puntual. De esta
manera se pueden obtener mapas donde la interpolacin de valores en el espacio XY
est controlada por la funcin (h). Volvamos a uno de los ejemplos del principio (datos
2) trabajando con Surfer8:
Representacin de los datos del conjunto 2. Esta vez hemos puesto sobre cada
punto, el valor real Z (fichero Excel).
En este caso, vemos que los datos muestran una tendencia hacia el origen (X = 0; Y =
0), por lo cual descartamos la presencia del efecto pepita (nugget). Dado que los datos
crecen hasta un determinado punto (alcance = 11.6) y a partir de ah no existe un claro
incremento, podemos modelizar el variograma al tipo esfrico, y determinar la
anisotropa del sistema. Con el modelo, el grado de anisotropa (anisotropy ratio = 2), y
la direccin de la misma (32.51 N57.49), podemos pasar a los clculos de kriging
puntual introduciendo estos datos en el programa:
En la ventana de kriging, seleccionamos opciones avanzadas (izquierda), y una vez
en estas, seleccionamos desde pantalla el variograma modelizado.
Bibliografa
Annels, A.E. 1991. Mineral deposit evaluation: a practical approach. Chapman & Hall,
London, 435 pp.
Clark, I. 1979. Practical geostatistics. Applied Science Publishers LTD, Essex, 129 pp.
Clark, I. & Harper, W.V. 2001. Practical geostatistics 2000. Ecosse North America Llc.,
Columbus, 342 pp.
Stone, J.G. & Dunn, P.G. 1993. Ore reserve estimates in the real world. Society of
Economic Geologists, Special Publication no. 3, 150 pp.