Informe Mery Orostica Vargas

Facultad de Ingeniera
Departamento de Ingeniera de Minas

Geoestadstica
Proyecto Final Geoestadstica
Profesor Cristian Quiones
Ayudantes Francisco Olgun

Camilo Varas
Alumnos Pablo Mery

Carlos Orstica
Michael Vargas
Geoestadstica
Resumen Ejecutivo
El siguiente proyecto tiene como finalidad realizar una categorizacin de leyes para una base de
datos proporcionada por el profesor Cristin Quiones.
Para realizar el trabajo anterior, se procedi a limpiar la base de datos para eliminar datos
inconsecuentes o incorrectos y asegurar en primera instancia cierto grado de confiabilidad al
estudio. Se eliminaron dos sondajes:
Una vez la base limpia se procedi a compositar, siguiendo el criterio de escoger el tamao moda
de la regularizacin; de todas formas se sensibiliz la composicin para estudiar su efecto a
distintos tamaos. Se escogi un tamao de composito de 2 metros.
Luego se continu con un estudio estadstico/espacial exhaustivo de manera de poder definir

unidades de estimacin, sustentado por la estacionaridad de orden dos entre las unidades
geolgicas que componan a las unidades de estimacin (mediante derivas). Se establecieron 8
unidades de estimacin siguiendo los tpicos antes mencionados.
Despus de definir las unidades de estimacin, se debi realizar un estudio variogrfico para
establecer direcciones preferenciales de anisotropa, las que posteriormente serian modeladas
para realizar la estimacin. En este caso en particular 3 de las 8 unidades de estimacin fueron
estudiadas omnidireccionalmente, la razn es su baja cantidad de nmero de muestras y la
imposibilidad de encontrarla de manera visual mediante un basemap.
Encontradas las direcciones de anisotropa, es que se modelaron los variogramas experimentales

obtenidos anteriormente, siguiendo un modelo matemtico, en particular el nico modelo que se
us de Esfrico.
Se defini un modelo de bloques para cubicar el yacimiento y facilitar la estimacin del mismo,
cuyo tamaofue de 10x10x8 mts. Con dichas dimensiones se obtuvieron 6.000.000 de bloques
para ser estimados.
Se estim por Kriging Ordinario cada unidad de estimacin con una vecindad de bsqueda que
estaba condicionada por las distancias entre las muestras y de los variogramas modelados
(alcance). La estimacin se debi validar, en el presente informe se valid por %cobre total
desagrupado vs Kriging Ordinario obtenindose siempre un error relativo menor al 5%. Tambin se
valid por derivas.
Geoestadstica
Los bloques estimados se categorizaron en medidos, indicados e inferidos segn la confianza y
certeza de la vecindad de bsqueda asignada, ahora bien esa era una pre categorizacin, puesto
que dicha categorizacin fue penalizada para muestras sin QA/QC, el fin de esto es que ahora se
puede contar con bloques con confiabilidad en la estimacin y adems con una correcta y fiable
informacin de muestreo. Con la categorizacin penalizada se contabilizaron 134.649 bloques
medidos, 970.917 bloques indicados y 2.377.333 bloques inferidos.
Posteriormente se contabilizaron los bloques que pertenecan al pit de recursos, con la sencilla
razn de que solo se deben explotar los bloques con potencial tcnico y econmico para el cual
fue diseado dicho pit. Los bloques medidos e indicados que se encuentren dentro de dicha
envolvente darn vida a la curva tonelaje ley, que permitir conocer el nmero de toneladas y ley
media dada una ley o leyes de corte.
Curva Tonelaje Ley

600000000 2
1.8
500000000
1.6 L
T 1.4 e
400000000
o 1.2 y
n 300000000 1
e m
0.8
l e
200000000
a 0.6 d
s 0.4 i
100000000
0.2 a
0 0
0.1 0.2 0.3 0.4 0.5 0.6 0.7 0.8 0.9 1 1.1 1.2 1.3 1.4 1.5
Ley de Corte
Geoestadstica
ndice de Contenidos
1. Preparacin Base de Datos ......................................................................................................... 5
1.1. Validacin ............................................................................................................................ 5
1.2. Visualizacin ........................................................................................................................ 6
1.3. Caracterizacin ......................................................................Error! Bookmark not defined.
1.4. Compositacin..................................................................................................................... 8
2. Creacin de Unidades de Estimacin ............................................Error! Bookmark not defined.
2.1. Criterios ............................................................................................................................. 10
2.2. Visualizacin ........................................................................................................................ 8
2.3. Validacin ..............................................................................Error! Bookmark not defined.
3. Anlisis de Densidad.................................................................................................................. 10
4. Variografa ................................................................................................................................. 10
4.1. Mapas Variogrficos .......................................................................................................... 15
4.2. Valores Escapados ............................................................................................................. 16
4.3. Direcciones Principales..........................................................Error! Bookmark not defined.
4.4. Modelamiento Variogrfico ..................................................Error! Bookmark not defined.
5. Estimacin .....................................................................................Error! Bookmark not defined.
5.1. Plan de Estimacin ................................................................Error! Bookmark not defined.
5.1.1. Estimacin por KO .........................................................Error! Bookmark not defined.
5.1.2. Estimacin por Vecino ms Cercano .............................Error! Bookmark not defined.
5.1.3. Estimacin por Inverso de la Distancia .........................Error! Bookmark not defined.
5.2. Validacin ..............................................................................Error! Bookmark not defined.
6. Categorizacin ...............................................................................Error! Bookmark not defined.
6.1. Criterios .................................................................................Error! Bookmark not defined.
6.2. Down Grade (Castigos) ..........................................................Error! Bookmark not defined.
7. Reporte de Recursos .....................................................................Error! Bookmark not defined.
7.1. Curvas Tonelaje-Ley ..............................................................Error! Bookmark not defined.
7.2. Anlisis de Datos ...................................................................Error! Bookmark not defined.
8. Anexos ...........................................................................................Error! Bookmark not defined.
Geoestadstica
1. Preparacin Base de Datos

El presente trabajo fue realizado a partir de 4 archivos denominados Collar, Assays, Densid y
Survey, en conjunto de un set de archivos los cuales contienen el modelo geolgico del yacimiento
en estudio, en donde se describen las caractersticas y ubicaciones espaciales de las alteraciones,
litologas y mineralizaciones de dicho depsito.
De la informacin entregada en Collar es posible desprender que el trabajo realizado en campo da

como resultado un total de 123 sondajes y 22630 muestras, generando as un espacio de estudio
geoestadstica sobre las leyes de Cobre total y soluble del yacimiento. Por otro lado, Survey
entrega lo que a grandes rasgos corresponde a la orientacin e inclinacin de cada sondaje,
mientras que Assays entrega informacin detallada sobre las muestras obtenidas, dando cuenta
del largo de la muestra, su ubicacin espacial y las leyes de los elementos de inters encontrados
en ella.
1.1. Validacin
Leyes
Al realizar la validacin se realiza una bsqueda en las leyes para encontrar posibles
irregularidades que puedan afectar el estudio en cuestin, para esto se buscan los valores
negativos en leyes, no presentando. Pero hay leyes que se desconocen y que por defecto tienen
valores de -99, los cuales indica la ausencia absoluta del elemento de inters en la muestra. Las
muestras que posean una ley de Cobre soluble mayor a la ley de Cobre total deben ser
descartadas en este estudio, la cual esta presentada en el sondaje TTQ-18.
Tabla 1 identificacin diferencia cut-cus negativa
Ubicacin espacial
Al visualizar la base de datos en VULCAN, existen dos sondajes (TQZ-50A y TTQ-2B) sobre la
topografa. El sondaje TQZ-50 presenta dip positivo, mientras que TTQ-2B se encuentra sobre la
cota. Estos sondajes correspondientes a 110 muestras fueron descartados para el estudio.
Densidad
Al analizar el archivo Densid, hay presencia de tres datos con densidades, negativas, las cuales se
procede a eliminar para el anlisis.
5
Geoestadstica 1er Semestre 2017

Geoestadstica
Tabla 2 identificacin densidades negativas
QAQC
Al analizar el archivo COLLAR, este presenta elementos sin control de calidad, pero con
trazabilidad, el cual para hacerlo valido se procede a cambiar por sin trazabilidad.
1.2. Visualizacin
Una vez limpia y validada la base de datos, se pretende visualizar los sondajes para corroborar la
validacin ya realizada y conocer la ubicacin espacial de los sondajes

Geoestadstica
Campaas N Tipo Control de calidad Trazabilidad Tipo lab

sondaje Perforacin Certificados
- - AR DDH Si No Sin Con
2001 36 36 0 31 5 5 31 Lab_NS
2003 7 0 7 7 0 0 7 Lab_KG
2004 47 0 47 35 12 10 37 Lab_HC
2005 10 0 10 0 10 10 0 Sin
Ilustracin
2012 2 Vista
21 de perfil
0 Sondajes
21 21 0 Ilustracin
0 1 Vista
21planta sondajes
Lab_CQ
En ilustracin anterior se aprecia que los sondajes estn orientados hacia el centro del yacimiento,
presentndose un marcado muestreo preferencial
1.3. Caracterizacin
En la siguiente tabla se presenta un resumen de los atributos de los sondajes presentes en la base
de datos
Tabla 3 Resumen Atributos base de datos

Geoestadstica
Total 121 36 85 94 27 25 96 -
Ao 2001, solo se observan sondajes de aire reverso (sondajes de menor costo), 31 e los 36
realizados presentaron trazabilidad y QAQC, por lo tanto, se concluye que al ser los primeros
sondajes su objetivo era probablemente encontrar zonas de mineralizacin.
Ao 2003, son sondajes que permiten delimitar el yacimiento.
Aos 2004, el 79% de los sondajes con control de calidad y todos con DDH, de manera de conocer
de mejor forma el deposito mineral y recopilar la mayor cantidad de atributos de inters.
Ao 2005, por las caractersticas que presenta es probablemente sean sondajes de relleno.
Ao 2012, por las caractersticas que presenta debe tratarse de una campaa de sondaje de
exploracin para una zona del yacimiento con inters particular.
Respecto al QAQC se pueden concluir que atraviesan todas las litologas y mineralogas y casi la
totalidad de las alteraciones, informacin que debe ser tomada encuentra al momento de
categorizar los recursos estimados.
La siguiente tabla muestras las dimensiones obtenidas del yacimiento en estudio.
Tabla 4 dimensiones yacimiento
X [m] Y [m] Z [m]

Coordenada mnima 737690.713 8693286.07 1111.99
Coordenada mxima 740384.838 8695674.95 2392.26
Dimensiones 2694.125 2388.878 1280.27
Respecto al QAQC se pueden concluir que atraviesan todas las litologas y mineralogas y casi la
totalidad de las alteraciones, informacin que debe ser tomada encuentra al momento de
categorizar los recursos estimados.
1.1. Compositacin
El soporte de las muestras debe ser regular, de modo que cada muestra represente
equitativamente su peso en la poblacin. La compositacin es un proceso que se realiza posterior
a la regularizacin, normalmente se realiza a muestras mal reguladas o no reguladas.

Geoestadstica
Para definir el tamao de soporte primero es necesario verificar si existe algn tamao
preferencial en la campaa de sondaje, ya que puede que la muestra este regularizada con
anterioridad.
Para conocer el tamao preferencial del soporte se procede a realizar un anlisis de moda entre
las diferencias entre FROM Y TO, obtenindose una moda de 2 metros y un total de 21263
muestras con dicho tamao.
Mediante el proceso de Compositacin es posible regular el tamao del soporte, para ello se
buscan distintos tamaos y as comparar estadsticamente los tamaos.
Tabla 5 resumen compositacin
Nmero
Compsito Min Max Promedio Varianza
Muestras
1 metro 0.161 24.350 0.375 0.250 45354
2 metros 0.161 24.350 0.375 0.249 22701
3 metros 0.161 16.759 0.375 0.195 15181
5 metros 0.161 11.323 0.375 0.160 9126
10 metros 0.161 7.459 0.375 0.123 4593
30 metros 0.162 4.708 0.377 0.098 1601
Dados estos resultados, se aprecia que a medida que se aumenta el tamao de los composito el
nmero de muestras disminuye, el promedio permanece constante hasta un tamao de
composito de 10 metros y adems la varianza disminuye al aumentar el largo de los composito. En
sntesis, se escoge un composito de dos metros dado el tamao preferencial de los datos y adems
permite estudia mejor la variabilidad de la zona mineral, respecto como fue perforado y
regularizado.
Escoger un tamao de composito muy pequeo puede traer consecuencias temas que se tocaran
posteriormente como una variografa ms irregular, subiendo el efecto pepa y la meseta; debido a
que como se vio, un tamao de composito pequeo eleva la variabilidad.

Geoestadstica
1.2. Visualizacin
Ilustracin 3 visualizacin UE vista xz
2. Formacin de las Unidades de Estimacin
2.1. Criterios (EDA, continuidad y estacionaridad)

Posterior al proceso de flageo con los slidos proporcionados junto con la base de datos, se
lograron establecer 13 mineralogas, 9 alteraciones y 10 litologas. Ver anexo 2.
Primero se realizara un anlisis de unidades geolgicas puras para el posterior reconocimiento de

las intersecciones, para esto se debe realizar un anlisis exploratorio de datos por interseccin
con el fin de conocer los comportamientos estadsticos, espaciales y geolgicos; el principal
objetivo de este punto es establecer la existencia de estacionalidad de orden dos mediante
derivas.
Esta estacionaridad de asume con el objetivo de reemplazar las repeticiones sobre las
realizaciones de la funcin aleatoria por una repeticin en el espacio, o sea, se supone que los
valores ubicados en distintas partes del espacio presentaran las mismas caractersticas (invariante
por traslacin). Luego en base a lo anterior se fueron comparando y uniendo posibles unidades,
basndose adems en las leyes medias, las desviaciones estndar y en los nmeros de datos.
Los criterios para unir las intersecciones y posteriormente formar las unidades de estimacin fue
en primera instancia el estudio de las leyes de cobre mediante Probplot o Histogramas. Ver anexo
3 para los demas Probplot.
10

Geoestadstica
Ilustracin 4 ProbPlot pre UE7
Si las intersecciones presentaban un comportamiento similar se poda predefinir una unidad de

estimacin con ambas intersecciones.
No solo basta con el parmetro anterior, sino que tambin se debe estudiar la distribucin
espacial de las intersecciones, de manera que exista una relacin espacial (proximidad y/o
contigidad entre las muestras), si dicha relacin espacial existe, es que se prosigue a un estudio
de leyes de cobre por las direcciones Este, Norte y Elevacin (X, Y y Z correspondientemente), es
decir, por derivas para establecer el principio de estacionaridad de orden dos.
11

Geoestadstica
12

Geoestadstica
Ilustracin 5 Anlisis de estacionalidad para tres direcciones Este ,Norte y Cota
Si las intersecciones presentaban un comportamiento similar se poda predefinir una unidad de

estimacin con ambas intersecciones. No solo basta con el parmetro anterior, sino que tambin
se debe estudiar la distribucin espacial de las intersecciones, de manera que exista una relacin
espacial (proximidad y/o contigidad entre las muestras), si dicha relacin espacial existe, es que
se prosigue a un estudio de leyes de cobre por las direcciones Este, Norte y Elevacin (X, Y y Z
correspondientemente), es decir, por derivas para establecer el principio de estacionaridad de
orden dos.
Ilustracin 6: Resumen estadstico zonas minerales
13

Geoestadstica
Continuacin se presenta una tabla de resumen unidades de explotacin
Tabla 6 resumen Unidades de Estimacin
UE Mineraloga Zona Mineral Alteracin

1 Enriquecimiento Dbil y fuerte 10 y 11 1,2, 5, 6 y 9
2 Enriquecimiento Dbil y fuerte, mixtos 10. 11 y 50 3
3 Estril Caja y Grava 20 y 21 2, 3, 4, 5, 6 y 9

4 Extica Grava 30 2, 3, 4, 6 y 9
5 Lixiviados 40, 41, 42, 43 y 44 1, 2, 3, 5, 6 y 9
6 xidos 60 2, 3, 5, 6 y 9
7 Sulfuros (alta ley) 70 3, 7 y 8
8 Sulfuros (baja ley) 70 1, 2, 4, 5, 6 y 9
3. Anlisis de Densidad
En relacin al tamao del compsito, al calcular la moda, se obtiene que el valor que ms se
repite corresponde a 2 metros, al igual que en el caso del cobre.
A continuacin, se presenta un resumen de la estadstica a de la densidad:
Ilustracin 7 Histograma densidad
14

Geoestadstica
4. Variografa
La importancia de este tpico es corroborar unidades de estimacin establecidas previamente y
justificar por qu no se defini como unidad de estimacin a cada unidad litologa, mineral y de
alteracin que compona la base de datos.
En la variografa resulta fundamental en el anlisis exploratorio de datos, pues permite determinar

parmetros como el nmero de pasos y el largo de estos, la tolerancia en las direcciones y en el
nmero de pasos, reconocimiento de outliers por medio de histogramas o nubes direccionales.
Es en la variografa donde se mide un aspecto muy relevante del EDA, ya que en ella se podr
mostrar el comportamiento de la varianza de los datos en un determinado espacio, definido por el
nmero de pasos a utilizar y el tamao de paso, adems de las tolerancias correspondientes.
Uno de los objetivos de este tem es poder determinar alguna direccin preferencial de
anisotropa(si es que existe) para las unidades de estimacin, dichas direcciones se podrn
apreciar en un mapa variogrfico, el que en resumidas cuentas muestra variogramas en todas las
direcciones lo que permitir distinguir una direccin preferencial en trminos de continuidad
espacial para la variable que se analiza(cobre total), para luego as obtener los variogrma
experimentales tanto para el rumbo, manteo y el plano perpendicular entre ambos .
4.1. Mapas Variogrfico
Para construir un mapa variogrfico como ya se dijo es necesario conocer el nmero de pasos y el
tamao de estos, tambin definir las tolerancias tanto en las direcciones como en el paso, adems
de un proceso de enmascaramiento de datos considerados como outliers.
El criterio usado para el tamao del paso fue en consideracin al distanciamiento entre sondajes y
el nmero de pasos en funcin de obtener una distancia en que se recorriera a lo menos la mitad
del espacio en donde estaban contenidas las muestras. Se debe tener cuidado con la eleccin del
tamao de paso, pues un paso muy pequeo har que el variogrma experimental se comporte de
manera ms errtica en cambio un tamao de paso elevado no permite estudiar la continuidad
espacial.
Adems, se utilizaron tolerancias tanto al paso como angular de un 50% y 45 % para abarcar
mayor nmero de pares de datos. El abuso de las tolerancias tanto para el paso como para las
direcciones pueden generar falsas direcciones de anisotropa.
El nmero de sectores del mapa variogrfico dependi en cada caso en donde se pudiese ver una
direccin de anisotropa. Respecto al nmero de pares mnimo a ser considerado vari segn el
15

Geoestadstica
caso, pues haba unidades de estimacin que tenan muy pocos datos y en consecuencia muy
pocos pares de datos.
4.2. Valores Escapados

Los valores escapados resultan determinantes a la hora de construir el mapa variogrfico, pues
esta muestra la variabilidad que existe en las muestras, es decir, que los datos escapados o outliers
impactan directamente en este mbito generando una mayor variabilidad. Es por esta razn que
se puede hacer un estudio de leyes mediante un histograma con el fin de enmascarar (proceso de
asignarle una ley de cobre mxima a una muestra que presenta una ley de cobre elevada respecto
a la poblacin a la que pertenece) dichos datos escapados con el fin de disminuir la variabilidad y
observar un Varmap mejor estructurado. El nmero mximo de datos a enmascarar se consider
como el 5% del total de datos.
En la siguiente tabla se presenta el nmero de datos enmascarados para cada unidad de

estimacin:
Ilustracin 8 Scatter Diagram con datos

Ilustracin 9 Scatter Diagram con datos escapados enmascarados
Las imgenes superiores corresponden al proceso de enmascaramiento de datos de la unidad de

estimacin 7 (UE7) en el que se consideraron como Outliers todas las muestras que posean un
porcentaje mayor a un 2 % de cobre total.
Tabla 7 Tabla resumen valores enmascarados
Unidad de
1 2 3 4 5 6 7 8
Estimacin
Datos
24 41 65 8 58 18 89 73
Enmascarados
16

Geoestadstica
4.3. Direccin
Respecto a las direcciones de anisotropa, son direcciones preferenciales en las que las unidades
de estimacin presentan la menor variabilidad, dicha direccin ser en la que se estudiar el
variogrma experimental si es que existiera.
Las direcciones de anisotropa se observan en colores fros en los mapas variogrfico. La

determinacin de una direccin de anisotropa no es tarea sencilla, pues est en funcin de todos
los parmetros que se nombraron, ahora bien, no todas las unidades de estimacin tienen
direccin de anisotropa, esto puede deberse a caractersticas propias del fenmeno.
Cuando a una unidad de estimacin no se le encuentre direccin de anisotropa o se considere

relativamente pequea a las dems respecto al nmero de muestras, es que se optara por realizar
un estudio variogrfico omnidireccional (en trminos prcticos se ignora la bsqueda de una
direccin preferencial de anisotropa).
Aqu se puede apreciar el mapa variogrfico de la unidad de estimacin nmero 7, en la que se

observ una direccin preferencial en el rumbo y una en el manteo de esta.
Ilustracin 10: Varmap UE7 Ilustracin 11 Variograma Experimentales direccin N250 y N340 (izquierda y
derecha respectivamente)
17

Geoestadstica
5. Modelamiento Variogrfico
Una vez que ya se conocen los variogrma experimentales de todas las unidades de estimacin se
prosigue a modelarlos.
Lo primero que se debe hacer para comenzar el modelamiento es encontrar el efecto pepa o
Nuggets. El valor de esta estructura se obtiene a partir de la generacin de un variogrma
omnidireccional en el muy corto alcance, con el objetivo de analizar el comportamiento que
presenta la variable en distancias muy pequeas. Es por esto, que el anlisis se realiz a partir de
un paso igual al tamao de compsito, a lo largo de cada sondaje.
Ilustracin 12 variogrma para clculo de efecto pepa
Una vez obtenida la pepa se prosigue a modelar el variogrma experimental con algn modelo
matemtico, para este caso en particular para todas las unidades de estimacin se consider el
modelo esfrico. Es importante ajustar el modelo de manera que pase por los puntos del
18

Geoestadstica
variogrma experimental que presenten mayor cantidad de pares de datos, pues dichos puntos
son los que le entregan la robustez al modelo.
Obteniendo el siguiente modelo variogrfico
Ilustracin 13 Variogrma Modelado
En la siguiente tabla se resumen todos los variogrma que se moderaron a partir de los variogrma
experimentales:
19

Geoestadstica
UE Azimut Dip Modelo Variografico
1 N 193 36 0.0095 + 0.0425 sph(32,32,32) + 0.0425 sph(128,128,128)
2 N 244 20 0.0206 + 0.093 sph(26,26,26) + 0.093 sph(104,104,104)
3 Omnidireccional Omnidireccional 0.0002 + 0.0007 sph(36) + 0.0007 sph(144)
5 N130 75 0.002 + 0.0010 sph(30,30,30) + 0.0011 sph(120,20,120)
7 N 70 85.7 0.0094 + 0.0425 sph(26,26,26) + 0.0425 sph(104,104,104)
8 N 170 56.84 0.0023 + 0.0106 sph(42,42,42) + 0.0106 sph(168,168,168)
6. Estimacin
Previo al proceso de estimacin es necesario validar el modelo variogrfico, para esto se utiliza la
tcnica de validacin cruzada, en esta se consideran parmetros que posteriormente sern
utilizados en la estimacin. El objetivo de la validacin cruzada es comprobar la relacin entre la
informacin que se posee(muestras) con los parmetros a utilizar en la estimacin, que hace
referencia al modelo variogrfico la correspondiente vecindad de bsqueda. En sntesis, se quiere
determinar la mejor vecindad de bsqueda para la estimacin. En trminos numricos para que la
validacin se apruebe la media del error estandarizado debe ser lo ms cercana a cero y la
varianza del error estandarizado tericamente 1.
6.1. Plan de Estimacin

El plan de estimacin requiere de un modelo de bloque que es una cubicacin simplificada de
cierto espacio en mltiples bloques de igual dimensin, el modelo de bloque debe corresponder
con las dimensiones y forma del yacimiento.
Los parmetros mostrados en la tabla anterior corresponden a la estimacin para la pasada 1, la

que dar lugar a los recursos medidos e indicados, esto se debe al mayor nivel de confianza que
entregan los parmetros, los que se restringieron acorde a los variogrma modelados. El minino
nmero de muestras para estimar vario en cada unidad de estimaron debido a su nmero de
muestra. El objetivo del caping busco evitar el efecto de los outliers en la estimacin, asignando a
valores escapados una ley menor como tope.
En cuanto a la estimacin para la segunda pasada se escogieron parmetros mucho ms

permisivos, de modo de estimar los bloques restantes, incrementando la vecindad de bsqueda. El
ser ms permisivo implica una menor confianza para la intimacin, por lo tanto, las segundas
pasadas correspondern a recursos inferidos.
20

Geoestadstica
Min Sectores Muestras Minima
UE U V W Muestras Angulares ptimas Distancia Caping
1 180 120 20 1 4 3 2 2%
2 90 70 50 1 4 3 2 3%
3 90 90 90 1 4 4 3 0.30%
4 130 130 130 1 4 5 4 1%
5 200 220 49 1 4 10 2 0.50%
6 150 150 150 1 4 6 2 1.29%
7 250 200 45 1 4 5 5 1.00%
8 260 260 40 1 4 15 5 1.00%
6.2. Estimacin por KO y Validacin

- Error relativo
Una vez realizada la estimacin se deben comparar los resultados obtenidos por Kriging
ordinario con los resultados obtenidos de desagrupar las leyes de cobre. Se debe recordar que
una de las propiedades del Kriging es que es un desagrupado, de aqu el sentido de comparar
ambos valores para generar un error relativo.
UE 1 2 3 4 5 6 7 8
Desagrupado(%) 0.524 0.79 0.216 0.387 0.229 0.41 0.65 0.39
KO(%) 0.52 0.77 0.22 0.38 0.22 0.42 0.67 0.38
Error relativo(%) -0.7633588 -2.5316456 1.85185185 -1.8087855 -3.930131 2.43902439 3.07692308 -2.5641026
Que el error relativo porcentual sea negativo quiere decir que el valor estimado por Kriging
Ordinario es menor que el valor de cobre estimado por el des agrupamiento. El menor error
porcentual lo presento la unidad de estimacin 1, en cambio el mayor error obtenido corresponde
a la unidad de estimacin 5, respecto a la unidad de estimacin 7 que es la que se ha ido
mostrando a lo largo del informe obtuvo un error relativo porcentual de 3.07%. Cabe destacar que
todos los errores relativos porcentuales resultaron menores que 5%, por lo tanto, se consideran
aceptables.
21

Geoestadstica
6.3. Validacin
Ilustracin 14 Validacin por derivas X e Y
Ilustracin 15 Validacin por deriva z
22

Geoestadstica
Validacin cruzada UE7
Media Varianza del

UE del Error Error
Estandarizado Estandarizado
1 0.05817 0.63557
2 0.04574 0.71419
3 0.06992 0.87152
4 0.123 0.87322
5 0.09212 0.60657
6 0.13023 0.70616
7 0.11564 0.7955
8 0.08984 0.80875
La tabla anterior presenta los parmetros para validar la estimacin para las dems unidades de
estimacin
23

Geoestadstica
7. Categorizacin
Se debe indicar que solo se categorizaran recurso y no reservas, debido a que se desconocen los
factores modificantes para las reservas. Para los recursos existen tres categoras: medidos,
indicados e inferidos, en orden decreciente de confiabilidad. En el caso del recurso medido, que
resultan ser de mayor confiabilidad.
Se realiz la categorizacin considerando la distancia entre las muestras, nmero de muestras y el

variograma; respecto al variograma se utiliz el alcance que presentaba, debido que, para
distancia mayores a este, las muestras pierden correlacin entre ellas. Respecto a la distancia
entre las muestras al alcance del modelo variogrfico y la distancia del bloque estimado se ajusta
de menor manera de corto alcance, siendo ms confiable. Lo ideas es tener bloques medidos
cercanos a las muestras.
Respecto al nmero de muestras ptimas se puede decir que es un parmetro con alto poder para
restringir y resulta crtico para unidades con baja cantidad de muestras; en resumen, el nmero de
muestras es determinante para determinar recursos medidos, as como los parmetros
anteriormente nombrados.
El nmero de recursos medidos, indicados e inferidos depender de los bloques estimados en

ambas pasadas. Medidos e indicados para la primera pasada e inferidos para la segunda pasada.
7.1. Down Grade (Castigos)
Posterior a la primera categorizacin ya descrita, es que resulta necesario volver a categorizar en

funcin de estndares de calidad (QA/QC), debido a que se puede estimar y categorizar de la
mejor manera, pero carece de sentido si los datos a partir de los cuales se hizo no son los
suficientemente confiables, por lo mismo es que existen estndares de QA/QC.
Se procedi a estimar el QA/QC por el mtodo del vecino ms cercano, para posteriormente
castigar la primera categorizacin con este parmetro. La idea es bajar de categora a los bloques
que no cumplan con los estndares de calidad. Como ejemplo un bloque que primeramente
pertenece a la categora de medidos, si no cumple el estndar de QA/QC baja de categora a
indicado, si era indicado y no cumple el estndar de categora a inferido, siendo la categora de
inferidos la ms baja. Finalmente despus de la penalizacin de la categora para los bloques se
contabilizaron 3.482.899 bloques dentro del pit de los cuales 134.649 son medidos, 970.917 son
indicados y 2.377.333 a inferidos.
24

Geoestadstica
Ilustracin 16 histograma con QA/QC Ilustracin 17 Histograma sin QA/QC
8. Reporte de Recursos
8.1. Curvas Tonelaje-Ley
La curva tonelaje ley se realiz acorde a aquellos bloques que se encuentran dentro de la
envolvente tcnico econmica o Pit de recursos. Para la construccin de la curva tonelaje ley no se
consideraron todas las categoras de bloques, solo se consideraron bloques caracterizados como
medidos e indicados, los inferidos fueron descartados debido a su baja confiabilidad en el estudio
tcnico econmico.
Ilustracin 18 curva tonelaje ley recursos medidos e indicados
La interpretacin de esta curva es que por ejemplo para una ley de corte 0.4 hay
aproximadamente 150 kton y una ley media de 0.6. Entonces este grafico permite conocer la ley
media y tonelaje en funcin de una ley de corte con un nivel de confianza dado por todo lo
anteriormente dicho.
25

Geoestadstica
9. Conclusiones
Primeramente, siempre se debe analizar la base de datos entregada por el mandate y la calidad de
esta, puesto que es necesario establecer validez en la informacin para asegurar un estudio
correcto a la hora de caracterizar recursos, en palabras ms sencillas se busca librara la base de
datos de inconsistencias que a la postre producirn sesgo en el estudio y la caracterizacin, por
ejemplo sondajes espacialmente inconsistentes como se presenta en este estudio en particular o
densidades negativas . La importancia de parmetros como QA/QC resulta importantsimo puesto
que permite castigar la categorizacin para bloques estimados con muestras que no cumplen el
estndar de calidad exigidos.
Respecto a la compositacin, es importante conocer el tamao de la regularizacin con el fin de

poder estudiar mejor la variabilidad del fenmeno, el tamao de composito depender para este
caso en particular del tamao modal de las regularizaciones. Lo que busca la compositacin es la
misma representatividad para el estudio. Se observa que para un mayor tamao de composito se
obtiene una menor cantidad de datos, una menor variabilidad y la ley media es prcticamente
invariante. En sntesis, la composicin busca un tamao de composito nico.
Respecto al anlisis exploratorio de los datos, resulta de vital importancia un estudio acabado
tanto estadstico como espacial de la variable de inters que en este caso es el cobre total. Un
estudio de este tipo permite establecer similitudes geoestadstica de entre unidades geolgicas,
as permite la definicin de unidades de estimacin, no solo la similitud estadstica es lo necesario,
adems es fundamental su ubicacin espacial, es por esto que se realiza estudio de derivas que
permitan sustentar la estacionaridad de orden dos, parmetro determinante para la definicin de
una unidad de estimacin. Para la formacin de una unidad de estimacin se privilegi la
mineralizacin y posterior mente el control por alteracin.
Una vez establecidas las Unidades de Estimacin es necesario establecer un anlisis variogrfico
para conocer la variabilidad del fenmeno en distintas direcciones. El objetivo del estudio
variogrfico es definir direcciones de anisotropas si es que existiesen (una direccin de
anisotropa es una direccin en la cual existe mayor continuidad espacial), las que tienen asociado
un variograma experimental, que posteriormente puede ser modelado para estimar. No todas las
unidades de estimacin poseen direcciones preferenciales, para estos cosos de habla de un
estudio omnidireccional. Los parmetros determinantes para el estudio variogrfico son el nmero
de pasos, el tamao de pasos, las tolerancias en las direcciones y el nmero de muestras por
direccin. El nmero de pasos est dado por la distancia mnima a recorrer (la mitad el
yacimiento). El tamao del paso estar dato por el espaciamiento entre las muestras. El
26

Geoestadstica
variograma experimental debe resultar con la mayor cantidad de pares de datos para asegurar
robustez.
Sobre la estimacin existen distintos factores importantes como las vecindades ptimas de
bsqueda, que est dada por el variograma, cantidad de muestras presentes en la unidad de
estimacin como establecer un caping o limitacin de leyes. La estimacin realizada por KO tiende
a sobre estimar leyes bajas y subestimar leyes altas. Tambin se debe mencionar que este mtodo
de estimacin es des agrupador natural, dicha estimacin debe ser validada. Una de las formas
importantes de validar es la validacin cruzada donde la media de error estandarizado debe ser
cercano a cero y la varianza del error estandarizado debe ser, dichos valores aseguran una
validacin correcta.
La categorizacin de los recursos y su clasificacin dependen del nivel de confianza que se utilice a
la hora de estimar, puesto que, si se es ms restrictivo se espera tener un nivel de confianza
mayor, ya que se busca asegurar la calidad del dato. La clasificacin dependi de dos pasadas de
estimacin, la primera siendo ms restrictiva dio lugar a recursos medidos e indicados (de
confianza aceptable) en cambio o la segunda pasada se fue ms restrictivo con el fin de estimar la
mayor cantidad de bloque no estimados previamente, esta pasada por su nivel de confiabilidad da
origen a recursos categorizados como inferidos; generalmente se observ mayor cantidad de
recursos inferidos ya que se fue menos restrictivo en la segunda pasada. Las categorizaciones
tambin dependen de parmetro de calidad que aseguran confiabilidad; por lo tanto, el parmetro
QA/QC servir para castigar a la categorizacin. La densidad debe ser estudiada con seriedad pues
que de ella depender el tonelaje en la curva tonelaje/ ley de corte.
No se declaran reservas en el presente informe, porque no se conocen los factores modificantes

que dan paso de recurso a reserva.
Un Pit de recursos, resulta determinante para establecer que bloques de los que fueron estimados
son tcnica y econmicamente viables; ignorando a todos los bloques que se encuentren fuera del
Pit de recursos. Con la ayuda del pit de recurso es posible establecer una curva tonelaje/ley que
tienen como finalidad conocer la ley media y el tonelaje para una ley de corte determinada. La CTL
solo estar compuesta con la confianza suficiente, es decir, por bloques indicados y medidos.
10. Bibliografa
Alfaro, M. (2007). Estimacin de Recursos Mineros. Santiago.
27

Geoestadstica
Quiones, C. (2016). Terminologa bsica para la Geoestadstica aplicada a la Minera.
Santiago.
Castillo, D. (2016). Clasificacin de Recursos. Santiago.
Castillo, D. (2016). Conceptos bsicos y Anlisis Exploratorio de Datos. Santiago
28

Geoestadstica
11. Anexos
11.1. Probplot
Zona de enriquecimiento (min 10 y 11)
29

Geoestadstica
1. Zona mineral 10 y 11, con alteraciones 1 y 2
30

Geoestadstica
11.2. Derivas
31

Geoestadstica
2. Zona mineral 10 y 11, con alteracin 3
32

Geoestadstica
3. Zona mineral 10 y 11, con alteraciones 5, 6 y 9
33

Geoestadstica
Zona Estril Caja y Estril Grava (Min 20 y 21)
34

Geoestadstica
35

Geoestadstica
36

Geoestadstica
37

Geoestadstica
Extica Grava
38

Geoestadstica
39

Geoestadstica
40

Geoestadstica
41

Geoestadstica
Lixiviados
42

Geoestadstica
43

Geoestadstica
44

Geoestadstica
Lixiviados, alteracin 1 2 3
45

Geoestadstica
46

Geoestadstica
Verde (alteraciones 1 2 y 3)
Azul (Alteraciones 5 6 y 9)
Coordenada y
47

Geoestadstica
>=8693500
<=8694100
Cota
>2175
Eso arroja un total de 5646 datos, y las siguientes derivas
48

Geoestadstica
49

Geoestadstica
50

Geoestadstica
51

Geoestadstica
52

Geoestadstica
Mixtos, oxidos y sulfuros
53

Geoestadstica
54

Geoestadstica
55

Geoestadstica
56

Geoestadstica
57

Geoestadstica
58

Geoestadstica
59

Geoestadstica
60

Geoestadstica
61

Geoestadstica
Sulfuros
62

Geoestadstica
63

Geoestadstica
64

Geoestadstica
65

Geoestadstica
Anlisis de Contacto
UE 1
UE8
Validacin cruzada
66

Geoestadstica
67

Geoestadstica
68

Geoestadstica
69

Geoestadstica
UE 1
70

Geoestadstica
71

Geoestadstica
72

Geoestadstica
73

Geoestadstica
UE 2
74

Geoestadstica
75

Geoestadstica
UE7
76

Geoestadstica
77

Geoestadstica
78

Geoestadstica
79

Geoestadstica
80

Geoestadstica
81

Geoestadstica
UE 2
82

Geoestadstica
83

Geoestadstica
84

Geoestadstica
85

Geoestadstica
UE5
86

Geoestadstica
87

Geoestadstica
88

Geoestadstica
UE 3
89

Geoestadstica
90

Geoestadstica
91

Geoestadstica
92

Geoestadstica
UE6
93

Geoestadstica
94

Geoestadstica
95

Geoestadstica
96

Geoestadstica
UE4
97

Geoestadstica
98

Geoestadstica
99

Geoestadstica
100

Geoestadstica
101

Informe Mery Orostica Vargas

Cargado por

Información del documento

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Informe Mery Orostica Vargas

Cargado por

Copyright:

Formatos disponibles

Facultad de Ingeniera

Departamento de Ingeniera de Minas

Proyecto Final Geoestadstica

Profesor Cristian Quiones

Ayudantes Francisco Olgun

Alumnos Pablo Mery

Luego se continu con un estudio estadstico/espacial exhaustivo de manera de poder definir

Encontradas las direcciones de anisotropa, es que se modelaron los variogramas experimentales

Curva Tonelaje Ley

1. Preparacin Base de Datos

De la informacin entregada en Collar es posible desprender que el trabajo realizado en campo da

Tabla 1 identificacin diferencia cut-cus negativa

Geoestadstica 1er Semestre 2017

Tabla 2 identificacin densidades negativas

Geoestadstica 1er Semestre 2017

Campaas N Tipo Control de calidad Trazabilidad Tipo lab

Tabla 3 Resumen Atributos base de datos

Geoestadstica 1er Semestre 2017

Ao 2003, son sondajes que permiten delimitar el yacimiento.

La siguiente tabla muestras las dimensiones obtenidas del yacimiento en estudio.

Tabla 4 dimensiones yacimiento

X [m] Y [m] Z [m]

Geoestadstica 1er Semestre 2017

Tabla 5 resumen compositacin

Geoestadstica 1er Semestre 2017

Ilustracin 3 visualizacin UE vista xz

2. Formacin de las Unidades de Estimacin

2.1. Criterios (EDA, continuidad y estacionaridad)

Primero se realizara un anlisis de unidades geolgicas puras para el posterior reconocimiento de

Geoestadstica 1er Semestre 2017

Ilustracin 4 ProbPlot pre UE7

Si las intersecciones presentaban un comportamiento similar se poda predefinir una unidad de

Geoestadstica 1er Semestre 2017

Geoestadstica 1er Semestre 2017

Ilustracin 5 Anlisis de estacionalidad para tres direcciones Este ,Norte y Cota

Si las intersecciones presentaban un comportamiento similar se poda predefinir una unidad de

Ilustracin 6: Resumen estadstico zonas minerales

Geoestadstica 1er Semestre 2017

Continuacin se presenta una tabla de resumen unidades de explotacin

Tabla 6 resumen Unidades de Estimacin

UE Mineraloga Zona Mineral Alteracin

2 Enriquecimiento Dbil y fuerte, mixtos 10. 11 y 50 3

3 Estril Caja y Grava 20 y 21 2, 3, 4, 5, 6 y 9

A continuacin, se presenta un resumen de la estadstica a de la densidad:

Ilustracin 7 Histograma densidad

Geoestadstica 1er Semestre 2017

En la variografa resulta fundamental en el anlisis exploratorio de datos, pues permite determinar

4.1. Mapas Variogrfico

Geoestadstica 1er Semestre 2017

4.2. Valores Escapados

En la siguiente tabla se presenta el nmero de datos enmascarados para cada unidad de

Ilustracin 8 Scatter Diagram con datos

Las imgenes superiores corresponden al proceso de enmascaramiento de datos de la unidad de

Tabla 7 Tabla resumen valores enmascarados

Geoestadstica 1er Semestre 2017

Las direcciones de anisotropa se observan en colores fros en los mapas variogrfico. La

Cuando a una unidad de estimacin no se le encuentre direccin de anisotropa o se considere

Aqu se puede apreciar el mapa variogrfico de la unidad de estimacin nmero 7, en la que se

Geoestadstica 1er Semestre 2017

Ilustracin 12 variogrma para clculo de efecto pepa

Geoestadstica 1er Semestre 2017

Obteniendo el siguiente modelo variogrfico

Ilustracin 13 Variogrma Modelado

Geoestadstica 1er Semestre 2017