QAQC Espanish PDF

Programa de Aseguramiento y
Control de Calidad de los Ensayos

para
Proyectos de Perforacin a un Nivel de Informe
de Pre-Factibilidad a Factibilidad
Preparado por:
Scott Long
AMEC
Mayo 2003
Programa de Aseguramiento y Control de Calidad de los Ensayos
TABLA DE CONTENIDOS
Pgina
1.0 INTRODUCCIN .................................................................................................1

2.0 DEFINICIONES ...................................................................................................4
2.1 Generalidades ..........................................................................................4
2.2 Duplicados de Muestras y Resultados Duplicados....................................6
2.3 Definiciones de Muestreo por Gy..............................................................8
2.4 Precisin y Conceptos Relacionados........................................................9
2.5 Ms en Cifras Significativas ....................................................................12
3.0 LABORATORIOS...............................................................................................13
3.1 Seleccin de un Laboratorio Primario .....................................................13
3.2 Seleccin de un Laboratorio Arbitral o de Verificacin..........................17
4.0 OBTENCIN Y CREACIN DE MATERIALES QA-QC.....................................18
4.1 Materiales de Referencia Estndar .........................................................18
4.2 Estndares Certificados Comercialmente ...............................................19
4.3 Creando Materiales de Referencia Estndar Personalizados .................21
4.4 Modelos ..................................................................................................27
4.5 Duplicado de Muestras ...........................................................................28
5.0 EMPLEANDO MATERIALES DE QA-QC...........................................................31
5.1 Entrega de Grupos .................................................................................31
5.2 Cantidades Recomendadas de Materiales de QA-QC ............................32
5.3 Manteniendo el Anonimato de los Materiales de QAQC .......................33
6.0 PROTOCOLOS Y CRITERIOS DEL CONTROL DE CALIDAD ..........................36
6.1 Concepto de Aceptacin y Rechazo de Grupos......................................36
6.2 Tipos de Errores .....................................................................................38
6.3 Identificacin de Puntos Alejados en Poblaciones de Resultados
Duplicados .........................................................................................................39
6.4 Obtencin de una Tabla de Referencia de Aprobacin y Falla Basado en
la Identificacin de Puntos Alejados...................................................................41
6.5 Tendencia del Laboratorio ......................................................................44
6.6 Prcticas para Monitorear la Calidad ......................................................44
6.7 Niveles de Exactitud Sugeridos ..............................................................46
6.8 Niveles de Precisin Sugeridos ..............................................................47
7.0 ANLISIS Y PRESENTACIN DE LOS RESULTADOS DE QA-QC .................48
8.0 ERRORES DE TRANSFERENCIA DE INFORMACIN ....................................55
9.0 ERRORES Y TRAMPAS COMUNES.................................................................57
9.1 Falta de Vigilancia ..................................................................................57
9.2 Prdida de Finos o Minerales Solubles al Agua......................................58
9.3 Mal Manejo de los Materiales de Referencia Estndar ...........................59
9.4 Introduciendo la Parcialidad en la Seleccin...........................................60
9.5 Preservando la Integridad de los Datos de Ensayo en Bruto ..................62
10.0 CONTROL DE CALIDAD DE LA BASE DE DATOS GEOLGICA ....................65
11.0 CONSIDERACIONES GEOTCNICAS .............................................................67
11.1 Recuperacin de la Perforacin..............................................................67
TDC 1
11.2 Contaminacin en Perforaciones por Circulacin Reversa .....................68

11.3 Topografa de las Perforaciones .............................................................68
11.4 Mediciones de Densidad en Masa ..........................................................68
12.0 REFERENCIAS .................................................................................................70
LISTA DE TABLAS
Tabla 3-1 Ejemplo de evaluacin de varios laboratorios ficticios ...................................16

Tabla 6-1 Lmites de tolerancia oficiales pre-establecidos por el estado........................42
Tabla 6-2 Ejemplo de parte de una tabla de aprobacin y falla para duplicados............43
LISTA DE FIGURAS
Figura 7-1 Uso de un promedio movible en un cuadro de control para mostrar la

tendencia del laboratorio ..............................................................................51
Figura 7-2 Grfico de dispersin x-y comparando dos laboratorios ...............................52
Figura 7-3 Ejemplo de un grfico para evaluar la precisin del laboratorio ....................53
Figura 7-4 Evaluacin de la precisin versus la ley empleando ventanas movibles de
desviaciones estndar de diferencias de pares divididos por la media de
la ley, versus la media de la ley....................................................................54
TDC 2
1.0 INTRODUCCIN
La estimacin de recursos puede ser comparada con un castillo de naipes, cuyos

cimientos son el muestreo y la observacin geolgica, el primer piso la preparacin de
muestras y clasificacin geolgica, el segundo piso el anlisis qumico y la
interpretacin geolgica, y el ltimo piso la geoesttica y el modelo de recursos. El
establecimiento de niveles de desempeo es un ejercicio de orientacin de objetivos
que debe realizarse cuidadosamente desde un inicio y revisado en los intervalos
apropiados. Los requerimientos muy exigentes representan prdida de dinero, ya que
el costo por muestra ser muy elevado, mientras que los requerimientos poco exigentes
tienden a generar prdida, debido a que podra ser necesario tener que rehacer el
trabajo, incluyendo el trabajo posterior que esta basado en informacin equivocada.
Los objetivos de un buen programa de Aseguramiento y Control de Calidad (QA-QC)

son:
1. prevenir el ingreso de grandes errores a la base de datos utilizada para el modelado de

recursos
2. demostrar que los muestreos y las discrepancias analticas son pequeos, con relacin a
las variaciones geolgicas
3. garantizar que la precisin de la informacin en la que se basa el modelo de recursos
pueda ser confirmada, dentro de los lmites razonables, por otros laboratorios, ensayos
metalrgicos, y en ltima instancia por la produccin del molino y de la mina.
El documento de factibilidad deber incluir evidencia que respalde la validez de la

informacin utilizada para construir el modelo de recursos (aseguramiento de la
calidad). Las categoras de informacin importantes incluyen: ensayos, geologa y
geotecnia. El presente documento est enfocado en la calidad de los ensayos y
considera adems algunas consideraciones geolgicas y geotcnicas.
Adems de ser un requisito para producir un documento de factibilidad integral, el

Aseguramiento y Control de Calidad (QA-QC) tiene beneficios intrnsecos. El
Aseguramiento de Calidad proporciona una medida de la incertidumbre en la
informacin base. Si se puede demostrar que los resultados de las evaluaciones son
altamente confiables, se reduce uno de los riesgos inherentes del proyecto, lo que
finalmente nos llevar a un financiamiento ms favorable o, en el caso de un proyecto
con fondos internos, otorgar una prioridad ms alta con relacin a otros proyectos
considerados por el directorio de la compaa. Es muy comn que la falta de un
adecuado Aseguramiento de Calidad conlleve a demoras en el financiamiento y
desarrollo del proyecto, mientras que se recolecta dicha evidencia, lo que incrementa el
costo de produccin del proyecto.
En la medida que el Control de Calidad conlleve a la correccin de errores y cambios en

procedimientos que mejoren la calidad de la informacin general, esto puede contribuir
en la elaboracin de un modelo de recursos capaz de categorizar ms mineral como
medido e indicado (opuesto a inferido) para un espaciamiento de perforacin
determinado. A cambio, esto permitir un espaciamiento ms amplio de las
Pgina 1
perforaciones adicionales. Estos beneficios slo se pueden obtener si el Control de

Calidad se realiza a tiempo. Frecuentemente los procedimientos de muestreo y
preparacin de mayor costo-efectivo no son seleccionados y las correcciones a los
resultados de los ensayos no son completadas antes de tomar decisiones respecto al
modelado sobre la base de la informacin disponible, independientemente de su
calidad. Comnmente, los resultados del control de calidad no son analizados y las
acciones correctivas no son tomadas, o son dadas en una etapa tarda del programa lo
cual genera atrasos.
La meta de un programa de QA-QC es demostrar y mantener una buena exactitud y

una precisin adecuada para muestras de mineral de ley. Los programas QA-QC son
diseados para monitorear la precisin (reproductividad), y cuantificar cualquier
parcialidad posible (precisin). Se debe enfatizar la presentacin de una clara visin en
cuanto a la confiabilidad de los datos del ensayo, de tal manera que se pueda
demostrar que hay una buena relacin entre los procedimientos utilizados en la
construccin del modelo de recursos y la calidad de la informacin utilizada en dicho
modelo.
Existe una dicotoma entre los requerimientos analticos de la fase inicial de la

exploracin superficial y la definicin de los recursos, la cual muchas veces se olvida.
La exploracin superficial requiere un alto nivel de precisin para las bajas
concentraciones y frecuentemente est relacionada con resultados cercanos a los
lmites de deteccin analtica. Debido a que la mayora de las muestras de exploracin
estn por debajo de la ley del mineral, durante el anlisis inicial no es tan necesario
medir la ley de mineral de las muestras con exactitud, ya que dichas muestras
constituyen una fraccin muy pequea de las muestras analizadas y por lo tanto pueden
ser re-analizadas rutinariamente a un costo adicional muy bajo. Esto permite al
explorador confirmar la exactitud de los valores anmalos antes de involucrarse en el
costoso procedimiento de volver a visitar y muestrear los sitios anmalos. En esos
casos, una re-evaluacin selectiva resulta apropiada puesto que el propsito es
identificar las anomalas y no cuantificar las leyes del mineral.
En contraste, las muestras de perforacin recolectadas durante la definicin de recursos

(perforacin de relleno) son en muchos casos predominantemente minerales de ley e
incluso muchos de los resultados por debajo del nivel de corte de los minerales de ley
frecuentemente se consideraran anmalos en un contexto de exploracin. Por lo tanto,
ya no es prctico ni apropiado re-analizar las muestras con altos valores. Las
estimaciones parcializadas de leyes promedio pueden ser obtenidas en casos donde las
muestras son seleccionadas para re-evaluacin nicamente en base a su ensayo inicial;
esto ser referido como seleccin parcializada y ser desarrollada a detalle ms
adelante.
La siguiente seccin emplea mayormente ejemplos tomados de programas QAQC de

proyectos de perforacin de oro. La mayora de reglas empricas aqu utilizadas son
aplicables para establecer programas para otros minerales no industriales. Los niveles
de QA-QC sugeridos en este documento son suficientes para cumplir con los
requerimientos que se buscan en la mayora de los estudios de factibilidad
desarrollados actualmente. Cabe mencionar que como los mtodos de muestreo,
Pgina 2
evaluacin y procesamiento de datos mejoran constantemente, se espera que los

requerimientos de los estudios de factibilidad se vuelvan ms exigentes; el nivel de
calidad que debe demostrarse depende de lo que se pueda obtener razonablemente; y
esto est cambiando.
Pgina 3
2.0 DEFINICIONES
2.1 Generalidades
En el contexto del presente documento, Aseguramiento de Calidad se refiere a la
informacin recolectada para demostrar y cuantificar la confiabilidad de los datos de los
ensayos. El Control de Calidad consiste en los procedimientos utilizados para mantener
el nivel de calidad deseado en la base de datos de los ensayos. El Aseguramiento de
Calidad puede, hasta cierto punto, ser adicionada posteriormente en el programa. El
Control de Calidad, por seguridad, slo puede llevarse a cabo en tiempo real.
Los programas de QAQC detallados son diseados para monitorear el muestreo

rutinario y el desempeo del laboratorio en un esfuerzo por controlar (minimizar) el
posible error total en la secuencia muestreo cuarteo anlisis. QA-QC en el
muestreo y ensayo se logra con el monitoreo y control de cuatro componentes
esenciales de dicha secuencia:
recoleccin y cuarteo de las muestras en campo

preparacin y sub-muestreo (cuarteo) de las muestras en laboratorio
exactitud y precisin analtica
exactitud del informe (del personal o transferencia de datos)
Los programas de QA-QC en el muestreo y ensayo integran un programa de insercin

rutinaria de materiales de control de calidad en diferentes etapas crticas del proceso de
recoleccin, preparacin y ensayo de muestras, con determinaciones analticas
desarrolladas en varios laboratorios:
La insercin rutinaria de materiales de control de calidad incluye una cantidad de

diferentes tipos de materiales de control de calidad para monitorear y medir el desempeo
del laboratorio. Estos incluyen:
- material de referencia estndar (MRE),
- material en blanco, consistente en material desprovisto del (los) elemento(s) o
producto de inters econmico, o desprovisto de un contaminante que afecta el
costo de un proceso o decisin
- muestras duplicadas.
Se utilizan varios laboratorios: el laboratorio primario ensaya todas las muestras. Los
resultados del laboratorio primario son empleados. Muchas veces, proyectos de larga
duracin o de gran envergadura trabajan con varios laboratorios primarios. Contar con
ms de un laboratorio primario deber ser evitado en la medida de lo posible, ya que esto
adiciona complejidad en la evaluacin de la calidad de la informacin e introduce
pequeas (o muchas veces grandes) parcialidades que son perjudiciales en el proceso de
anlisis de la informacin. Lo mismo se da para grandes cambios en el protocolo analtico
del mismo laboratorio. Otros laboratorios secundarios analizan algunas de las muestras
para validar los resultados del laboratorio primario; cuando esto se realiza a tiempo stos
proporcionan una metodologa para ejercer un control de calidad en el laboratorio primario.
Pgina 4
En la prctica, un programa de QA-QC se mantiene gracias a las entregas rutinarias al

laboratorio primario de las muestras del proyecto (originales), las cuales estn
acompaadas de una intercalacin ciega de materiales QA-QC. La definicin de ciega
significa que los materiales utilizados para evaluar el desempeo del laboratorio no son
perceptibles entre las muestras entregadas, evitando que dichos controles reciban un
tratamiento especial en el laboratorio. El tratamiento especial en el laboratorio puede
parecer tan inofensivo como que el laboratorio observe el desempeo de los estndares
incorporados por el cliente y decida volver a correr el grupo de muestras en los casos
en los que la concordancia sea pobre; esto impide que el laboratorio del cliente obtenga
una medida independiente del desempeo del laboratorio. Todos los laboratorios
comerciales de buena reputacin tienen sus propias medidas de control de calidad, y no
tienen necesidad de incluir las evaluaciones independientes del cliente sobre su
desempeo.
El laboratorio secundario (arbitral) realiza los ensayos de verificacin en una muestra

representativa de las pulpas previamente analizadas u otros materiales rechazados. La
combinacin de resultados de los estndares insertados y ensayos de verificacin
deber ser empleada por el gerente de proyecto para aceptar o rechazar los resultados
del grupo de muestras del laboratorio del laboratorio primario. Es una prctica
ampliamente aceptada el estipular que el laboratorio de verificacin emplee un mtodo y
tamao de muestra similar que el empleado por el laboratorio primario. El empleo de
ensayos de calidad arbitral para los ensayos de verificacin resulta costoso y no es
comnmente empleado, excepto para casos donde se requiere de la opinin de un
tercero y existen razones (tales como el riesgo de una accin legal) que justifiquen el
gasto.
Hay dos componentes para establecer los objetivos del nivel de desempeo,
independientemente de lo que se est analizando. La precisin es la habilidad para
reproducir una medida consistentemente. La exactitud es la cercana (en promedio) de
dichas medidas al valor verdadero. En la medicin del tiempo, un reloj moderno es
ms preciso que uno solar, pero el solar ser ms exacto si el reloj moderno est
programado para un lugar a ocho zonas horarias de diferencia. Nunca se sabe cul es
el valor verdadero, pero en la prctica generalmente puede ser estimado a un nivel de
confianza, o intervalo de confianza suficiente. Un intervalo de confianza comnmente
empleado es el correspondiente a 95%; este es el intervalo (ms o menos) alrededor de
la media que tiene el 95% de probabilidad de incluir el valor verdadero. Este intervalo
de confianza de 95% es muchas referido como el error estndar de la media.
Otra analoga comnmente empleada es el blanco de disparo. Si el patrn de los

disparos se encuentra muy junto o agrupado, se dice que el disparo ha sido preciso,
an si no han cado en el centro del blanco: el observador puede predecir con cierta
confiabilidad el rea en la que el prximo disparo probablemente caer. Para ser
exactos, los disparos deberan estar distribuidos de forma pareja alrededor del centro
del blanco, an si no estn concentradas en un solo punto. Cuando los disparos se
dispersan alrededor del centro del blanco, se incrementa la dificultad de determinar con
confianza que el disparo ha sido exacto. Entonces, hay una conexin entre la
exactitud y la precisin: si la precisin es pobre, se requiere de ms mediciones (es
decir, ms muestras) para lograr un resultado exacto, o una evaluacin de la exactitud
Pgina 5
del grupo de resultados. Cualquier demostracin de que el grupo de resultados no est

parcializado, o cualquier esfuerzo para cuantificar una parcialidad, tiene una
incertidumbre (un intervalo de confianza) que est relacionado con la precisin de las
mediciones.
2.2 Duplicados de Muestras y Resultados Duplicados

Existe una carencia de concordancia en Norte Amrica en lo que puede considerarse
como una muestra duplicada, y muchas veces una falta de apreciacin de la necesidad
de proporcionar descripciones adecuadas de diferentes tipos de muestras duplicadas, y
analizar sus resultados por separado. Existen algunos principios fundamentales que
AMEC considera debern tomarse en consideracin al emplear el trmino duplicado:
Una muestra duplicada tiene la misma ubicacin espacial que la muestra original. Por ello,
la segunda mitad de un testigo de perforacin, an tomado del mismo intervalo, no es
estrictamente un duplicado ya que tiene una diferente (aun de pequea diferencia)
ubicacin. Lo mismo se da para muestras de canal subterrneas y de zanjas. Muchas
veces stas son referidas como re-muestras o muestras gemelas (y an la mayora de
gemelos no son idnticos) en lugar de duplicados. De forma similar, muchas veces los
geoqumicos de exploraciones colectan duplicados de campo que en realidad con
muestras espaciadas muy cerca. Los duplicados slo pueden obtenerse por cuarteo de
muestras representativas de minerales partidos porque todo lo dems contiene un
componente espacial.
Puede que un resultado de ensayo sea considerado como duplicado de otro si es que se
cree que la distincin entre la muestra original y el duplicado es arbitral. Usualmente, esta
circunstancia slo se da cuando un laboratorio analiza una segunda sub-muestra de la
pulpa en un mismo grupo. Algunos laboratorios comerciales se refieren a esto como una
rplica, ya que generalmente este trmino no es empleado para referirse a otro aspecto.
Es mejor referirse a los ensayos de verificacin de duplicados de muestras de pulpa como
ensayos de verificacin de la misma pulpa, en lugar de resultados duplicados.
Generalmente existe cierta medicin de la variabilidad entre los resultados del ensayo
realizado por diferentes laboratorios o diferentes protocolos en el mismo laboratorio. El
intercambio arbitrario de resultados originales y duplicados no puede realizarse,
distinguindolos de rplicas. En algunos casos uno descubre que, an cuando las
muestras originales y duplicadas han sido reportadas y procesadas en exactamente la
misma manera, existe una significativa (es decir, real) variacin; esto significa que la
recoleccin de muestras y preparacin de protocolos no estn proporcionando muestras
representativas, siendo esto una seal de alarma.
Los duplicados debern ser descritos en la etapa del proceso donde han sido
colectados. Los duplicados slo pueden ser generados donde una etapa del proceso
reduce la masa de una muestra tomando una sub-muestra (es decir, la muestra es
dividida o cuarteada). En el caso de duplicados de campo se requiere que la muestra
sea dividida antes del proceso. Esto es comnmente ejecutado en perforaciones de
circulacin reversa colectando una segunda muestra (preferentemente del mismo
tamao) de la porcin no colectada de los cortes de perforacin.
Generalmente se pueden generar tres tipos de muestras duplicadas:
Pgina 6
Duplicados de Pulpa: Son fracciones, o inserciones de porciones no empleadas, de las

mismas pulpas empleadas en el ensayo original. Las fracciones de pulpas son enviadas al
laboratorio arbitral, y tambin pueden ser re-etiquetadas y re-enviadas al laboratorio
primario con un nmero de muestra diferente, acompaando a un grupo diferente de
muestras. Estas proporcionan una medicin de la exactitud de la determinacin inicial
realizada por el laboratorio primario, y un estimado de la varianza analtica + la varianza
del sub-muestreo de la pulpa. Usualmente, la etapa de cuarteo o separacin de la pulpa
no es realizada de forma adecuada, lo que puede impactar los resultados en los casos de
ensayos de oro con partculas de oro mayores a 20 micrones.
Duplicados de Gruesos Rechazados: Son fracciones tomadas en al momento donde
inicialmente se reduce el tamao (peso) de la muestra, esto normalmente ocurre despus
de chancar la muestra de la perforacin a un tamao pasante la malla #10. Estas
fracciones son mejor analizadas por el laboratorio primario, como una verificacin en
cuanto a la adecuacin de la preparacin de la muestra. Estos duplicados proporcionan
una medicin de la varianza incluida en los duplicados del laboratorio de verificacin,
adems de la varianza introducida por los procedimientos de preparacin de muestras,
ms la varianza del sub muestreo del material grueso rechazado. Otros nombres incluyen:
segundas pulpas, recuarteos. En las circunstancias donde se emplea ms de una etapa
de chancado y cuarteo (por ejemplo, chancado a la malla #10, cuarteo, chancado a la
malla #40, cuarteo), la etapa de cuarteo deber ser indicada, por ejemplo: recuarteos de
la malla #10 o segundas pulpas de rechazo de la malla #40.
Duplicados de Campo (Equipo de Perforacin): Son fracciones de duplicados
(comnmente separados en ) recolectados en el sitio de la perforacin para el
revestimiento de la perforacin rotativa. Se les deber asignar un nmero de muestra
nico en el sitio (o un sufijo, como A). Si se recolectan y analizan cuidadosamente en el
mismo laboratorio bajo los mismos procedimientos, estas fracciones pueden proporcionar
un estimado de la varianza contribuida por el proceso total de recoleccin de muestra,
preparacin y ensayo.
Otro factor que vale la pena considerar en situaciones especiales es si los duplicados
son procesados juntos en un mismo grupo o en grupos separados. Una comparacin
de duplicados del mismo grupo versus diferente grupo puede ser empleado para
verificar el desempeo errtico del laboratorio. Esto no es comn y casi no es usado,
salvo que otra informacin, tal como el desempeo en estndares insertados, lleve a
uno a considerar que hay un problema.
A continuacin se describen algunos ejemplos de descripciones adecuadas de

duplicados:
Las rplicas de laboratorio consisten en duplicados creados por el laboratorio (no ciegas) para ser
usadas en su control de calidad, consistentes en 30 gramos de material P-95 #150 tomado del
mismo sobre de pulpa que la muestra original. Estas han sido analizadas al mismo tiempo. Dado
que el laboratorio basa sus decisiones de si entregar sus valores dependiendo de que tan bien estos
duplicados concuerdan, el desempeo de los duplicados muestra que el laboratorio considera un
desempeo aceptable para este material y protocolo. Dado que los resultados malos son excluidos
de este proceso, los valores de desempeo pueden indicar un desempeo mejor al que se obtendra
con duplicados de muestras ciegas del mismo tipo.
Los duplicados de gruesos rechazados consisten en segundos cuarteos de la fraccin rechazada de
la salida de la chancadora, determinada por ensayos de tamizado (ver grfico) en aproximadamente
P-95 (la mediana del porcentaje pasante la malla #10 fue de 78%), pesando entre 400 y 800
gramos. Las muestras fueron re-etiquetadas con la finalidad que el laboratorio desconozca cul
Pgina 7
muestra ha sido duplicada. Estas muestras fueron entregadas en la misma carga de sus
equivalentes muestras originales, pero no necesariamente han sido ensayadas junto con la muestra
original.
Los duplicados de perforacin consisten en la recoleccin de toda la fraccin rechazada de un
separador Gilson empleado en el sitio de perforacin (para el caso de muestras secas) o de un
separador de cono rotativo (para el caso de muestras hmedas) montado en la perforadora. En el
caso de duplicados secos, toda la fraccin rechazada fue pasada por el separador Gilson y luego
separada repetidamente para obtener una segunda muestra (duplicado) de aproximadamente la
misma masa (4 a 8 kg) de la muestra original. Las muestras hmedas fueron enviadas al lugar de
preparacin para su secado, luego del cual fueron separadas empleando un cuarteador hasta
aproximadamente la misma masa de las muestras originales. El tamizado de 10 de los rechazados
seleccionados al azar mostraron que las muestras secas son de aproximadamente P-95 y las
muestras hmedas de aproximadamente P-95 .
2.3 Definiciones de Muestreo por Gy

Pierre Gy, fundador de la teora moderna de muestreo, proporciona las siguientes
definiciones:
Lote: recoleccin total de material del que se requiere estimar algn

componente.
Componente: la propiedad que se requiere estimar empleando la muestra, tal como la

ley.
Muestra: la parte de un lote en la que se llevar a cabo la determinacin de un

componente, donde cada parte del lote tiene una misma probabilidad de
ser seleccionada en la muestra. Entonces, una muestra es un
representativo del lote.
Espcimen: la parte de un lote en la que se llevar a cabo la determinacin de un

componente, pero donde no se ha respetado la igual probabilidad de
seleccin. Las mediciones realizadas en especimenes no pueden ser
empleadas para tipificar los lotes de donde se han extrado los
especimenes.
Incremento: alguna fraccin de una muestra (puede ser 1), seleccionada de un lote
con un corte sencillo del dispositivo de muestreo. Un nmero de
incrementos puede ser combinado para formar una muestra.
Gemelo: Juego de dos o ms muestras intermedias de un mismo rango, obtenidas

bajo condiciones similares, al mismo tiempo, usualmente como resultado
de de la separacin de una nica muestra intermedia. La diferencia
relativa entre la masa y la composicin de las muestras gemelas es una
variable al azar con media cero. En un muestro comercial, las muestras
gemelas son distribuidas a las partes, arbitrales, etc., o mantenidas.
Estas definiciones son en algunos casos ligeramente diferentes a aquellas comnmente

usadas en Norte Amrica. Por ejemplo, el trmino gemelo es generalmente aplicado a
Pgina 8
perforaciones que son ejecutadas muy cerca de otras; lo que Gy considera con gemelo
es muchas veces empleado como duplicado; un lote es comnmente llamado un grupo;
un incremento es muchas veces llamado una fraccin. Notar que la distincin entre
espcimen y muestra es muy til ya que muchas veces esta distincin no es dada, y
uno ve el trmino muestra representativa (redundante en la nomenclatura de Gy) para
distinguirla de muestras que en realidad son especimenes. De acuerdo con Gy, un
espcimen no puede ser empleado para estimar un componente de un lote.
2.4 Precisin y Conceptos Relacionados

Un primer curso de qumica puede introducir el tpico de precisin en trminos de la
medicin del error en el pesado de un cierto material. Suponiendo que una balanza
proporciona mediciones en incrementos de 0.01 gramos y uno desea determinar el
contenido de humedad de una muestra. Uno pesa cerca de 15.00 gramos. En este
curso del primer ao a uno le ensean que la incertidumbre en ese peso es de 0.01
gramo, la resolucin de la balanza y esa es la manera como a uno le instruyen que
debe anotar: 15.00 0.01. El peso tiene cuatro cifras significativas: el nmero de dgitos
vlidos. Si uno escribe 15.000, esto implicara que uno cuenta con cinco cifras
significativas, lo que es incorrecto, lo mismo que 15.0, que son slo tres. Entonces, el
nmero de cifras significativas tiene una conexin con la precisin implicada.
Luego de secar la muestra y pesarla de nuevo, se obtiene un peso de 14.91 gramos, el

mismo que es registrado como 14.91 0.01. En este curso del primer ao a uno le
ensean a calcular la diferencia y sumar los errores, donde se obtiene 0.09 0.02. Todo
ha cambiado: la respuesta slo tiene una cifra significativa con un gran error adjunto a
ella. Ahora, al calcular el porcentaje del contenido de humedad dividiendo 0.09 entre
15.00, se obtiene 0.6%, o es 0.60% 0.600%?, cul es el error? Las unidades estn
en porcentaje por lo que no se puede emplear unidades de gramos para expresar el
error. Los errores deben convertirse a errores relativos, los que se expresan en
porcentajes, y entonces son independientes de las unidades. Esto se logra dividiendo
el error por la medicin. Entonces, 0.09 0.02 gramos se convierte en 0.09 gramos
22%, y 15.00 0.01 gramos se convierte en 15.00 gramos 0.0667%. El error del
contenido de humedad es entonces (0.0667+22) % lo que an equivale a 22%, y el
nmero de cifras significativas es determinado por el tem que tiene la menor cantidad, y
es por lo tanto uno.
A pesar que la respuesta en el ejemplo anterior es sustancialmente correcta, la

metodologa en si es incorrecta y una estimacin correcta del error siguiendo el
procedimiento anterior slo se obtiene en los casos donde uno de los trminos tiene un
error relativo mucho mayor que el resto. En todos los dems casos, el error relativo
estimado empleando el mtodo anteriormente mencionado ser mucho mayor al
verdadero error producido por la balanza. Los errores (estimaciones de precisin para
cada instrumento) dados como porcentajes relativos no son aditivos. Las varianzas son
aditivas y stas son proporcionales a la suma de los cuadrados de los porcentajes. Por
ello, una mejor estimacin del error (precisin) en el ejemplo anterior sera:
[(0.0667)2 + (0.22)2]
Pgina 9
lo que da aproximadamente
(0.22)2 = 0.22 22%
Entonces, en este caso el mtodo dado dio un resultado correcto. No hubiera dado un
resultado correcto si los errores relativos hubieran sido similares. Por ejemplo,
considerar un caso donde luego de secar la muestra de 15.00 0.01 gramos, el peso del
material restante es 8.00 0.01 gramos. Ahora los errores relativos son 0.0667% y
0.125%. La suma de stos da un error de 0.067+0.125 = 0.19%, que difiere de tomar la
raz cuadrada de la suma de los cuadrados,
[(0.0667)2 + (0.00125)2] = 0.14%
Otra deficiencia en el ejercicio de laboratorio se introduce al final: la suposicin que

existe una medicin del error constante, equivalente a 0.01, producida por la balanza.
Esto es poco probable de darse. Si uno desea saber cul es el verdadero error, uno
debera de tomar muchas mediciones (de la misma muestra) y obtener una distribucin
de los resultados. Para el peso inicial de la muestra, habra muchos resultados
equivalentes a 15.00, 15.01 y 14.99, ms una menor incidencia de pesos como 14.98 y
15.02. Muchas veces esto resulta un ejercicio til de realizar en balanzas de oro para
determinar cun reproducible es el peso en pequeos glbulos.
La distribucin de los pesos cerca de los 15.00 gramos sera relativamente simtrica de
ser graficada como un histograma. Cul es la precisin? Si uno emplea todo el
universo de valores obtenidos, la precisin dada es ms una funcin de cuntas
mediciones han sido tomadas en lugar de un factor intrnseco en el proceso de pesado.
Consecuentemente, es preferible emplear una proporcin de la poblacin en vez del
100% (el universo de mediciones).
La convencin ms empleada es de expresar la precisin en trminos de desviaciones

estndar, muchas veces referido como sigma (). Es importante recordar que esto tan
slo es una convencin, si bien uno tiene ciertas razones matemticas detrs de ello, y
an dentro del contexto de la convencin, la precisin es generalmente expresada en
trminos de algn mltiplo de desviaciones estndar en lugar de uno.
Una indicacin de precisin (por ejemplo 20%) sin una referencia al nmero de
desviaciones estndar (percentil) de la poblacin asociada con esa precisin, no tiene
sentido alguno.
El rango determinado por la media ms o menos una desviacin estndar abarca cerca
del 68% de la poblacin. Ms o menos 2 abarca cerca del 95%. Ms o menos 3
abarca cerca del 99.8%. Otro rango comnmente usado es 1.65, ya que ste
corresponde al 95% de la poblacin. Otro de los rangos que se tomarn en el presente
documento es 1.414, que abarca cerca del 84% de la poblacin. El nmero 1.414
proviene de la raz cuadrada de 2, el que muchas veces surge cuando se trabaja con
pares de resultados duplicados.
Pgina 10
La precisin se torna ms pobre para mediciones de gradacin cercanas al lmite de

deteccin analtica, un valor establecido por el laboratorio de ensayo para su
procedimiento analtico; las muestras con concentraciones (gradaciones) por debajo del
lmite de deteccin no pueden ser medidas cuantitativamente con el procedimiento
analtico y son reportadas como menor a la deteccin. Muchas veces stas son
reportadas en los certificados de ensayo como el lmite de deteccin precedido por un
signo menor que (<). Se puede escuchar a un analista qumico referirse al lmite de
deteccin tres-sigma o al lmite de deteccin dos-sigma. Esto tiene que ver con el
valor en el que la proporcin de lecturas correspondiente detecta la presencia del
elemento ensayado. Entonces, un lmite de deteccin definido por el criterio de 3 es
mucho ms confiable que uno definido por 2. Recprocamente, dadas las mismas
condiciones del instrumento, un lmite de deteccin de 3 ser mayor que un lmite de
2. Generalmente este hecho no se muestra en los folletos del laboratorio, a pesar que
los lmites de deteccin generalmente son indicados.
Las variaciones son aditivas; cada paso de recoleccin, procesamiento y anlisis de

muestra aaden variaciones. Las fuentes de variacin del procesamiento de muestras
se pueden medir y controlar utilizando procedimientos de muestreo y anlisis
apropiados. La variacin geolgica es inherente en la naturaleza de un determinado
depsito potencial y no se puede controlar; una alta varianza en la distribucin de
mineral es compensada recolectando ms muestras (disminuir el espaciamiento de la
perforacin) y de mayores tamaos (mayor dimetro de perforacin).
Los resultados duplicados muestran la varianza contribuida por todas las etapas en el
proceso que le sigue a la creacin del duplicado. Empleando un nmero suficiente de
resultados duplicados de cada etapa del proceso, es posible calcular la varianza
contribuida por cada etapa del proceso sustrayendo la varianza calculada en la etapa
siguiente. Tales comparaciones son ms confiables si las mismas muestras son
empleadas para crear duplicados en cada etapa, lo que es una prctica comn al
realizar experimentos para optimizar un conjunto de protocolos. Las comparaciones
son vlidas an si las diferentes muestras son empleadas para generar duplicados en
las diferentes etapas, siempre y cuando el mtodo para seleccionar cuales muestras
son duplicadas es el mismo para las diferentes etapas, o no es parcializado con
respecto a los parmetros que afectan la varianza. Tales parmetros incluyen
mineraloga y ley.
Esta informacin permite identificar la etapa en el proceso que est produciendo la

mayor varianza. Si se desea mejorar la precisin de los valores del ensayo, se deber
considerar un mayor tiempo y esfuerzo en esta etapa. Muchas veces se malgasta
tiempo y dinero en mejorar etapas equivocadas del proceso de preparacin y anlisis,
como es subsecuentemente revelado por un mejoramiento despreciable en la precisin
de los duplicados de perforacin. En palabras de Pierre Gy, Una mala muestra no
tiene memoria; no se puede, por ejemplo, compensar un protocolo de chancado
inadecuado en la preparacin de la muestra mejorando el protocolo de ensayo; as
como las mejoras en el chancado no proporcionarn beneficio alguno si el problema
yace en el protocolo de ensayo. Recprocamente, un conjunto de protocolos de
Pgina 11
muestreo, preparacin y ensayo que muestra en trminos generales contribuciones

equivalentes a la varianza de cada etapa el proceso puede ser descrito como un diseo
balanceado y puede ser mejorado por un incremento de mejoras en cualquiera o todas
las etapas del proceso. Las mejoras suelen ser obtenidas incrementando la masa de la
muestra o reduciendo el tamao de la partcula, o ambos.
2.5 Ms en Cifras Significativas

Un resultado tiene un cierto nmero de cifras significativas: el nmero de dgitos que
varan como consecuencia de una medicin. Estos no debern ser confundidos con los
dgitos (siempre cero) empleados para mantener una posicin. Por ejemplo, un
elemento que tiene un lmite de deteccin de 10 unidades generalmente tendr valores
mnimos de <10, 10, 20, 30, y as sucesivamente. Estos valores tienen una cifra
significativa a pesar que se requiere de dos dgitos para expresarlos empleando una
determinada unidad de medida.
Si se considera un caso donde un conjunto de resultados tiene tres cifras significativas,

cubriendo un rango de valores de 0.100 a 0.999, para que el ltimo dgito tenga
significado, debe haber un nivel de confianza razonable que la incertidumbre en la
medicin es menor a 0.005 unidades.
Entonces, la precisin implicada de tres cifras significativas cae dentro de 5/100 y 5/999,
0.5% a 5%. Notar que este nivel de precisin es para la ltima etapa de ensayo
obtenido de la misma solucin de la muestra, o en el caso de ensayos gravimtricos de
oro fire assay del mismo glbulo de oro. Esto no incluye la varianza introducida en el
sub-muestreo al tomar una muestra de pulpa diferente. Similarmente, un resultado con
dos cifras significativas implica una precisin dentro de 5% y 50%.
Cuando un resultado tiene una cifra significativa, como es el caso cerca del lmite de
deteccin analtico, la incertidumbre es generalmente sealada como una unidad (en
lugar de media unidad, como es empleado para dos o tres cifras significativas). Esto
proporciona una precisin de 100% en el lmite de deteccin (por ejemplo: 1 1).
Algunas veces se ven resultados cerca del lmite de deteccin reportados en

incrementos de 5 como es el caso del oro: 5ppb, 10ppb, 15ppb, etc. Esto implica
mediciones que no son mejores a 5 unidades. Una vez ms, la precisin en el lmite de
deteccin es 100% (5 5). En este caso, un resultado de 100 ppb no tiene en realidad
tres cifras significativas y la precisin no es mejor que 20% (100 5).
A partir de lo comentado anteriormente, deber estar claro que es importante establecer

un protocolo analtico que tiene un lmite de deteccin mucho menor que las probables
leyes de corte de mineral/residuo, ya que las mediciones cerca del lmite de deteccin
tienen una menor precisin y no son confiables.
Pgina 12
3.0 LABORATORIOS
Los programas analticos deben incluir dos o ms laboratorios, uno de los cuales debe
actuar como laboratorio primario para cada proyecto y con uno o ms laboratorios
adicionales sirviendo como laboratorios de verificacin. Pueden existir varios
laboratorios primarios utilizados por una compaa durante un ao tpico, con cada
proyecto asignado a un laboratorio primario. El laboratorio primario recibe la mayor
parte del trabajo analtico de dicho proyecto, mientras que el laboratorio arbitral slo
recibe los trabajos de ensayos de verificacin. Un laboratorio arbitral es aquel que es
empleado por dos individuos para formar un consenso en la ley del material, tal como
mineral o concentrado. Muchas veces este trmino es empleado para describir un
tercer laboratorio empleado para determinar cul de los dos laboratorios en desacuerdo
parece ser el ms correcto.
3.1 Seleccin de un Laboratorio Primario
La seleccin del laboratorio primario se basa en una serie de factores que incluyen:
calidad de trabajo, precio, conveniencia y servicio. El laboratorio primario debe
proporcionar resultados que sean lo suficientemente oportunos, precisos y exactos para
las necesidades del proyecto a un costo competitivo. Normalmente la precisin no es
tan buena como la ofrecida por los laboratorios arbitrales, pero debe ser aceptable para
el uso en la estimacin de reservas de mineral. La exactitud deber ser suficiente para
ser empleada en el modelado de recursos sin incluir factores de correccin. Para evitar
factores de correccin, debe existir una apropiada evidencia de que la exactitud general
de los resultados del laboratorio primario se encuentra dentro del 5 por ciento del valor
verdadero probable, tal como lo demuestra el desempeo en estndares insertados
(valores medios) y la concordancia con los resultados del laboratorio de verificacin y
posible laboratorio arbitral (comparando valores medios).
Para los estudios de factibilidad en busca de financiamiento, es preferible que el

laboratorio primario no est afiliado con el laboratorio arbitral y que el laboratorio
primario no tenga inters financiero sobre la propiedad del proyecto. El laboratorio
primario puede ser muy competitivo en cuanto a precio y servicio; sin embargo, durante
la seleccin que realice la compaa minera, estos atributos no deben tener mayor
validez que la habilidad del laboratorio para desarrollar rutinariamente trabajos precisos
y exactos, especialmente durante pocas de elevadas cargas de muestras.
Para seleccionar un laboratorio, se puede entregar a cada uno de los candidatos cierta
cantidad de materiales de referencia estndar. Por lo menos se debe entregar entre
cinco o seis materiales diferentes y realizar al menos dos entregas diferentes en das
diferentes. Se debe variar la cantidad de muestras de cada material en cada entrega,
pero cuando se combinan los resultados de todas las entregas se puede mantener una
cantidad constante. El protocolo de ensayo seleccionado deber ser tal que sea
considerado para trabajos de rutina.
La cantidad de mediciones que se necesita para caracterizar el desempeo de un

laboratorio y la cantidad que se necesita para caracterizar un material de referencia
Pgina 13
estndar propuesto es un tema discutible, en el que todos concuerdan que ms es

mejor. Generalmente, se necesitan 30 o ms determinaciones. Para los casos cuando
se evala un laboratorio, las 30 determinaciones pueden consistir de, por ejemplo,
ensayos en cinco alcuotas de seis materiales de referencia estndar diferentes. La
variedad de materiales de referencia estndar suministrados para evaluar un laboratorio
deber reflejar la variedad de muestras que sern suministradas para el proyecto. Por
ejemplo, sera inapropiado suministrar slo materiales de referencia estndar de
mineral de xido de oro si es que el proyecto incluir minerales de sulfuro en el
modelo de recursos. Asimismo, el rango de leyes deber ser reflejado hasta una ley
que corresponda del percentil 90 al 95 de la poblacin que contengan leyes por encima
de lo esperado para los cortes de mineral/residuo. Por ejemplo, si se cuenta con 100
resultados de ensayos que se espera sean clasificados como mineral, stos pueden ser
ordenados en orden ascendente y la ley del percentil 90 al 95 seleccionada.
Para los casos en los que un laboratorio analiza pequeas cantidades de cada material,
existen mtodos estadsticos especiales para establecer lmites confiables en valores
medios y estimados de variacin. En los casos en los que se haya entregado pequeas
cantidades de muestras, las pequeas (estadsticamente insignificantes) variaciones en
el desempeo entre los diferentes laboratorios deben estar subordinadas a otras
consideraciones tales como calidad del servicio (tiempo de cumplimiento, calidad del
almacenamiento de la muestra, etc.).
Una vez que se hayan recopilado los resultados, se puede otorgar un puntaje a cada
laboratorio candidato en diferentes formas. Para la precisin, se puede calcular la
desviacin estndar (o varianza: cualquiera proporcionar la misma clasificacin
relativa) obtenida por cada laboratorio en cada material de referencia. Para cada
material, se puede clasificar los laboratorios de altos a bajos, siendo la clasificacin ms
alta (1) asignada al laboratorio con la variacin ms baja en un determinado material
estndar.
En cuanto a la clasificacin de la exactitud, el primero en exactitud es el laboratorio con

el valor medio ms cercano al valor certificado, el segundo ms cercano es clasificado
como segundo y as sucesivamente. Las clasificaciones son fcilmente asignadas
calculando el valor absoluto de la diferencia entre la media del laboratorio y el valor
certificado, y luego ordenando basado en este parmetro calculado.
De esta manera, se asignan clasificaciones por separado del desempeo en cuanto a

exactitud y precisin a cada laboratorio para cada material estndar de referencia.
Entonces, es posible calcular los puntajes promedio de clasificacin en cuanto a
exactitud y precisin obtenidos por cada laboratorio, y asignar clasificaciones generales
por separado en cuanto a exactitud y precisin. La Tabla 3-1 muestra un ejemplo de
clasificacin. Cabe resaltar que el nmero de resultados mostrados no es suficiente
para caracterizar los laboratorios (o los materiales de referencia estndar) de manera
adecuada, pero slo se presenta como una ilustracin de un posible acercamiento.
En este ejemplo, Estndar 1 es un material nuevo y no tiene un valor certificado sobre el

cual se pueda establecer las exactitudes relativas de los laboratorios; sin embargo, se
puede establecer una clasificacin comparando las medias de los laboratorios, y
Pgina 14
asumiendo el valor medio de las medianas como el mejor valor. Algunos estadistas
recomiendan el valor medio en lugar de la mediana; los dos debern ser casi
equivalentes para una distribucin normal. Sin embargo, generalmente existe por lo
menos un laboratorio errante que dar un valor medio alejado substancialmente. En
lugar de analizar cual de los resultados deber ser rechazado para calcular el valor
medio, es mejor emplear el valor de la mediana.
Para la seleccin final, se deber examinar los resultados muy de cerca. Por ejemplo,
en la Tabla 3-1, el Laboratorio A muestra muy buena exactitud en las muestras de
xido pero muy poca exactitud en una muestra de sulfuros, lo que subestima
ampliamente el valor certificado. Esto puede indicar que se cuenta con protocolos no
adecuados para ensayar muestras sulfurosas. Si las muestras de sulfuro son un
componente importante del proyecto, entonces el Laboratorio D sera una mejor
eleccin para el proyecto.
Cuando se emplea ms de un ensayo en el modelo de recursos, es preferible realizar

evaluaciones similares a las de la Tabla 3-1 en cada uno. De esta manera se le puede
dar un valor a las clasificaciones basado en el impacto econmico estimado para cada
ensayo. Por ejemplo, si se espera que 80% del valor del inventario del mineral sea oro
y 20% sea plata, se puede multiplicar las clasificaciones de oro por 0.8 y las de plata por
0.2 y sumar ambos valores para obtener una clasificacin general. De esta manera se
hace evidente un punto importante: la precisin y exactitud de los subproductos son
mucho menos crticas que la principal comodidad.
Muchas veces existe un contaminante importante que afectar el valor de los bloques
minados, tal como arsnico en un depsito de cobre. Esto puede ser valorizado de la
misma manera como un elemento adiciona valor a una clasificacin. Por ejemplo, si se
espera que las penalidades por presencia de arsnico sean tales de disminuyan el valor
del cobre minado en un 10%, las clasificaciones de arsnico seran valorizadas
multiplicndolas por 0.1. Por supuesto, muchas veces uno se ve forzado de aplicar
suposiciones razonables para tales valorizaciones. Para algunos proyectos, stos
pueden basarse en modelos de recursos del depsito anteriores, o en otros depsitos
de la zona.
Pgina 15
Tabla 3-1
Ejemplo de evaluacin de varios laboratorios ficticios
Estndar 1: xido de oro, ley aproximada 2.0 gm/ton, no el mejor valor Clasificacin
Desviacin
LAB Resultado 1 Resultado 2 Resultado 3 Resultado 4 Resultado 5 Media Exactitud Precisin
Estndar
A 2.16 2.06 2.22 2.14 2.09 2.14 0.062 1 1
B 2.22 2.13 2.20 2.13 2.42 2.22 0.119 2 3
C 1.73 2.03 2.14 1.70 1.90 1.90 0.189 5 4
D 2.25 2.22 2.39 2.07 2.20 2.23 0.115 3 2
E 2.09 1.46 2.56 2.50 1.32 1.99 0.575 4 5
Mejor Valor (Mediana y Media) 2.14
Estndar 2: xido de oro, valor certificado 1.49 gm/ton Au

A 1.61 1.57 1.48 1.53 1.47 1.53 0.059 2 1
B 1.76 1.66 1.64 1.48 1.80 1.67 0.125 4 4
C 1.51 1.67 1.51 1.57 1.50 1.55 0.072 3 2
D 1.39 1.59 1.48 1.45 1.53 1.49 0.076 1 3
E 1.33 1.26 1.19 1.57 1.20 1.31 0.156 4 5
Estndar 3: xido de oro, valor certificado 0.67 gm/ton Au

A 0.27 0.15 0.36 0.45 0.22 0.29 0.118 5 3
B 0.61 0.73 0.47 0.47 0.36 0.53 0.144 3 4
C 0.72 0.96 0.67 0.58 0.72 0.73 0.141 1 4
D 0.71 0.67 0.84 0.75 0.82 0.76 0.070 2 1
E 0.54 0.42 0.57 0.40 0.41 0.47 0.080 4 2
Clasificaciones Suma de Clasificacin

Compuestas Clasificaciones General
LAB Exactitud Precisin Exactitud Precisin
A 8 5 2 1
B 9 11 3 4
C 9 10 3 3
D 6 6 1 2
E 12 12 5 5
Pgina 16
3.2 Seleccin de un Laboratorio Arbitral o de Verificacin
Una parte decisiva de cualquier programa de QA-QC son los ensayos de verificacin
realizados por un laboratorio externo o arbitral. La seleccin de un laboratorio de
verificacin implica mayor escrutinio que el requerido para la seleccin de un laboratorio
primario, ya que este(os) laboratorio(s) debe realizar un trabajo analtico rutinario y de
excepcional alta calidad, a la vez que monitorea lo siguiente:
Fineza de la pulpa: Las pulpas recibidas del laboratorio primario deben ser verificadas
rutinariamente en cuanto al porcentaje que pasa la malla #100 ( #150). Tpicamente cada
quinta o dcima muestra que es enviada para ensayo de verificacin, es tambin verificada
por tamizado (de preferencia hmedo) de 10 20 gramos de pulpa. El material obtenido
de la bolsa de pulpa para esta prueba deber ser descartado y no devuelto a la bolsa.
Condicin y Mtodo de transmisin de muestras: Las muestras recibidas del laboratorio
primario debern ser almacenadas en paquetes legiblemente marcados y no daados,
ordenadas correctamente e ir acompaadas de una hoja organizada de transmisin de
muestras. Esto es un reflejo de las condiciones de manejo de muestras dentro del
laboratorio primario.
El objetivo del programa de verificacin de ensayos es incrementar la confianza en la

exactitud de laboratorio primario. Por lo tanto, es importante seleccionar un laboratorio
arbitral ampliamente reconocido dentro de la industria por tener buena exactitud.
De acuerdo con un consenso que se est logrando con la industria minera, los ensayos
de verificacin debern ser realizados nicamente por laboratorios acreditados. Entre
las organizaciones mundialmente reconocidas que proporcionan acreditaciones estn la
International Standards Organization (ISO) y la recientemente creada Guide 25, un
programa del Standards Council of Canada (SCC) que es administrada por el Canada
Centre for Mineral and Energy Technology (CANMET). Una acreditacin no es
evidencia, por ningn medio, que el trabajo de ensayo realizado a un grupo de muestras
es adecuadamente preciso y exacto. De la misma manera, la falta de acreditacin no
es indicador de que el laboratorio realiza un trabajo mediocre. La parte negativa de los
programas de acreditacin radica en su resistencia a la innovacin que puede significar
mejoras en la precisin y exactitud.
Pgina 17
4.0 OBTENCIN Y CREACIN DE MATERIALES QA-QC
Los programas de QA-QC incluyen controles; este trmino algunas veces es utilizado
para referirse a cualquier material de QA-QC insertado, y otras para referirse a los
materiales con una ley del producto muy bien establecida. Con el fin de evitar
ambigedades, los materiales de ley desconocida sern referidos como Materiales de
Referencia Estndar, o MRE para abreviar. Otros materiales de QA-QC incluyen
duplicados y muestras ciegas. Pueden haber varios programas de re-muestreo as
como estudios gemelos (como en perforacin gemela). Los materiales de referencia
estndar, que usualmente son roca pulverizada, no deben ser confundidos con los
estndares de calibracin que son soluciones de concentracin conocida y utilizada por
el laboratorio para calibracin de instrumentos, ni tampoco deben ser confundidos con
pesos estndares, utilizados para verificar las balanzas de los laboratorios. El problema
de emplear el trmino Estndar es que muchas veces este trmino es empleado para
referirse a la metodologa empleada para preparar los ensayos de las muestras. Para
evitar esta confusin, es mejor referirse a la metodologa como protocolo.
4.1 Materiales de Referencia Estndar
Un material de referencia estndar ideal tiene una matriz idntica a las muestras que
estn siendo ensayadas, heterogeneidad extremadamente baja, valor (ley) dentro de la
clasificacin utilizada para categorizar mineral y una reputacin de ser preparado
confiablemente y caracterizado con exactitud. Los lmites de las categoras pueden ser
reales, como en el caso de un corte de mineral/residuo, o ms tericos, como en el caso
de leyes cubiertas utilizadas en el modelado de recursos. Idealmente, una serie de
estndares agrupa cada uno de tales lmites de categoras, en combinacin con cada
diferencia de importancia en la matriz de la muestra. La serie deber incluir estndares
con leyes a ambos lados de cualquier etapa importante dentro de los procedimientos en
el laboratorio, como las etapas de dilucin o cambios en los estndares de arranque y
calibracin de los instrumentos. Las diferencias importantes de la matriz de la muestra
casi siempre incluyen muestras de xido y sulfuro, debido a que los procedimientos de
los ensayos fire assays utilizan ajustes de flujo y/o cambios en el peso de las muestras
al procesar muestras ricas en sulfuro, y los proyectos de cobre muchas veces incluyen
ensayos para ayudar a distinguir el xido de cobre de otros tipos de minerales.
Tales cambios en los procedimientos pueden afectar la exactitud y la precisin. Otras

diferencias potenciales de la matriz pueden incluir niveles altos y bajos de cobre, plata,
grupo de elementos con contenido de platino, bismuto, telururos, etc., presencia o
ausencia de minerales hidratados, altas y bajas cantidades de azufre total en muestras
no oxidadas, variando los niveles de carbn. No todos estos factores pueden ser
claramente entendidos en el momento en que los estndares son creados por primera
vez; lo que se conoce al momento de crear los estndares debe reflejarse en las leyes y
matrices de los materiales seleccionados. Los temas geolgicos y metalrgicos de
importancia tambin debern ser claramente reflejados en los materiales seleccionados
para los estndares.
Pgina 18
4.2 Estndares Certificados Comercialmente
Los materiales de referencia estndar estn disponibles para su compra, pero pueden
resultar costosos. Fuentes comerciales (en Norte Amrica) para materiales de
referencia estndar son:
Brammer Standard Co. Inc.

14603 Benfer Rd.
Houston, TX 77069-2895
Tel. 281 440-9396 Fax 281 440-4432
Website url: www.brammerstandard.com
Comentario: Proveedor certificado con ISO. Vende estndares adquiridos de agencias
a travs del mundo.
Canadian Certified Reference Materials Project (CCRMP)

Canada Centre for Mineral and Energy Technology (CANMET)
555 Booth Street
Ottawa, Canada K1A 0G1
Tel. 613 995-4738 Fax 613 943-0573
Comentario: El ms conocido en Norte Amrica; extensivo y costoso.
Nevada Bureau of Mines and Geology

University of Nevada, Reno
Reno Nevada, 89557-088
Tel. 702 784-6691
Comentario: Variedad limitada de MRE de oro y plata.
West Coast Minerals

lwtaites@chemex.com
Comentario: Variedad limitada de MRE especficos y poco comunes.
CDN Resource Laboratories Ltd.

225 Springer Ave.
Burnaby, B.C. Canada V5B 3N1
Tel. 604 291-1303 Fax 604 291-1392
nfuge@direct.ca
Comentario: Variedad limitada de estndares de oro.
LQSI (Chicago)
Tel. 708 331-3249
Comentario: Realiza evaluaciones cclicas de laboratorio costosas, materiales pueden
no estar disponibles. Cuenta con un separador rotativo de gran tamao para trabajos
especficos costosos.
Pgina 19
Algunos proveedores fuera de Norte Amrica son:
Geostats
Freemantle, Australia
Informacin y rdenes fuera de Norte Amrica: http://geostats.copl.com.au
Ordenes en Norte Amrica: FPSC@aol.com
Comentario: Amplia seleccin, caracterizacin y re-empaque de materiales Gannet.
Gannet Holdings Pty. Ltd.

43 Frederic Street, Naval Base
Western Australia 6165
P.O.Box 329, South Perth
Western Australia 6151 AUSTRALIA
Comentario: Ampliamente conocido en Australia. Venta a granel. Realiza
evaluaciones cclicas de laboratorios australianos para certificar sus materiales.
Rocklabs Ltd.
P.O.Box 18-142
Auckland 6, Nueva Zelanda
Tel. 64-9-634-7696 Fax 64-9-634-6896
http://rocklabs.com
Comentario: Ms reconocido por sus equipos de preparacin de muestras. Pequea
seleccin de MRE de Au y Ag a precios razonables.
Ore Research & Exploration Pty Ltd. (OREAS)

Unit 23, 993 North Road
Murrumbeena Vic 3163
Australia
Tel. +61-3-9570-5300 Fax +61-3-9570-5221
ore@mira.net
Comentario: Seleccin limitada pero de mejor calidad que el resto; emplea tecnologa
de preparacin patentada.
Existen muchos MRE disponibles en Brammer Standard, los que frecuentemente

permiten seleccionar un material similar al presente en el rea del proyecto. Su
catlogo cuenta con ms de 5,000 materiales. A pesar que muchos de stos no son
relevantes para la geociencia, es muy probable que cuenten con la lista ms extensa de
materiales geolgicos de organizaciones gubernamentales y casi-gubernamentales que
proporcionan estndares. El catlogo puede ser solicitado en forma gratuita y es
enviado de un da al otro.
Como parte de su proceso de certificacin, se ha demostrado que los materiales de

CANMET son lo suficientemente homogneos y tienen un buen comportamiento: la
mayora de las veces proporcionan resultados que pueden ser reproducidos a niveles
comparables con los obtenidos para las muestras de oro tipo Carlin.
El Nevada Bureau of Mines and Geology (NBMG) proporciona algunos materiales de

referencia estndar recolectados de minas seleccionados en Nevada. El material de
Pgina 20
NBMG no es tan homogneo como el de CANMET, tampoco tan costoso y se restringe

a estndares de oro y plata.
Una ventaja de los materiales de referencia estndar comerciales, que son ampliamente
conocidos, es tambin una desventaja ya que los laboratorios comerciales estn
familiarizados con las leyes y apariencia de la mayora de materiales de referencia
comerciales. Es difcil entregar al laboratorio estos materiales de manera annima
intercalndolos con las muestras del proyecto, si es que el laboratorio analtico tambin
cuenta con instalaciones de preparacin de muestras, lo que es muy comn. El
laboratorio reconocer estos materiales como pulpas, y por lo tanto como material de
referencia estndar, punto a partir del cual estn a un paso de deducir exactamente qu
tipo de material comercial es. En la Seccin 5.3 se presentan algunos alcances
probables para mantener el anonimato de los materiales de referencia estndar.
Cuando se usan estndares comerciales, es importante revisar si el material es

apropiado y revisar el informe que detalla la certificacin. La breve especificacin que
se entrega con dichos materiales no siempre proporciona informacin suficientemente
detallada. Por ejemplo, los estndares CANMET establecen el error estndar en los
recipientes, pero no la desviacin estndar promedio. Los lmites razonables de
aprobacin y falla no pueden ser establecidos en base al error estndar ya que sta es
una funcin de la cantidad de veces que se analiz el material durante el proceso de
certificacin y no es una medicin directa de la variabilidad del material en si. Una
revisin detallada de los informes puede tambin revelar defectos en el valor certificado
indicado. Por ejemplo, algunos materiales pueden tener un valor certificado que
incluya algunas determinaciones utilizando procedimientos inapropiados para el
material, proporcionando resultados claramente parcializados hacia arriba o abajo con
relacin a las determinaciones industriales reconocidas (por ejemplo, fire assay). Incluir
estos resultados cuestionables cuando se calcula el promedio, puede variar el valor
certificado hasta el punto que los lmites inapropiados de aprobacin y falla sean
establecidos para un estndar.
4.3 Creando Materiales de Referencia Estndar Personalizados
Si se est creando un nuevo estndar a partir de los materiales del sitio, es importante
incluir todos los siguientes pasos.
Recolectar suficiente cantidad (ver Seccin 5.2) y tipos de material para las
necesidades del proyecto. Es mejor tener un juego de varios estndares que sean
utilizados a lo largo del proyecto, en lugar de tener diferentes estndares en diferentes
momentos. Tener los mismos estndares proporciona una verificacin ms sensible del
rumbo del laboratorio. Si no es posible recolectar la suficiente cantidad de material al
inicio, es importante superponer los estndares (es decir, incluir entregas que
contengan un estndar antiguo que este comenzando a agotarse con el nuevo
estndar). Se debe intentar recolectar una cantidad de muestras sueltas. Estos
podran incluir:
Un estndar con una ley de oro cercana al corte anticipado de residuos y mineral
Pgina 21
Un estndar con una ley de oro entre el percentil 85 y 95 de todas las muestras de mineral
Estndares con leyes cercanas a cualquier otro potencial punto de decisin, tal como la
ley de la molienda y el corte de la pila de lixiviacin
Estndares que cubran los ajustes del procedimiento analtico, tales como estndares de
xido y sulfuro, ya que las muestras de sulfuro requieren de ajustes de flujo
Estndares que cubran una porcin substancial de los rangos de otros elementos
analizados rutinariamente.
Establecer el nivel de heterogeneidad de un material de referencia estndar propuesto

antes de intentar establecer su mejor valor. Esto se realiza tomando de 24 a 48
muestras1 al azar o fracciones representativas de la pulpa y envindolas al laboratorio
arbitral u otro de alta calidad. Slo para los propsitos de este ensayo, se deber
indicarle al laboratorio la ley estimada del material y la naturaleza de la mineraloga. El
procedimiento analtico utilizado debe ser el mejor disponible para el material (utilizando
el tamao de la muestra anticipada, como 1 ensayo por tonelada, el cual se utilizar
rutinariamente), y el grupo de muestras debe llevarse a cabo en conjunto en uno o ms
grupos, sin la presencia de otros materiales (para evitar la mezcla potencial de
muestras). Esta prueba no se emplea para establecer el valor ms exacto, sino slo
para establecer que el material ha sido preparado adecuadamente (homogeneidad).
Como regla, si la desviacin estndar relativa (desviacin estndar / media) excede lo

indicado por el laboratorio como obtenible para dicho mtodo analtico y rango de ley,
se deben llevar a cabo procesos adicionales para reducir la heterogeneidad del
material, o se deber descartar el material. Para los materiales con leyes muy por
encima del lmite de deteccin (ms de 20 veces), esto tpicamente se traduce al 90%
de los resultados (1.65) que estn dentro del 5% del valor medio y a todos los
resultados que dentro del 10% del valor medio. En trminos de porcentaje relativo, se
debe dar mayor latitud a los materiales de baja ley, particularmente a los que tienen
leyes promedio menores a 20 veces el lmite de deteccin del mtodo analtico utilizado.
Debido a las extremas precauciones tomadas para asegurar que los errores por
mezclado de las muestras y de reporte sean poco probables, resulta imprudente
descontar uno (y an dos) resultados errticos. Tales ocurrencias son esperadas si es
que, por ejemplo, se cuenta con granos de oro de gran tamao en el mineral.
No todos los depsitos tienen material que puede ser fcilmente preparado dentro de
los estndares con tales tolerancias; en especial, los depsitos de oro grueso
representan mayores retos. Debido a que el propsito del estndar es asegurar la
exactitud y la precisin a travs del tiempo, no es recomendable hacer estndares de
tales materiales. Algunas veces esta limitacin puede ser superada mediante el
tamizado del material a travs de una malla #100 o ms fina y descartando el material
retenido, seguido por la remolienda del material pasante. En tales casos, muchas veces
es mejor comprar los estndares comerciales, an si existen algunas diferencias en la
1
Algunos estadistas recomiendan que el nmero de muestras ensayadas sea igual a la raz cbica del nmero de
muestras en el lote; por ejemplo, de esta manera se ensayara 10 muestras de un lote de 1,000. AMEC considera que
este nmero slo es vlido si es que no se presenta un efecto pepita, y en todo caso proporcionar estimaciones de
variabilidad poco certeras.
Pgina 22
mineraloga, u obtener un mejor material de otro proyecto o mina, de estar disponible.

El problema del oro grueso puede ser mejor monitoreado con duplicados de muestras si
se mide de manera exacta el desempeo del laboratorio mediante el uso de un estndar
confiable. Un estndar con alta heterogeneidad es menos efectivo en la deteccin de
problemas tales como las fallas de laboratorio. An los errores ms obvios como
mezclado de muestras y transposicin de dgitos muchas veces pueden pasar
desapercibidos si es que la variabilidad del material de referencia estndar es alta.
Una descripcin detallada de cmo ensayar la adecuacin de la preparacin de material

se puede encontrar en los anexos de la mayora de informes de CANMET, tales como
Anexo A del informe 82-14E de CANMET, para el mineral de referencia MP-1A. Una
vez que la varianza del grupo de muestras indique que el material tiene un nivel de
heterogeneidad suficientemente bajo, el material puede ser cuarteado cuidadosamente
con un cuarteador rotativo en paquetes individuales de muestras. En este punto, es
prudente repetir la prueba analizando otras dos docenas de paquetes seleccionadas al
azar. Un paso importante, pero muchas veces descuidado en la creacin de estndares
internos, es la divisin del material en muestras individuales y colocarlas al azar.
Establecer el mejor valor (tambin algunas veces referido como el valor buscado o
certificado) y los lmites razonables de aprobacin o falla mediante la entrega del
material a una serie de laboratorios acreditados. Esto debe incluir cualquier laboratorio
que realice trabajo metalrgico (si tal trabajo incluye, por ejemplo, ensayos de oro fire
assay para establecer leyes principales), los laboratorios primarios y arbitrales (o
candidatos) y los laboratorios ampliamente reconocidos en la industria por desarrollar
trabajos de calidad.
Si existen laboratorios de molienda activos dentro de la compaa que estn analizando

rutinariamente los productos del proyecto, estos tambin debern ser utilizados. Se
deber incluir muestras ciegas (annimas) de algunos materiales de referencia estndar
comerciales con valores certificados en estas entregas cclicas a los laboratorios. Estos
proporcionarn validacin adicional de los valores de los nuevos materiales y ayudarn
a determinar si los resultados de un laboratorio deben ser excluidos al momento de
establecer los lmites de aprobacin o falla. Solicitar a cada laboratorio el procedimiento
analtico descrito en su lista de precios que ms se parezca al procedimiento anticipado
que se utilizar en el proyecto; procurar evitar el introducir un nuevo procedimiento al
laboratorio. Para el caso del oro, la eleccin de procedimientos normalmente requiere
de una seleccin del peso (tal como un ensayo por tonelada) y afinado (absorcin
gravimtrica o atmica) de la muestra analtica. No se deber indicar a los laboratorios
la naturaleza de la muestra (que estos son materiales de referencia estndar, o cuales
son las leyes esperadas de cada una).
Los materiales debern ser entregados por lo menos en dos lotes separados en das
diferentes, la cantidad de muestras de cada material deber variar en cada lote, pero el
nmero total debe ser el mismo (tpicamente 8 a 10 determinaciones realizadas por
cada laboratorio para cada una de las muestras) cuando se combinan todas las
entregas. De esta manera, se incluyen las variaciones entre los grupos. Por ejemplo, la
primera entrega enviada al Laboratorio A podra contener 5 muestras del estndar 1 y
3 muestras del estndar 2, y la segunda entrega entonces contendra 3 muestras del
Pgina 23
estndar 1 y 5 muestras del estndar 2, de tal manera que se analicen 8 muestras del
estndar 1 y 8 muestras del estndar 2. De este modo, resulta menos evidente para el
laboratorio que el mismo material se est entregado varias veces. Si existe un
programa activo, es posible incrementar el anonimato incluyendo muestras de pulpas de
perforaciones que son enviadas para la verificacin de ensayos.
Algunos laboratorios tratan de dar una buena impresin analizando cada muestra
muchas veces cuando saben que el material es para control de calidad. Esto
proporciona un estimado ms confiable del mejor valor, pero lleva a conclusiones
errneas en cuanto al establecimiento de lmites de aprobacin y falla no razonables
para el material. Si se sospecha de esta situacin, el peso de la muestra debe ser
limitado cuidadosamente.
El mejor valor puede ser tomado como el valor medio de todos los resultados que
quedan despus de descartar los valores fuera del lmite (generalmente son los
resultados con ms de 3 desviaciones estndar por encima o por debajo del valor
medio), o la mediana de la poblacin de los valores medio del laboratorio (Seccin 3.1).
Es preferible el segundo acercamiento si es que el nmero de ensayos realizador por
diferentes laboratorios es variable.
Establecer los lmites de aprobacin y falla para un Material de Referencia Estndar

resulta ms complicado que establecer un mejor valor. Muchos de los Materiales de
Referencia Estndar no cuentan con un lmite de aprobacin y falla. Por ejemplo, los
materiales de referencia estndar de CANMET tienen lmites de confianza sealados en
sus etiquetas. Estos no pueden ser empleados como lmites de aprobacin y falla ya
que representan el error estndar de la media y son lmites estrechos que se
estrechan an ms conforme se realicen ms ensayos para calcular la media, y por ello
no son una medicin directa de la variabilidad intrnseca entre las sub-muestras del
material (ms los errores de medicin tpicos, contribuidos por el procedimiento de
ensayo).
El inconveniente con establecer lmites de aprobacin y falla radica en que el

desempeo de un laboratorio en particular generalmente presenta una parcialidad
pequea, relativa al mejor valor; consecuentemente, la desviacin estndar calculada
de todos los resultados de ensayos (an excluyendo los valores fuera del lmite)
incorporar muchas pequeas parcialidades relativas. Entonces, si todos los valores
aceptados son empleados para calcular los lmites, los lmites establecidos sern
mucho ms amplios que el tpicamente obtenido por un solo laboratorio, y si los lmites
se establecen relativos al mejor valor, un laboratorio en particular que tenga una
parcialidad relativa al mejor valor presentar fallas que son en parte una consecuencia
de la parcialidad relativa que de la falta de precisin. Generalmente, esto es visto como
una tendencia para casi todas las fallas que ocurran a un lado (sea el lmite superior o
inferior) del mejor valor, y que este fuera del lmite por cantidades similares a la
diferencia del mejor valor y el valor medio de dicho laboratorio para ese material.
Muchas compaas mineras grandes establecen dos lmites de aprobacin y falla. Los
lmites ms amplios son aquellos donde se cuenta con un mayor grado de probabilidad
de ocurrencia de un error de consideracin (probable errores del Tipo I, tales como
Pgina 24
mezclado de muestras), y los lmites ms estrechos son empleados para detectar las
variaciones del laboratorio y posibles errores del Tipo I. Los resultados que estn fuera
de los lmites exteriores requieren siempre de acciones correctivas, mientras que los
resultados que se encuentren fuera de los lmites de aprobacin y falla interiores
requieren de acciones correctivas slo si ocurren con una alta frecuencia inusual.
De emplearse este tipo de acercamiento, los lmites de falla exteriores pueden ser
establecidos sobre la base de una poblacin que conforme todos los resultados
(incluyendo aquellos fuera de lo esperado), encontrando el rango que incluya el 95% de
todos los resultados. Para realizar esto, se debe ordenar todos los resultados de los
ensayos por ley y retirar los valores que se encuentren dentro del 2.5% superior e
inferior, luego se toman los valores mximo y mnimo de la poblacin restante. Si los
resultados son representativos del material ms la variabilidad relativa entre
laboratorios, entonces estos lmites no debern ser excedidos en ms de 5% de las
veces, independientemente del laboratorio. Los lmites pueden ser sesgados alrededor
del mejor valor, sobretodo si la muestra es de baja ley. Esto puede reflejar cierta
heterogeneidad en el material, y por lo tanto resulta vlido contar con tal asimetra.
Cuando se cuenta con grandes cantidades de informacin (tales como las
proporcionadas en un reporte de CANMET), este tipo de acercamiento da mejores
resultados.
Si la informacin es limitada y no se tiene ningn serio inconveniente de asimetra (o se

elige ignorarlo), se pueden descartar los resultados que sean mayores a 3 desviaciones
estndar de la media de todos los resultados, y recalcular la desviacin estndar de los
valores restantes. Si una distribucin sesgada presenta una apariencia log-normal, se
puede convertir los resultados tomando sus logaritmos, calcular la desviacin estndar
de los valores logaritmos (omitiendo cualquier resultado por encima de 3 desviaciones
estndar en la poblacin convertida, lo que raramente sucede) y convirtiendo los valores
nuevamente al antilogaritmo. Esto asegurar que el lmite inferior de aprobacin y falla
siempre sea un valor positivo. Sin embargo, si se debe aplicar este giro para calcular
los lmites, esto normalmente es un indicador de que se cuenta con un material pobre
como estndar.
Los lmites de falla ms estrechos pueden ser ajustados para el laboratorio en particular
que esta siendo empleado, tomando en consideracin cualquier parcialidad relativa
(diferencia relativa entre el valor medio que ese laboratorio obtiene en el material de
referencia estndar y el mejor valor del material) empleando el valor medio de ese
laboratorio en lugar del mejor valor. Esto slo debe ser intentado si es que la
incertidumbre en el valor medio obtenido por el laboratorio es pequea, medido como el
error estndar de la media. Si la incertidumbre del valor medio excede cerca del 2%,
ms resultados del laboratorio son requeridos antes de poder establecer un valor medio.
La incertidumbre del valor medio deber reducirse en forma proporcional a la raz
cuadrada del incremento en la cantidad de mediciones; por ejemplo, al cuadruplicar el
nmero de resultados, esto deber reducir hasta aproximadamente la mitad la
incertidumbre del valor medio.
Se puede tomar la desviacin estndar tpica mostrada por los laboratorios de origen y
emplearla para ubicar lmites igualmente espaciados alrededor del valor medio del
Pgina 25
laboratorio para ese material de referencia estndar. La mediana de las desviaciones

estndar del laboratorio de origen es el valor para el cual la mitad de los laboratorios
participantes muestran una mejor y peor precisin, lo que resulta una eleccin bastante
favorable. Si la mediana de la desviacin estndar es multiplicada por dos y el nmero
resultante es sumado al valor medio del laboratorio para obtener un lmite superior, y
restado para obtener un lmite inferior, entonces el laboratorio slo exceder estos
lmites el 5% de las veces, considerando que es tan bueno como la mitad de los
laboratorios participantes. Si cuenta con una mejor precisin que la mitad de los
laboratorios, entonces mostrar una incidencia de falla inferior.
Los valores presentados en la Tabla 3-1 (Seccin 3.1) pueden ser empleados como
ejemplo. El Estndar 1 tiene un valor promedio de 2.09 y una desviacin estndar (de
todos los valores) de 0.290, dado un rango de media 3 de 1.22 a 2.96, lo que encierra
todo el rango de resultados (1.32 a 2.56). Por ello, no se puede excluir ningn valor
basados en la premisa de ser mayores a 3 desviaciones estndar del valor medio.
El lmite de aprobacin y falla de 2 es de 1.51 a 2.57. El mtodo alternativo de excluir

los valores superiores e inferiores extremos dentro del 2.5% de la poblacin no puede
ser aplicado con facilidad a una poblacin de 25 resultados ya que cada resultado
representa 4% de la poblacin. El rango empleando este mtodo debe ser tal que no se
excluyan resultados o se excluyan dos resultados (es decir, el resultado ms alto y el
ms bajo) lo que define un lmite inferior ubicado entre 1.32 y 1.46, y un lmite superior
entre 2.50 y 2.56. Estos son lmites sumamente amplios. En la prctica se deber
contar con un material con un mejor comportamiento que el del ejemplo.
Los lmites interiores de aprobacin y falla para el Laboratorio A estaran

simtricamente espaciados del valor medio de los resultados del Laboratorio A para el
Estndar 1, equivalente a 2.13. La mediana de las desviaciones estndar de los
laboratorios para el Estndar 1 es 0.119, con lmites para el Laboratorio A de 2.13
0.238, o de 1.90 a 2.37. En comparacin, los lmites equivalentes para el Laboratorio
C son 1.90 0.238, o de 1.66 a 2.14.
Dado que no se deber seleccionar un laboratorio con una parcialidad alta para un
determinado proyecto, se espera que el laboratorio presente una parcialidad
relativamente pequea. Los laboratorios (o protocolos de ensayo) que presenten
parcialidades que excedan el 5% en muestras de mineral de ley (de principal inters)
debern ser evitados. En todo caso, el grado de parcialidad aceptado depende del
contexto proporcionado por el modelo de recursos y el punto de vista de los lectores.
Aquellos que financiarn el proyecto no se vern perturbados por emplear sub-
estimaciones, sin embargo aquellos que promuevan la propiedad s lo estarn. Las
parcialidades deben verse basndose en todos los ensayos en los materiales de
referencia estndar, as como en base a perodos prolongados de resultados altos y
bajos (variacin del laboratorio). Como regla general, para el inters principal, una
parcialidad (empelando un material de referencia estndar) por debajo del 5% es
ampliamente aceptada, y una por encima del 10% es ampliamente rechazada. En
ciertas ocasiones se aceptan parcialidades mayores, para el caso de subproductos y
contaminantes, en funcin del pequeo impacto que generen en las valuaciones.
Pgina 26
Ha habido muchos casos en los que las compaas mineras, al momento de crear sus
propios estndares, han confiado principalmente en la rodadura y mezclado del material
para reducir su heterogeneidad. Removieron el material de una mezcladora de
cemento (o un balde que rodaron en el piso del laboratorio), un balde lleno (o una pala
llena) a la vez y lo colocaron en frascos numerados, los que procedieron a utilizar en
forma secuencial. Luego, cuando se agot un frasco y se comenz a utilizar el
siguiente (evento que se realiza al azar en cualquier lugar), result que aparentemente
el laboratorio haba fallado en su desempeo, ligeramente alto o bajo. En realidad, el
laboratorio no ha cambiado, lo que cambi es la ley del material de referencia estndar
enviado al laboratorio.
La mejor manera de prevenir esta situacin es separar el material en tamaos de lote

que sern utilizados al momento de su entrega (tpicamente alrededor de 100 gramos
de material). Los paquetes de material debern ser colocados al azar, de tal manera
que cualquier heterogeneidad no se agrupe en diferentes perodos y por lo contrario sea
observada de manera apropiada como parte de la variabilidad intrnseca del material.
Es importante que, durante el proceso de certificacin de un material de referencia

estndar propuesto, se tome cuidado en muestrear cada parte del material. En el caso
de polvos, esto se puede lograr con un separador vibratorio, a pesar que un separador
rotatorio es capaz de producir un producto muy superior si se opera en una tasa de
alimentacin baja. Aunque el separador vibratorio puede sobrepasar al separador
rotatorio, ste se puede mejorar pasando el material a travs de un separador y
recombinndolo varias veces antes de hacer el cuarteo. Asimismo, cuando se aumenta
el nmero de divisiones en el separador vibratorio la calidad del separador mejora.
Finalmente, se deber archivar de manera adecuada todos los certificados de ensayos,

compilacin y anlisis de los resultados para que estn disponibles para revisin por
parte de los auditores. Es comn que esta documentacin se pierda lo que genera que
el desempeo de un laboratorio en un material en particular no tenga ninguna base de
reclamo en trminos de exactitud. Este error se ve incrementado cuando el material es
agotado, de manera que no se cuenta con muestras disponibles para poder ser
enviadas a otros laboratorios para demostrar que el mejor valor es vlido. En muchas
ocasiones, cuando la propiedad es traspasada esta informacin no es solicitada ni
proporcionada, y esta falta de seguimiento muchas veces trae consigo graves
consecuencias.
4.4 Modelos
Los modelos son muestras de material desprovistas del elemento que est siendo
analizado. Los modelos ayudan a monitorear la contaminacin y desarreglo de las
muestras durante la preparacin y anlisis de la muestra. Los modelos pueden ser
entregados como material grueso (modelos gruesos) consistente en material estril
nominal de de pulgada el cual se inserta dentro de la cadena de muestreo en el sitio
de la perforacin (en el caso de cortes rotatorios) o durante la particin de testigos.
Luego este material se somete a los mismos pasos de preparacin de la muestra por
los que pas la muestra de un proyecto. Otro tipo de modelo consiste en material
Pgina 27
pulpado, como arena Ottawa u otra arena de alta pureza, o material estril confiable
recolectado del lugar de perforacin del proyecto, el cual se ha convertido en pulpa.
Estos modelos de pulpa se incluyen dentro de la cadena de muestreo luego que la
preparacin de muestras se ha completado.
La mineraloga del modelo debe parecerse a la del material analizado rutinariamente

(por ejemplo: cortes estriles de perforaciones); sin embargo, esto no es tan crtico para
el material modelo como para los estndares. Un modelo grueso debe ser
suficientemente duro y tener el tamao de malla necesario para permitir la molienda
efectiva de cualquier material contaminante (de muestras anteriores) adherido al equipo
de preparacin de muestra. En cualquier otro punto del laboratorio, este material
modelo revelar: la presencia de niveles elevados e inaceptables de concentraciones de
fondo causadas por el paso de contaminacin (polvo, reboses, etc.); mala limpieza del
laboratorio; o, en circunstancias donde es frecuente que los resultados estn por debajo
del lmite de deteccin, desarreglo de las muestras.
Como regla general, los modelos gruesos debern dar valores menores que o iguales al
doble del valor del lmite de deteccin; y el 90% de las veces, los modelos de pulpas
debern dar valores menores que o iguales al doble del valor del lmite de deteccin.
Luego de corregir cualquier intercambio de muestra y reemplazar los resultados de
cualquier grupo fallado con nuevos resultados, el valor medio de los modelos de pulpa
(asignando un valor de 0 a las muestras reportadas por debajo de la deteccin) no
debern exceder el lmite de deteccin.
4.5 Duplicado de Muestras
Un grupo de muestras duplicadas puede ser generado en cualquier momento del

proceso de muestreo donde la masa de la muestra es reducida (es decir, la muestra es
dividida y un material de rechazo es generado). Los duplicados debern ser
recolectados en todas las etapas iniciales de muestreo, preparacin de muestras y
protocolos de ensayo con la finalidad de generar informacin suficiente para obtener
estimaciones de la varianza introducida en cada etapa. La teora de muestreo es muy
empleada en predecir cmo optimizar mejor el proceso por el que se obtienen las
estimaciones de ley, pero no opera al vaco. Debe ser justificada con informacin
experimental (como la obtenida del anlisis de duplicados) y observacin (tal como
reportes mineralgicos de la distribucin de tamao de partculas de oro). Una vez que
se ha establecido y ensayado el proceso, la cantidad de duplicados puede reducirse a
un porcentaje modesto de muestras, con la finalidad de monitorear el proceso (control
de calidad) y demostrar que tan adecuado es (aseguramiento de calidad).
Con una adecuada medicin del tamao de partcula en el que el material es dividido
(separacin) y la masa de la fraccin, se puede describir los tipos de duplicados. Gy
(1992) ha efectuado una investigacin exhaustiva empleando diferentes tipos de
chancadoras y zarandas para determinar que mediciones de tamao de partcula
caracterizan mejor una muestra. Gy encontr que el tamao de malla que deja pasar el
95% de la muestra es la medida ms independiente del mtodo en que el material ha
sido chancado o rodado, y ms independiente del rango de tamao de partculas (es
Pgina 28
decir, se aplica bien tanto en materiales finos como gruesos). Ms recientemente,

Franois-Bongarcon (AMEC) ha proporcionado una explicacin ms terica de porqu
se da esto.
Esto se da en reversa de lo que usualmente es el caso de cmo se describe el tamao

de una muestra. Por lo general, un material chancado es descrito como, por ejemplo,
malla #10 sin una descripcin de qu porcentaje de la muestra pasa la malla #10. Lo
que suele suceder es que, por lo general, una muestra preparada en un laboratorio
comercial que es descrita como malla #10 tiene en realidad entre 50% y 60% pasante
la malla #10. Los metalurgistas se refieren muchas veces al tamao D-50, sobretodo
en Australia, como el tamao de malla que deja pasar el 50% de la muestra. Los
metalurgistas norteamericanos y los expertos en muestreo emplean comnmente P
(de pasante) seguido del porcentaje pasante; los criterios ms comunes son P-80
P-90 para el 80% y 90% pasante, respectivamente. Estos trminos suelen ir seguidos
del tamao de la malla, como P-80 #10 P-90 .
La prctica ms comn de los laboratorios de ensayos comerciales es describir la salida

de la chancadora como malla #10, seguido de un cierto porcentaje pasante, en lugar de
determinar el tamao de la malla que deja pasar el 95% del material. Muchas veces,
esto disimula algunos inconvenientes que se pueden presentar en un determinado
material, tales como la presencia de astillas o partculas alargadas (con ms de 2 3
pulgadas en la dimensin ms larga) producto de una chancadora de rodillo, lo que
resulta perjudicial para la precisin de la muestra. Si la teora de muestreo indica que
un proceso debe proporcionar un determinado nivel de precisin, que segn los
duplicados no se est logrando, la distribucin del tamao de partculas es el primer
lugar donde se debe buscar un problema.
Otro parmetro importante al describir duplicados es la masa de la muestra. Muchas

veces, esto se da a modo de rango con un factor de dos, tal como de 4 a 8 kg, o de 200
a 400 gm, ya que cuando se emplea un separador mecnico de forma adecuada, ste
separa la muestra en dos muestras de igual masa. Consecuentemente, salvo que se
emplee una rutina compleja de separacin y recombinado, se tiene la opcin de separar
la muestra una vez ms o no, dando entonces el factor de dos en el rango. Cuando se
emplean otros mtodos tales como separadores rotativos o recolectando muestra de un
tapiz, se puede lograr un rango de masas ms justo. Si la teora de muestro indica que
un proceso debe proporcionar un determinado nivel de precisin, que segn los
duplicados no se est logrando, este es el primer lugar donde se debe buscar un
problema para el caso de duplicados de perforacin en campo, y en el segundo lugar
(despus del tamao de partculas) ver el caso de otros tipos de duplicados.
Aunque no son verdaderamente muestras duplicadas, otras muestras, a veces referidas

como duplicados incluyen la otra mitad de la fraccin del testigo de perforacin y
perforaciones gemelas. La fraccin del testigo incorpora ms variaciones que los
duplicados del equipo de perforacin (de una perforacin con taladro rotatorio) porque
hay una pequea pero cuantificable separacin espacial de las dos muestras; esto
contribuye a la varianza que es una funcin de la geologa del depsito y no del mtodo
de muestreo. Para la separacin de testigo, se puede analizar una seleccin al azar de
Pgina 29
los intervalos de la ley del mineral para establecer que el proceso de seleccin de la
mitad del testigo no fue parcializada.
Algunos geoestadistas piensan que es til examinar el nivel de varianza en este tipo de
muestra duplicada al completar la variografa (para una estimacin independiente del
efecto en una pepita en la separacin a escala en centmetros de la muestra). Las
perforaciones gemelas tienen una mayor separacin espacial y comnmente son
difciles de evaluar. Esto es porque las muestras no pueden ser fcilmente agrupadas
en pares entre las dos perforaciones, ya que los controles de mineral no son siempre
horizontales y son frecuentemente variables en una escala de metros.
Debido a la dificultad en igualar los intervalos para crear pares en las perforaciones
gemelas, an cuando las perforaciones han sido sometidas a registros de detalle en
toda su profundidad, es recomendable comparar las perforaciones gemelas en base a la
similaridad de las distribuciones, tal como se hace con un trazo quantil-quantil (Q-Q).
En algunos casos, las dos tcnicas diferentes de perforacin revelan la presencia de
muestreo parcial, causado por factores tales como contaminacin del barreno hacia
abajo durante la perforacin rotatoria con agua o prdida de mineral selectivo durante la
perforacin, comparado con la perforacin rotatoria en seco. En tales circunstancias,
emparejar los resultados o comparar los valores medios resulta an ms problemtico
ya que los tamaos de las partculas son por lo general desiguales.
Dadas dos poblaciones de muestras tomadas de un mismo lote, pero de diferente masa
de muestra, la poblacin de muestras ms pequeas tendr una distribucin con una
cola ms larga, es decir ser ms asimtrica que la poblacin de muestras ms
grandes. Ambas poblaciones cuentan con una misma media, o bastante cercana, si las
muestras son seleccionadas de manera adecuada y el tamao de la poblacin es
suficientemente grande. Este efecto es descrito como cambio de soporte:
incrementando el soporte tiene el efecto de reducir la dispersin de los valores de los
ensayos, pero en forma tal que la media no cambia. Esto se puede presentar al
comparar los resultados de perforaciones de voladura y de exploracin o perforaciones
de testigos de diferente tamao, o al comparar la perforacin de testigos contra
perforaciones de circulacin reversa.
Otra opcin es agrupar diferentes pares empleando observaciones geolgicas similares

entre pares y variando las diferencias en la evaluacin de la muestra. Esto permite la
posibilidad que la tendencia de mineralizacin no sea horizontal en una separacin de
corta distancia entre dos perforaciones. Luego, las diferentes parejas, separadas por 0,
1, 2 ms longitudes de intervalo de muestras de perforacin pueden ser procesadas
por separado para obtener un rango de estimaciones para comparar los gemelos.
Los promedios pueden ser calculados para unidades geolgicas, ya sea ley promedio o
contenido de metal promedio (total de ley por longitud) para cada unidad geolgica.
Esto puede resultar mucho ms til cuando el rumbo de las unidades de mineral vara a
lo ancho en distancias cortas. Los lmites de las unidades geolgicas deben basarse en
las observaciones geolgicas y no deben ser influenciadas por los resultados de los
ensayos.
Pgina 30
5.0 EMPLEANDO MATERIALES DE QA-QC
5.1 Entrega de Grupos
Un grupo es un trmino impreciso, pero que puede ser definido como un conjunto de
muestras que son procesadas como un grupo (por ejemplo, quemado en un horno,
calentado en una bandeja caliente).
Es til conocer el nmero de muestras en cada grupo de laboratorio; y cmo vara el

nmero por tcnica analtica. Estos nmeros variarn por laboratorio. Se debern
entregar estndares al laboratorio en cantidad y frecuencia suficiente de manera que
cada grupo de laboratorio contenga por lo menos un estndar de ley del mineral, ms
un modelo, ms un estndar de baja ley o duplicado de pulpa. El programa de QA-QC
interno del laboratorio deber incluir por lo menos una muestra duplicada y/o muestra
de control, y un modelo, este es un procedimiento de QA-QC ampliamente utilizado en
laboratorios comerciales. Si el laboratorio no incluye un modelo en cada grupo de
muestras, entonces se debern entregar modelos con suficiente frecuencia de tal
manera que se incluya uno en cada grupo de laboratorio. Existe una circunstancia
especial en la que el gelogo del proyecto deber colocar un modelo ciego dentro de
cada grupo, a pesar de que el laboratorio inserta rutinariamente modelos dentro de los
grupos como parte de su control de calidad: si no hay por lo menos una muestra por
debajo de la deteccin en casi todos los grupos procesados. Dicha situacin es atpica
para la mayora de depsitos de oro.
En cualquier caso, cada entrega (embarque de muestras) al laboratorio deber incluir

por lo menos un modelo de gruesos. Los modelos se tornan ms decisivos como
mtodo de control de errores de laboratorio cuando el corte del mineral o residuo es
empujado ms cerca al lmite de deteccin. Como regla, si el corte del mineral o
residuo es menor a 15 veces el lmite de deteccin, se debern insertar modelos en
cada grupo de muestras. Sin embargo, es preferible evitar los protocolos de ensayo
que tienen lmites de deteccin muy cercanos al corte de mineral y residuo.
Los modelos gruesos debern ser entregados al laboratorio de preparacin de muestras

en cantidad suficiente que garantice que por lo menos uno de dichos modelos es
procesado durante cada turno de operacin de la instalacin de preparacin. El
gelogo o tcnico que supervisa la recoleccin de muestras del equipo deber buscar
distancias significativas (tpicamente cuatro o ms intervalos de muestras) de probable
material de mineral de ley visualmente identificable e insertar los modelos de gruesos
asignados en la cadena de muestras dentro de o justo despus de algunas de estas
corridas. Tiene poco valor colocar modelos gruesos en la cadena de muestras
despus del material estril, ya que el cruce de contaminacin no podr ser detectado a
menos que las muestras previas tengan niveles detectables del elemento de inters.
Los MRE de baja ley debern tener leyes cercanas a la ley de los cortes anticipados
(para oro, digamos 0.4 a 0.8 g/m 0.012 a 0.023 oz/tonelada corta). Un MRE de alta
ley deber estar por encima de la ley de cualquier corte anticipado de mineral de molino
y mineral lixiviado o alrededor del percentil 85 de todas las muestras de mineral de ley
Pgina 31
previamente ensayadas. La precisin del ensayo en este rango de concentracin es

muy importante para minimizar la mala clasificacin del material. Otro estndar de alta
ley deber tener leyes en o por encima del rango lineal de rutina, utilizado
rutinariamente por el espectrmetro de absorcin atmica (si se utiliza este
procedimiento); esto es, por encima del umbral en el cual el laboratorio debe disolver la
muestra o recalibrar sus instrumentos con un conjunto de estndares de calibracin
diferente (concentraciones ms altas). Para el oro, ste frecuentemente est en el
rango de 3.5 g/mt (0.102 oz/tonelada corta), pero el umbral variar en cada laboratorio.
Este estndar de alta ley permite la deteccin de dilucin o re-calibracin incorrectas o
inexactas, las que frecuentemente ocurren en algn momento del proyecto, si ste es
un proyecto grande. Otros estndares de alta ley podran ser seleccionados en la ley
mediana de las muestras de mineral de ley del depsito, o en leyes medianas de
muestras de xido y sulfuro en el depsito, si existe una mayor disparidad entre las
leyes en las zonas de xido y sulfuro.
5.2 Cantidades Recomendadas de Materiales de QA-QC
AMEC recomienda como programa mnimo, lo siguiente:
Un estndar de mineral de ley (de adecuado estado de oxidacin) y una muestra por
debajo de la ley del mineral o modelo debern ser analizadas en cada grupo de
laboratorio. El total de dichas inserciones debe comprender por lo menos el 5% de las
muestras que son entregadas al laboratorio
Deben haber modelos en cada grupo de laboratorio. Si el laboratorio no usa modelos
como parte de su control de calidad, entonces el gerente de proyecto deber incluirlos a
una tasa de un modelo por grupo. Modelos de gruesos adicionales debern incluirse de
vez en cuando dentro de o inmediatamente luego de la identificacin visual de las
muestras de alta ley.
Los duplicados de gruesos rechazados debern constituir el 5% de las muestras
entregadas al laboratorio. Como mximo, un 5% de las muestras de perforaciones re-
numeradas (de igual pulpa) deber ser entregado nuevamente con los estndares, en
caso que la misma organizacin realice la preparacin y ensayo de la muestra, con la
finalidad de mantener mejor el anonimato de los estndares. En el muestreo de
perforaciones por circulacin reversa, los duplicados del equipo de perforacin pueden ser
utilizados en lugar de los duplicados de gruesos rechazados.
Los resultados analticos de los estndares sern utilizados para evaluar los valores
analticos y para aceptar o rechazar los grupos de resultados del laboratorio. Los
duplicados de gruesos rechazados son utilizados para evaluar el desempeo de la
preparacin de muestras. Los modelos de gruesos son utilizados para evaluar la
preparacin y ensayo de la muestra. Es preferible que las muestras duplicadas sean
analizadas en un grupo diferente al de la muestra original.
Un estimado de la cantidad mnima de material de referencia estndar de mineral de ley

necesaria para una campaa de perforacin se puede obtener con la frmula:
0.02625 w D / l
Pgina 32
Donde w = peso aproximado de una muestra de estndar entregada, D = total de

metros de perforacin planificada y l = longitud promedio de intervalo de perforacin de
muestras. Este nmero incluye las inserciones de material de referencia estndar en
las entregas al laboratorio de ensayos de verificacin. Por ello, 10,000 metros de
perforacin muestreada en un intervalo de longitud promedio de 2 metros requeriran un
mnimo de 132 inserciones de estndar de mineral de ley, si el peso promedio de la
muestra es de 100 gramos cada una, lo que da un total de 13.3 kilogramos de material.
Se necesitar una cantidad similar de material de baja ley y de material modelo. Si el
tamao del grupo es menos que 40, se necesitar ms material con la finalidad de
insertar una muestra de mineral de ley (y un modelo o muestra de baja ley) en cada
grupo. En tal caso, la cantidad mnima de material de referencia estndar de mineral de
ley puede estimarse de la siguiente manera:
w D(l n ) + 0.05 w D / (l m )
Donde n es el nmero de muestras procesadas en cada grupo del laboratorio primario y

m es el nmero de muestras procesadas en cada grupo del laboratorio arbitral.
5.3 Manteniendo el Anonimato de los Materiales de QAQC
Tpicamente, la preparacin de la muestra se maneja en la misma instalacin donde se

realiza el trabajo analtico (el laboratorio primario). Esta instalacin minimiza y acelera
el manejo de la muestra y la recepcin de los ensayos. Adems, se ahorran costos de:
reduccin del tiempo de seguimiento de muestras (llamadas telefnicas), embarque de
muestras (flete areo de pulpas) y descuentos por volumen de trabajo.
Debido a que todos los materiales de referencia estndar son entregados como pulpas,
es imposible mantener su identidad en secreto para el laboratorio primario que por otro
lado est recibiendo material geolgico de tamao variable. La entrega ciega de
estndares al laboratorio primario sera ms fcil si la preparacin de la muestra fuera
manejada por otra instalacin diferente al laboratorio de ensayo primario. Si se hace
esto, todas las muestras que lleguen al laboratorio primario sern pulpas y ser ms
fcil la conciliacin de los estndares intercalados desde el laboratorio. La mayora de
laboratorios comerciales, bajo coaccin, slo realiza la preparacin de la muestra. Sin
embargo, tan slo la preparacin puede resultar costosa debido a que los precios de
preparacin publicados frecuentemente se elevan debido a los precios analticos, los
cuales tienen mayor margen de ganancia para el laboratorio. Los laboratorios son
reticentes a desarrollar la preparacin de la muestra sin obtener tambin el trabajo
analtico, ya que la preparacin de la muestra puede convertirse en un cuello de botella
que impida al laboratorio obtener trabajos ms remunerativos que incluyan tanto la
preparacin como el anlisis.
Se deben evaluar las opciones de completar la preparacin en una instalacin

separada. Existen pocos laboratorios de slo preparacin que ofrecen preparacin
personalizada. Algunos grandes laboratorios, que normalmente dan servicio de
preparacin y anlisis, realizarn slo la preparacin por un cargo adicional substancial
(aproximadamente 100%). Alternativamente, se debe evaluar, para programas a gran
Pgina 33
escala de justificada duracin, la construccin de una instalacin para preparacin de

muestras.
Si existen dudas sobre si los controles ciegos pueden ser identificados y separados
para tratamiento especial, pares de estndares, que difieren uno del otro en el valor de
ensayo por 1.5 (1.5 veces la desviacin estndar obtenida para el estndar a ser
diluido). Esto es tpicamente de cuatro a ocho del porcentaje relativo, con una
diferencia ms elevada del porcentaje relativo para los estndares con leyes cercanas
al lmite de deteccin analtico. Cerca del corte del mineral o residuo, dicho par de
estndares puede tener valores de 0.48 y 0.52 gm/ton de Au (una diferencia relativa de
0.04 / 0.50, u 8%). Un par de estndares de alta ley pueden tener valores de 2.04 y
1.96 gm/ton de Au (una diferencia relativa de 0.8/20.0, 4%). Es difcil que un
laboratorio identifique tales diferencias con certeza en base a un nico ensayo. Donde
se utilice tal aproximacin, se pueden graficar los dos estndares de cada par en la
misma carta de control, como lneas separadas.
Adicionalmente, un porcentaje de muestras de pulpas previamente ensayadas

(duplicados de las mismas pulpas), re-empacadas y re-numeradas por el despachador
del proyecto de tal manera que no se puedan distinguir de los paquetes con material
estndar, tambin debern ser incluidos en los materiales de QAQC suministrados al
laboratorio para su insercin. Tpicamente, muchos de los programas QAQC usan de
dos a tres estndares (corte, ley promedio, ley de tratamiento especial) para cada tipo
de mineral (por ejemplo: minerales de xido y sulfuro en un depsito de oro). Con la
finalidad de asegurar que se incluyan dentro del grupo de muestras una de alta ley y
una de baja ley o modelo, se puede enviar al laboratorio dos cajas de pulpas para
insercin: una conteniendo modelos, estndares de baja ley y duplicados de pulpa con
ensayos bajos inicialmente; y otra conteniendo estndares de alta ley, y duplicados de
duplicados de pulpa con resultados de alta ley.
Cuando se entreguen a los laboratorios materiales de referencia estndar para

insercin, es importante verificar, cuando se visite el laboratorio, para estar seguro que
los materiales estn siendo insertados dentro de cada grupo, y no estn, por ejemplo,
siendo corridos por separado en duplicado o triplicado y los resultados aproximados
sean ingresados en el reporte final.
La pre-asignacin y pre-numeracin de los estndares bajo condiciones muy

controladas es una buena prctica ya que as se reduce la posibilidad de error en el
etiquetado o numeracin:
Cuando esto sea posible, se deber mantener una lista clave de la identidad MRE de
cada muestra. Al igual que para las muestras, cada insercin de un MRE debe ser
acompaado por un nmero de muestra nico
Para mantener el anonimato y para controlar la ubicacin de los MRE en el proceso, los
nmeros de muestras pueden ser reservados en un cuaderno de nmeros de muestra
impreso, si es utilizado. Esto se puede realizar utilizando un sello que diga
ESTNDAR: ________ en las pginas seleccionadas, de tal manera que cada grupo de
muestras (igual al tamao del grupo) tenga dos lugares reservados para MRE
Pgina 34
La seleccin de nmeros de muestra utilizados para la asignacin puede variar

ligeramente, por ejemplo, aadiendo un nmero entero seleccionado al azar entre -4 y +4
a un nmero constante igual al tamao del grupo. Una lista puede ser fcilmente
generada en una hoja de clculo como Excel o Quattro-Pro, que luego es importada a la
base de datos para hacer una tabla de MRE
Tambin se imprime y guarda una lista junto con el registro de muestras; de este modo la
identidad de los estndares insertados se puede completar en la lista. Luego se regresa la
lista completa y se actualiza la tabla de MRE
Para evitar introducir errores de oficina, es aconsejable incorporar algunas redundancias
en la tarea, como tener una etiqueta removible (hoja con clip) en cada estndar, que debe
ser removida y marcada con el nmero de muestra, al mismo tiempo que se escribe un
nmero de muestra en el sobre del material estndar. Luego, estas etiquetas son
colocadas en un sobre con la fecha de embarque y guardadas hasta que lleguen los
resultados. Si surge alguna consulta sobre la mezcla de materiales de referencia estndar
insertados, se puede verificar el sobre pertinente. Escribir la informacin en un tablero no
parece funcionar tan igual de bien, posiblemente porque la gente olvida hacerlo cuando
estn apurados. Si un tcnico se olvida de quitar la etiqueta, el laboratorio sabr la
identidad del estndar de dicha muestra, pero por lo menos su identidad no ser mezclada
Es importante proporcionar retroinformacin a los tcnicos involucrados en la tarea,
avisndoles si se encuentran errores, para que estn vigilantes.
Luego, es responsabilidad del gelogo o geotcnico supervisor ingresar la identidad del

MRE insertado en el registro de muestras (en vez de un intervalo de metraje de
perforacin) y en la lista de MRE. Es recomendable hacer un esfuerzo para insertar un
estndar apropiado en la secuencia, basado en lo registrado para las muestras
cercanas. Para las muestras de oro, se debern hacer esfuerzos para insertar un
estndar de xido (tpicamente en color rojo) con muestras de xido, y estndares de
sulfuros con muestras de sulfuros, de tal manera que los MRE y las muestras sigan los
mismos ajustes de la cadena previo al proceso de ensayo.
Cuando se utilizan las distancias de perforacin como nmeros de muestra, los MRE no
pueden ser fcilmente insertados. Utilizar distancias de intervalos de perforacin
ficticias es una fuente potencial de confusin y no es recomendable. De adoptarse este
procedimiento, se les deber asignar una longitud cero a las distancias de perforacin
ficticias (es decir, el de deber ser igual al a) de manera que reciban una incidencia
de cero (y sean descartados) de ser equvocamente incorporados en el modelo de
recursos.
Una alternativa es aadir un sufijo al intervalo de perforacin el cual precede al punto de

insercin, y asignar ste al control; esto de alguna manera compromete el anonimato de
los materiales de control insertados. Al emplear esta metodologa, no se deber de
insertar de manera rutinaria un duplicado al costado de su muestra original. Se pueden
utilizar etiquetas removibles pre-impresas con la identidad el estndar; debido a que la
muestra ya cuenta con un sufijo distinto, la etiqueta no proporciona nada adicional. Al
momento de la insercin se remueve la etiqueta y se etiqueta la bolsa de material
estndar, la etiqueta retirada es pegada al registro de muestras o en una lista clave que
identifica los estndares. Una aproximacin similar puede ser utilizada para la insercin
de modelos de gruesos.
Pgina 35
6.0 PROTOCOLOS Y CRITERIOS DEL CONTROL DE CALIDAD
6.1 Concepto de Aceptacin y Rechazo de Grupos

Un aspecto crtico del programa de Control de Calidad es el proceso de decisin para la
aceptacin o rechazo de resultados del laboratorio. Normalmente los resultados se
revisan sobre la base de los grupos de laboratorio; una cantidad de grupos puede
constituir un trabajo completo para el laboratorio. Por lo tanto, es poco frecuente el
tener que rechazar un trabajo completo; en vez de eso, grupos individuales de trabajos
de laboratorios, bajo condiciones ideales, ocasionalmente sern rechazados.
Normalmente no es prctico controlar el grupo desde fuera del laboratorio. El gerente

del proyecto normalmente no sabe donde termina un grupo y donde comienza el
siguiente, y por lo tanto tpicamente revela la identidad de la muestra de control (si ya no
es conocida) de tal manera que el laboratorio pueda identificar el grupo. En vez de eso,
el gerente del proyecto deber solicitar el re-ensayo de un pequeo grupo de muestras
(cinco a diez) que incluye el estndar insertado, de tal manera que la posicin del
estndar no sea ni el inicio ni el final de la secuencia, pero que por el contrario vara con
cada solicitud de re-ensayo. Luego de investigacin, el laboratorio estar en capacidad
de comunicar al jefe de proyecto el tipo de error que ha cometido (grupo, mezcla de
muestra, etc.) y llevar acabo la accin apropiada (re-analizar el grupo apropiado si hay
un error de grupo, emitir un certificado de ensayo corregido).
La idea de un control de calidad por grupos es que un todo un grupo podra haber sido
sometido a procedimientos incorrectos y por lo tanto todo el grupo est mal. Esto
ocurre algunas veces, pero no es usual. Los tipos de errores ms frecuentes en los
ensayos son los episdicos, los cuales ocurren al azar. Algunos ejemplos son: error al
leer un nmero en una balanza o equipo, transposicin de dgitos al registrar el nmero,
error al colocar un punto decimal, derrames o reboses de una nica muestra, bloqueo
parcial transitorio en el flujo de fluidos hacia el espectrmetro, contaminacin producida
por el goteo de un horno sucio, la reutilizacin de un crisol contaminado, entre otros.
Usualmente, el segundo tipo de error ms comn involucra el intercambio de dos

muestras, lo que da como resultado dos muestras cercanas con resultados incorrectos.
Es poco comn tener un mal grupo. Algunos ejemplos incluyen: leer (en el
instrumento) una relacin de muestras a la inversa, leer la relacin equivocada de
muestras, calentar un grupo de muestras por mucho o muy poco tiempo o a la
temperatura equivocada, utilizar reactivos inapropiados o calibrar inadecuadamente un
instrumento. Debido a que estos son errores de procedimiento que pueden ser
eliminados introduciendo buenos procedimientos, los buenos laboratorios tienen muy
pocos grupos malos. Los otros tipos de errores son ms difciles de prevenir, pero
pueden ser reducidos por medio del uso de computadoras (conectadas al
espectrmetro y balanza, por ejemplo, para prevenir la transposicin de dgitos).
Es una buena prctica firmar un acuerdo con el laboratorio en el que se especifiquen los
niveles de desempeo requeridos del laboratorio, cmo sern medidos, y qu acciones
de remediacin son requeridas bajo diferentes circunstancias. Los acuerdos
especficos variarn, pero normalmente el laboratorio estar de acuerdo en volver a
Pgina 36
hacer los ensayos, sin costo adicional, a los grupos que para el gerente del proyecto
presentan fallas. Este acuerdo ser perjudicado si el programa de Control de Calidad
es mal manejado evidencindose, por ejemplo, por la frecuente mezcla de muestras por
parte del personal del proyecto responsable del etiquetado y de insertar los estndares
y duplicados de la muestra ciega. Para los materiales de referencia estndar
certificados, la tolerancia (rango alrededor del valor deseado de un estndar que se
crea aceptable) se debe basar en lo que ha sido alcanzado por otros laboratorios
utilizando procedimientos analticos similares, tal como se publica en el informe de
certificacin. Los lmites razonables abarcan el 95% de las determinaciones obtenidas
durante el proceso de certificacin, no el error estndar de la media (la incertidumbre en
la estimacin del valor certificado), tal como se observa en algunas etiquetas
comerciales, incluyendo los estndares CANMET.
En el caso de ensayos de verificacin arbitral, los resultados originales y de verificacin

comnmente presentan diferencias sistemticas de un pequeo porcentaje relativo (es
decir, un laboratorio devuelve valores ligeramente ms altos que el otro, en promedio,
en el tiempo). Este componente de parcialidad relativa entre los laboratorios
normalmente se factoriza en enunciados de desviacin estndar en los informes de
certificacin. Las muestras que tienen leyes cercanas al lmite de deteccin deben
obtener tolerancias an mayores (en trminos de porcentaje relativo de la ley). Este
efecto debe ser minimizado tanto como se pueda con la seleccin de un laboratorio
primario y arbitral que muestren buena concordancia con otros laboratorios y muy
buena concordancia entre ellos.
Un resultado puede ser descrito como sobrepasando los lmites si:
Para los materiales de referencia estndar, el rango aceptable debe ser el valor deseado
2 (nominalmente 95% de intervalo de confianza). Esta es una tolerancia generosa. Uno
puede esperar que, si el laboratorio tiene un desempeo por encima del promedio y las
muestras no han sido mal etiquetadas antes a su entrega al laboratorio, menos del 5% de
los estndares entregados estarn fuera de este rango
Los modelos de pulpas debern presentar valores menores que o iguales al doble del
lmite de deteccin. El material de modelo de gruesos no deber exceder el triple del lmite
de deteccin
Es ms problemtico colocar lmites de aprobacin y falla en los resultados duplicados
debido a que se tiene menos conocimiento de la confiabilidad de los pares de
duplicados. Lo que puede parecer un requerimiento difcil de conseguir para un
depsito puede ser muy fcil de obtener para otro. Algunas reglas empricas
especifican que el 90% de los pares de duplicados cumplen con uno de los siguientes
criterios:
Los resultados duplicados (resultados A y B) desarrollados en gruesos rechazados

debern estar dentro del porcentaje relativo 20 (diferencia del par dividido entre la media
del par):
A B
< 0 .2
0 .5 * ( A + B )
Pgina 37
Los resultados duplicados (A y B) desarrollados en pulpas debern estn dentro del

porcentaje relativo 10:
A B
< 0 .1
0 .5 ( A + B )
En las frmulas mostradas, los resultados por debajo de la deteccin reciben un valor de
cero. Las ecuaciones son indefinidas donde ambos valores estn debajo de la deteccin.
Los valores de la media del par (0.5*(A+B)) que son menores a 15 veces el lmite de
deteccin tienen lmites relativos ms amplios:
Para pulpas, si el valor absoluto de A B es menor que o igual al doble del lmite de
deteccin, ste pasa
Para gruesos rechazados, el valor A - B debe ser menor que o igual a tres veces el lmite
de deteccin, para poder pasar.
Qu tan bien funcionen estas reglas para resultados duplicados cerca del lmite de
deteccin depende de cmo defina el laboratorio su lmite de deteccin; estas reglas
son consistentes con las establecidas para los modelos de muestras.
Estas reglas son bastante efectivas para identificar pares de resultados aceptables. Un
laboratorio con una gran cantidad de resultados cercanos al lmite de deteccin que no
satisface los criterios antes mencionados, pero tiene buen desempeo con muestras de
leyes altas, podra estar subestimando su lmite de deteccin (prctico). Muchos
documentos preparados por Thompson y Howarth tratan este problema en detalle. Una
solucin es redefinir el lmite de deteccin prctico en un nivel ms alto que el
establecido por el laboratorio (por ejemplo, duplicndolo). Existe poco riesgo para la
estimacin de recursos, mientras que el nuevo lmite de deteccin permanezca muy
por debajo de cualquier posible corte de mineral o residuo anticipado para el proyecto.
Si el corte del mineral o residuo es menor a 15 veces el lmite de deteccin redefinido, la
adecuacin del mtodo analtico debe ser cuidadosamente revisada.
6.2 Tipos de Errores

Los errores en los datos generalmente se pueden categorizar en tres tipos diferentes:
los que consideramos como equivocaciones, los que son consecuencia de las
limitaciones del proceso, y las fallas en el proceso que proporcionan respuestas
totalmente erradas.
Las equivocaciones incluyen acciones tales como la transposicin de dgitos al

momento de registrar una lectura, mezclar las muestras, olvidar aplicar un factor de
dilucin al calcular una respuesta, falla electrnica o mecnica de un instrumento de
medicin y error en la asignacin de los resultados con los nmeros de las muestras,
entre otras. Algunas veces, este tipo de error se conoce como Tipo I. Los resultados
que presentan dichos errores tienen una relacin no predecible con los resultados sin
equivocaciones. Esto quiere decir, dada una lista de resultados en la que todos
contienen este tipo de error, no se puede hacer una prediccin sobre cuales seran los
resultados sin estos errores. La diferencia entre el resultado errado y el valor
Pgina 38
verdadero puede ser muy grande o muy pequea. Algunos de los errores de este tipo
pueden ser cuantificados por su frecuencia de ocurrencia. Por ejemplo, al verificar
algunos de los ingresos en una base de datos con la documentacin de origen, se
puede hallar el porcentaje de valores que presentan errores en su ingreso.
Los errores de medicin y muestreo, a veces llamados errores Tipo II, son ms
predecibles. Una poblacin lo suficientemente extensa de estos errores tiene una
medio de cero (los errores positivos y negativos tienden a anularse entre si). Para este
tipo de errores, se pueden calcular intervalos de confianza y similares. Este tipo de
errores no previenen la obtencin de una respuesta correcta. Los errores de medicin
y muestreo no se pueden prevenir, slo se pueden reducir en tamao.
El tercer tipo, los errores sistemticos, tambin son predecibles pero proporcionan la
respuesta equivocada. Por ejemplo, si la calibracin de una balanza utilizada para
pesar alcuotas de muestra est 5% por debajo, entonces el promedio de resultados de
las muestras pesadas en dicha balanza estar 5% por encima, debido a que cada
alcuota de muestra pesada en dicha balanza tiene un promedio de 5% ms de masa de
muestra que la utilizada en el clculo de la ley de la muestra. Los errores sistemticos
pequeos se presentan en cualquier proceso; son la razn por la cual diferentes
laboratorios obtendrn resultados promedio ligeramente diferentes para el mismo grupo
de muestras. Los errores sistemticos grandes en los ensayos o muestreos pueden ser
fallas fatales en un modelo de recursos.
Estos tres diferentes tipos de errores coexisten en un grupo de datos de control de

calidad. El control de calidad efectivo tiene esto en consideracin.
El primer tem por ubicar son los errores grandes Tipo I. Estos son los puntos alejados
en un grfico de dispersin de resultados duplicados. Estos se pueden ubicar
visualmente en los grficos de dispersin. Si se pueden identificar y remover, los
valores restantes contienen errores pequeos Tipo I que no son distinguibles de los
errores Tipo II y Sistemticos. Luego de remover los puntos alejados, los valores
duplicados pueden utilizarse para construir una tabla para aceptar o rechazar cualquier
par de resultados duplicados.
6.3 Identificacin de Puntos Alejados en Poblaciones de Resultados

Duplicados
La precisin, expresada en trminos de diferencia relativa entre dos mediciones de
muestras de duplicados, vara con la ley. La precisin en la vecindad del lmite de
deteccin ser menor que la precisin en leyes ms altas. Esto puede ocurrir cuando
algunos errores de medicin son constantes. Por ejemplo, si un conjunto de lecturas de
un instrumento presenta un incremento de 0.1, con una incertidumbre (digamos a 2)
de 0.1, la precisin a 2 es 100% para una muestra con una lectura de 0.1, mientras
que una muestra con una lectura de 1.0 tiene una precisin 2 de 10%.
En consecuencia, si no se tiene en cuenta la ley, la diferencia relativa entre los pares

rechazar una cantidad de pares desproporcionada de algunas leyes cercanas. Otros
Pgina 39
errores de medicin no son constantes, como por ejemplo, diluir una muestra. Un error
de 1% en la dilucin produce una diferencia de 0.01 en una muestra con una ley de 1, y
una diferencia de 0.001 en una muestra con una ley de 0.1.
Uno debe evaluar los datos establecidos para definir que nivel de precisin es aceptable
para determinada ley. A continuacin se presenta un acercamiento. Coloque los
resultados duplicados en las columnas A y B de una hoja de clculo. Calcule las
medias de los pares ([A+B]/2) en la columna C, y las diferencias (A-B) en la columna D.
Luego:
1. Clasifique los datos por pares de medias.
2. Calcule la varianza de cada par en una nueva columna, por ejemplo: E32:
=VAR(A32,B32).
3. En otra columna F32, utilizando una vecindad de tamao razonable (normalmente

ms de 32 pares pero menos de 10% de la poblacin se necesita muchos pares
para esto), calcular una ventana movible de la mediana de las varianzas de los
pares. Asegurarse que la ventana movible est adecuadamente centrada de
manera tal que la mitad de los pares en ella estn por encima y la otra mitad por
debajo; para E32, la ventana movible del par 33 sera =MEDIANA(E16:E48).
4. Los pares con leyes promedio cercanas al lmite de deteccin no presentan puntos
alejados debido a que si uno de los valores fue mucho mayor que el otro, el par
promedio los coloca ms alejados del lmite de deteccin. Por lo tanto, las
estimaciones de precisin cercanos al lmite de deteccin no se pueden realizar de
esta manera. Bajando por la columna E, borrar los ingresos hasta que los
resultados lleguen a un pico y comiencen a descender. Los pares con las leyes
promedio ms altas tambin presentan un problema: no hay pares en la vecindad
por encima de ellas. En consecuencia, la frmula en las ltimas celdas deber ser
alterada arreglando el rango utilizado para el clculo de la mediana. Por ejemplo, si
los datos terminan en la fila 340, la frmula para la celda E320 no
es=MEDIANA(E316:E348); sino =MEDIANA(E16:E$340).
5. Calcular las proporciones de la varianza de cada par con la mediana de su

vecindad; por ejemplo, G32=E32/F32.
6. Copiar los valores (pegado especial valores) de esta hoja de trabajo a otra hoja de
trabajo y clasificar en orden descendente segn las proporciones de la columna G.
Ahora los candidatos a puntos alejados se ubican en la parte superior de la lista.
7. Si se conoce que porcentaje de los pares presentan errores grandes de tipeo u otros
errores Tipo I, entonces se puede elegir la cantidad apropiada de pares de la parte
superior de la lista como posibles puntos alejados. Ante la falta de un clculo de
este tipo, se puede seleccionar un porcentaje fijo, o se puede realizar el grfico de
dispersin y los nmeros cambiantes (desde la parte superior de la lista hacia abajo)
se pueden imprimir como puntos alejados. Esto constituye una mejora desde una
apreciacin visual simple en el que uno realiza un juicio subjetivo, en este caso en la
Pgina 40
cantidad de puntos alejados, pero no se elige que puntos son los alejados. Por lo
tanto es argumentable una seleccin ms objetiva. Si se hace una seleccin
estrictamente visual, esto ayuda a mantener las escalas x e y invariables, o cambiar
los datos que son x y los que son y.
8. Si los puntos alejados estn en desacuerdo con el sentido comn, recuerde que lo
que manda son las reglas del sentido comn: ajustar el tamao de la vecindad hacia
arriba o hacia abajo en por lo menos 20% y buscar la mejora. Esto se puede
realizar fcilmente editando la frmula en la columna F32 (paso 3). No olvidar de
editar la frmula para valores mayores (paso 4).
A veces, se encuentra un nmero desproporcionado de puntos alejados en las leyes

ms altas (en los casos en los que la ventana movible se est achicando conforme se
alcanza el final de la distribucin de la ley). Esto puede ser consecuencia de algunos
errores Tipo I, tal como la ubicacin errada de un punto decimal o la falla al convertir los
resultados de una unidad de medicin a otra (por ejemplo algunos resultados estn en
ppb y la mayora estn correctamente en gm/t). Tambin puede ocurrir debido a que la
dispersin se est incrementando, pero el mtodo de estimacin cercano a la parte final
de la distribucin no presenta los datos suficientes para realizar la extrapolacin
apropiadamente.
6.4 Obtencin de una Tabla de Referencia de Aprobacin y Falla Basado en la

Identificacin de Puntos Alejados
El aspecto faltante ms comn en el Control de Calidad utilizando datos duplicados es
un procedimiento documentado para falla de duplicados. Muchos laboratorios
comerciales cuentan con algoritmos sofisticados en sus SMIL (Sistemas de Manejo de
Informacin de Laboratorio) que activan alarmas cuando los procesos pierden el control.
Dado a que esto involucra una fuente de datos que normalmente proviene de diferentes
clientes, no resulta prctico para ellos presentar estos datos y mantener la
confidencialidad de los datos de sus clientes. Al menos, este es un argumento que se
ha presentado.
Dichos sistemas monitorean tanto la frecuencia como la magnitud de las desviaciones

(generalmente en unidades de desviacin estndar) de valores ptimos. Por ejemplo,
se puede esperar con cierta frecuencia que un solo resultado tenga una desviacin
estndar mayor que el mejor valor (media). Si siete resultados consecutivos estn
fuera por ms de una desviacin estndar, lo cual no es probable, esto producir una
alarma en algunos sistemas. En contraste, un solo resultado fuera por 3 desviaciones
estndar normalmente activa una alarma.
El laboratorio puede ejercer control sobre grupos de muestras. Normalmente resulta

poco prctico para el gelogo intentar hacer esto. Sin embargo, una vez que se tiene
cien o ms duplicados de una clase, se puede generar una tabla para decidir si un par
de resultados duplicados est lo suficientemente cerca como para ser aceptable. Dicha
tabla mostrar las cantidades aceptables de diferencias para los rangos de ley, tal como
se calcul con el par promedio. Todos los laboratorios estatales de la ex Unin
Pgina 41
Sovitica se manejaron con una tabla de referencia. En ese ambiente insensible al

costo, todas las muestras de oro fueron ensayadas por duplicado. Luego se consulta la
tabla oficial (Tabla 6-1)2. Pasa la muestra para la clase de laboratorio en la que se
encuentra? Si la muestra no pasa, entonces regresa para dos ensayos ms.
Tabla 6-1
Lmites de tolerancia oficiales pre-establecidos por el estado
Rango de Ley Tolerancia en porcentaje*
Au g/t Clase de Laboratorio*
min max A B C
50 99 8.9 18 25
20 49 15 25 33
10 19 23 33 55
5 9.9 33 50 75
2 4.9 50 75 83
0.5 1.9 75 83 83
0.2 0.49 83 83 83
* Diferencia del Par / (Media del Par)
La desventaja de este enfoque (independientemente de su baja costo-efectividad) es

que los depsitos geolgicos no estn conforme a la ideologa socialista: algunos tienen
oro visible, lo que produce un fuerte efecto pepita, y otros no. De este modo, la tabla
que a primera vista podramos pensar que es muy fcil para un laboratorio comercial de
ensayos en la zona oeste, sera de hecho, para el caso de depsitos de oro grueso, una
pesadilla de ensayos repetidos. Una posible solucin socialista para este dilema es
evitar los depsitos con un fuerte efecto pepita en los laboratorios Clase C, antes de
correr el riesgo de perder el estatus de Clase A. El probable resultado irnico es que
las muestras ms difciles de analizar terminan en el laboratorio menos equipado para
manejar estas muestras.
Un mejor enfoque es adaptar una tabla de aprobacin y falla al material y protocolos

que se estn utilizando. Una vez que un programa tiene una gran cantidad de pares
duplicados del mismo tipo, incluyendo algunos puntos alejados, la identificacin visual
de los puntos alejados se puede utilizar para establecer los criterios de aprobacin y
falla de una tabla de referencia. Esto se logra con un trabajo adicional utilizando el
procedimiento para identificacin de puntos alejados (Seccin 6.3). Las varianzas
calculadas para los pares de los resultados duplicados son igual a [a-b]2, donde a y b
son los dos resultados duplicados. Utilizando el criterio de proporciones (paso 5 y 7 en
la Seccin 6.3) seleccionado para lo que define un punto alejado, se puede calcular la
diferencia aceptable (a-b) para cada media de par.
En la mayora de los casos (hay excepciones para algunos depsitos que tiene ms de
una poblacin de minerales con distribuciones muy diferentes de tamaos de
partculas), se puede esperar que la varianza aumente o se mantenga igual conforme
2
de: Branch Standard: Control of Quality of Analytical Work, Control operacional del laboratorio de coincidencia
(repeticin) de los resultados de los ensayos de calidad de materiales de mineral crudo, OST 41-08-214-82 Edicin
Oficial. Aprobado por la Orden del Ministerio de Geologa de URSS Sep. 9, 1982. Introducido al trabajo Julio 1, 1983.
Pgina 42
aumente la ley. La precisin disminuye debido a que es proporcional a la raz cuadrada

de la varianza dividida por la media, pero la varianza siempre sube (aumenta
montonamente respecto con la ley).
Siguiendo con los pasos de la Seccin 6.3:
9. Hallar la menor proporcin de [par de varianza] / [mediana del par de varianza]

(llamado p) en la poblacin alejada (es decir, la menor proporcin necesaria para
calificar como un punto alejado).
10. En una columna separada, llamada columna H, calcular el criterio de varianza para
un par que no cumple con p*mediana de varianza. Para suavizar esto hacia una
funcin de aumento montono, utilizar (por ejemplo, en la celda H23):
=max(h22,p*E22) donde E22 contiene la mediana del par de varianza de la
vecindad (ver pasos 3 y 4).
11. Calcular el par de diferencia de aprobacin y falla (a-b) en una columna I separada.
Continuando con el ejemplo, I32 contiene la frmula =RAIZ[2*H32]. Redondear
estas diferencias para hacer que coincidan con los datos de origen, por ejemplo si
los datos de origen tienen 2 posiciones despus del punto decimal, los pares de
diferencia tambin.
12. Ahora se tiene una funcin escalonada. El mayor par de diferencia aceptable ser
constante para un rango de valores medios, luego aumentar. A partir de esto,
hacer una tabla, hallando el mnimo y mximo par de medias para cada par de
diferencia. Esto da como resultado una tabla referencial con una estructura como la
del ejemplo en la Tabla 6-2
Tabla 6-2
Ejemplo de parte de una tabla de aprobacin y falla para duplicados
Si la Media del Par es y Diferencia del Par Debe ser
<
0 0.2 0.1 (todas aprobadas)
0.2 0.6 0.2
0.6 1.1 0.3
1.1 1.7 0.4
1.7 1.9 0.5
Ahora se tiene una tabla que el personal puede utilizar para identificar fallas en los
datos que regresan. Esto es mucho ms efectivo y consistente que examinar los
resultados duplicados en cuanto a grandes diferencias.
Los puntos alejados identificados utilizando dicha tabla debern ser sucesos poco
comunes que estn relacionados con los grandes errores Tipo I. La primera accin que
se debe tomar con estos es buscar los posibles errores en el ingreso de datos y mezcla
de muestras. Podra ser necesario o deseado solicitar re-ensayos de estos pares de
muestras. Si la disparidad es el resultado de un error de informe (tal como
Pgina 43
transposicin de dgitos al momento de leer un instrumento) o un error de ensayo

(derrame o sobre-hervir), los re-ensayos de las dos muestras de los duplicados
proporcionarn resultados que estn de acuerdo con cada uno, y con uno de los dos
resultados originales de los duplicados. Si el re-ensayo arroja dos resultados dispares
similares al primer par de resultados, esto indica que se ha mezclado las muestras. Es
de mucha utilidad distinguir estas dos condiciones, de manera que se pueda tomar la
accin correctiva adecuada.
6.5 Tendencia del Laboratorio

Para cada informe, es importante trazar el promedio de cada MRE versus una
secuencia de tiempo, de tal manera que se pueda monitorear la tendencia del
laboratorio. De manera similar, la diferencia entre los promedios en el ensayo original y
de verificacin tambin puede ser trazada versus una secuencia de tiempo. Estos dos
trazos detectarn cualquier tendencia del laboratorio que pudiera existir. Cuando hayan
habido fallas y los informes de laboratorio hayan sido revisados, los valores antiguos
debern ser eliminados y reemplazados con los nuevos antes de calcular el resultado.
Generalmente, las diferencias prolongadas (en un lapso de tiempo de 10 o 20 MRE) de
ms de 5% son inaceptables. Se deber informar al laboratorio respecto a la tendencia,
pero sin entregar informacin confidencial sobre la identidad y leyes de los MRE ciegos.
Usualmente, la mejor manera es entregar informacin de los ensayos de verificacin en
lugar de los resultados estndar. Los resultados de lMRE ciegos slo deben ser
utilizados como ltimo recurso cuando se intenta resolver un problema con el
laboratorio; primero preguntar al laboratorio que presente el desempeo de sus propios
estndares insertados en el lapso de tiempo en cuestin.
6.6 Prcticas para Monitorear la Calidad

Si las muestras son transportadas, las muestras de pulpas debern ser re-
homogenizadas. AMEC recomienda que las pulpas sean pasadas por un pulverizador
de anillos y discos por un perodo de 10 a 20 segundos previo al pesaje ya que esto
reduce la segregacin que puede haber ocurrido por el asentamiento de las partculas
ms densas, segregacin por tamao de partcula o forma, aglutinamiento, etc.
Obviamente, para este ensayo se deber retirar las alcuotas de las muestras
seleccionadas para monitorear la calidad de la molienda de las pulpas, previo al re-
mezclado de la pulpa en el pulverizador. En este caso, la fraccin extrada de la malla
de ensayo deber ser recolectada rodando y esparciendo la pulpa en una pequea
rejilla y recogiendo muchas muestras pequeas al azar. Una mejor muestra se obtiene
pasando la muestra por un micro-separador vibratorio, pero esto casi nunca se hace ya
que muchos laboratorios no cuentan con este equipo. La sub-muestra empleada para
el ensayo de tamizado hmedo deber ser descartada y nunca regresada a la bolsa de
la muestra de pulpa.
Muchos laboratorios comerciales realizan ensayos fire assay de muestras de baja ley
con una terminacin del tipo AA-flame en vez de pesar el glbulo (terminacin
gravimtrica). El laboratorio de verificacin deber efectuar, de manera rutinaria, las
terminaciones de los ensayos fire assay con leyes que mayores de 1 a 2 gm/t por el
Pgina 44
mtodo gravimtrico, ya que es ms preciso para muestras de oro de ley alta. Esto
proporciona una buena verificacin de la terminacin AA-flame del laboratorio
primario, la misma que puede verse afectada por errores de dilucin y de calibracin.
Tal como se mencion anteriormente, el laboratorio arbitral deber medir la calidad de

la pulpa (fineza) de algunas de las pulpas enviadas del laboratorio primario. Una
medicin de la calidad es mucho mejor que una percepcin cualitativa, la cual no puede
ser fcilmente documentada. Usualmente, analizar una pulpa de 10 (de las pulpas
entregadas para ensayo de verificacin) es suficiente. Debido a que el laboratorio
arbitral recibe aproximadamente el 5% de todas las pulpas para el ensayo de
verificacin, esto significa que alrededor de una mitad del 1% de las pulpas ser
analizada en cuanto a la pulverizacin adecuada. Las pulpas debern ser analizadas
empleando mallas de tamaos que permitan el paso del 95% de la muestra (en peso).
Esto deber hacerse pesando 10 20 gramos de pulpa seca rechazada y el zarandeo
hmedo a travs de una malla pequea, secando y pesado la fraccin retenida y
calculando el porcentaje que pasa por la malla. Esta es una etapa del control de calidad
que tiene como propsito mantener la calidad durante el proyecto.
Si el laboratorio primario no registra el porcentaje de material que se espera pase por el

tamao de malla especificado, lo acordado es asumir que el 95% deber pasar por ese
tamao (P-95). Este porcentaje pasante ha sido obtenido de forma experimental para
proporcionar el estimado ms confiable del tamao promedio de la partcula
independientemente de la tecnologa de molienda utilizada. Algunas veces la palabra
nominal se utiliza para referirse al tamao de la malla, como en la frase las pulpas se
pulverizan a una malla nominal #150, que en este contexto significa slo en nombre.
Esto no es aceptable. Por el contrario se deber obtener del laboratorio primario, una
especificacin que establezca el tamao de la malla por el que pase el 95% de la
muestra (en peso). Se deber solicitar al laboratorio que cumpla con su propia
especificacin con un porcentaje de falla (determinado por una prueba rutinaria al azar
desarrollada por el laboratorio arbitral) de menos del 5%. El tamao de la malla P-95
deber ser tal que permita que se obtengan resultados reproducibles en los duplicados
de pulpa (tal como se ha indicado anteriormente, dentro del porcentaje relativo de 10,
90% de las veces).
En el caso de depsitos de oro, el tamao de la partcula es mucho ms importante que,

digamos, en el caso de depsitos de cobre, donde se puede obtener resultados
reproducibles incluso con pulpas relativamente gruesas. Para el caso del oro, el punto
de inicio establecera una especificacin del 95% de la pulpa rechazada analizada
pasante la malla #150. Nuevamente, los requerimientos de la teora del muestreo
hacen necesario que el criterio se establezca en trminos de de P-95 y que los
desempeos en trminos de otros porcentajes (tales como el 85% pasante la malla
#200 el 100% pasante la malla #100") no debern ser utilizados. Si el laboratorio
primario utiliza otra especificacin diferente a P-95, pueden acomodarse empleando dos
mallas, una para el tamao probable de P-95 y otra para la estipulacin del laboratorio.
Tambin es importante obtener una reduccin consistente y adecuada en el tamao

durante el chancado de las muestras de perforacin antes de separarlas para molerlas
hasta el tamao de pulpa para anlisis. La instalacin de preparacin de muestras
Pgina 45
deber tamizar en seco una fraccin de gruesos rechazados de una muestra

seleccionada al azar durante cada turno de operacin y ajustar el equipo de chancado
cuando sea necesario. El chancado por la malla nominal #10 usualmente es ms
deplorable que la pulverizacin por la malla nominal #150 en su desviacin del
requerimiento que pase del 95%. No es inusual descubrir que una preparacin de
laboratorio de chancado con malla nominal #10 resulta ser slo el 50% de la malla 10.
La instalacin de preparacin no slo deber realizar este ensayo cada turno, sino que
deber trazar rutinariamente el resultado de cada ensayo en un grfico colocado en la
sala de chancado de muestras; esto es raramente practicado, a excepcin de los
laboratorios que cumplen con prcticas ISO.
Dentro de las limitaciones prcticas, el gelogo del proyecto y el geoqumica de la

compaa (o la persona encargada el monitoreo del control de calidad) debern efectuar
visitas peridicas y no anunciadas al laboratorio primario y las instalaciones de
preparacin de muestras para revisar los procedimientos e inspeccionar la organizacin
general de la instalacin as como la limpieza del mismo. Asimismo, debern verificar
que los materiales de control de calidad insertados estn recibiendo el mismo
tratamiento que las muestras de perforacin y que el tamao de las partculas
estipulado est siendo medido y mantenido. Un memorando breve y resumido de la
visita deber ser emitido como registro y documentacin de la visita ya que resulta muy
til para el archivo de QA-QC.
Durante las visitas a las instalaciones de preparacin de muestras, se deber analizar

una muestra al azar de los gruesos rechazados para asegurarse que el chancado es
adecuado. Algunas veces, uno descubre que la instalacin de preparacin ni siquiera
cuenta con una malla para llevar a cabo tal anlisis.
6.7 Niveles de Exactitud Sugeridos

Cuando se realizan modelos de recursos donde se requiere de financiamiento externo,
AMEC recomienda que la ley promedio de todas las pulpas de verificacin debern
estar dentro del 5% de la ley promedio de las pulpas originales verificadas (este criterio
es en adicin al criterio donde menos del 10% de los ensayos de verificacin deben
tener una diferencia relativa que exceda el 10%). De no lograrse esto, se puede
emplear un laboratorio arbitral para ensayar las muestras que presentan mayores
discrepancias entre laboratorios. Resulta menos costoso monitorear el desempeo de
un laboratorio y corregir los procedimientos que presentan fallas, que realizar un
programa de re-ensayo extensivo en la etapa tarda del proyecto.
Cualquier valor alejado deber ser identificado y omitido antes de calcular los promedios
empleados para comparar los ensayos originales y de verificacin. Sin embargo, los
valores alejados debern ser considerados para solicitar re-ensayos por el laboratorio
de verificacin. Esto se realiza fcilmente si los resultados son evaluados
inmediatamente despus de haberlos recibido. Si el laboratorio de verificacin obtiene
un resultado del re-ensayo muy cercano al primer ensayo, se puede considerar el valor
alejado es un error del laboratorio de ensayo original. La frecuencia de tales ensayos
Pgina 46
deber ser registrada y no deber exceder el 5% de la poblacin original de ensayo. De

excederse, se debern modificar los protocolos para reducir los errores de Tipo I.
6.8 Niveles de Precisin Sugeridos

Una pobre precisin tiene muchos efectos sutiles en el modelo de recursos; reduce la
certidumbre con la que se puede clasificar cualquier bloque en particular como mineral
en un modelo de recursos, hace que los cronogramas de produccin sean menos
confiables y puede dar lugar a un inventario de mineral donde pocas toneladas pueden
ser consideradas en las categoras de probadas y probables o medidas e indicadas y
ms toneladas son consideradas en la categora de inferida o posible. Algunas
veces, la distribucin de mineral en el depsito es problemtica y los esfuerzos para
mejorar la precisin del muestreo, preparacin y ensayo no son exitosos. En otros
casos, el gelogo del proyecto u otra persona competente salta a la conclusin de que
la distribucin de mineral es responsable de los problemas de precisin y no realiza
esfuerzos en mejorar los protocolos de muestreo, preparacin y ensayo que mejoraran
el modelo de recursos.
La precisin es muy pobre cuando la cantidad de partculas de mineral en la alcuota de

la muestra que se ensaya decae por debajo de 20 (Bacon, et al.). En tales casos, la
adicin o sustraccin de una partcula puede variar la ley por ms de 5%. Este
problema est restringido para leyes de diamantes y metales preciosos.
Para cualquier mineral, la precisin se vuelve problemtica conforme se acerca al lmite

de deteccin analtico, donde la precisin es ms o menos 100% (generalmente
establecida para 2 3 desviaciones estndar). Si el corte de mineral-residuo es menor
que 15 veces el lmite de deteccin analtico, casi siempre se presentarn problemas.
Como regla, si el 90% de los duplicados o rplicas de la misma pulpa con leyes de
pares de medias por encima del corte de mineral y residuo anticipado tienen una
diferencia relativa (media del par dividido entre la diferencia del par) dentro del 10%,
entonces la molienda de la pulpa, el tamao de la alcuota de ensayo y el mtodo de
ensayo pueden ser descritos como de buena precisin. Similarmente, si el 90% de los
duplicados de los gruesos rechazados tienen una diferencia relativa dentro del 20%, el
protocolo de preparacin puede ser considerado como de buena precisin.
Si el 90% de las muestras duplicadas recolectadas en el lugar de perforacin

concuerdan dentro de un 30%, la precisin global puede ser considerada suficiente,
siempre que la longitud promedio asociada a la muestra sea menor que la mitad de la
altura prevista de la banqueta de minado. SI el plan de minado es muy selectivo, la
precisin deber ser mejor para poder sustentarla.
Pgina 47
7.0 ANLISIS Y PRESENTACIN DE LOS RESULTADOS DE QA-QC
Es aconsejable mantener un registro visual actualizado del desempeo del laboratorio

conforme se reciben los nuevos resultados. Las representaciones grficas, si se hacen
correctamente, resumen la historia completa del proyecto y por lo tanto proporcionan un
contexto til para los resultados actuales. Las preferencias personales juegan un rol
importante en la naturaleza de dichos grficos. Los siguientes ejemplos son los que
AMEC encuentra tiles.
El tipo de cuadro de control ms comn es el que muestra el desempeo de un

estndar a lo largo del tiempo. Usualmente se hace como un grfico de lneas (no un
grfico con ejes xy) de manera tal que el desempeo es graficado en forma secuencial,
pero el espaciamiento no es proporcional al tiempo entre los anlisis. Este tipo de
cuadro resulta til si se anotan en l grandes lapsos de tiempo, cambios de
procedimiento, etc. Tambin resulta til tener en el cuadro el valor buscado y los lmites
de tolerancia superior e inferior (aprobacin / falla) a manera de tres lneas horizontales.
Un valor promedio movible puede ser graficado para mostrar cualquier tendencia del
laboratorio. Un ejemplo de dicho cuadro de control, utilizando valores resumidos, se
muestra en la Figura 7-1.
Trazar un grfico de dispersin de los resultados del ensayo de verificacin es

indispensable. En este grfico, se trazan los resultados del ensayo de verificacin
versus el resultado original (Figura 7-2). Como referencia, se debern incluir las lneas
x=y y/o los lmites inferiores y superiores de aprobacin/falla. Se deber establecer la
media obtenida de los resultados de cada laboratorio. Luego de excluir los puntos
alejados (ya sea visual o estadsticamente) se podr calcular la lnea de regresin de
mejor ajuste para los valores y el coeficiente de correlacin r. Cualquiera de los
puntos que fueron excluidos de los clculos estadsticos debern ser marcados en el
cuadro de manera que otros puedan juzgar la razn de su exclusin.
Para el clculo del mejor ajuste se recomienda emplear el mtodo de Reduccin al Eje
Principal (REP) (Agterberg 1974, Davis 1986). Este mtodo no introduce ninguna
suposicin con relacin a cul conjunto de resultados es correcto y permite diferencias
en la varianza de la poblacin entre dos conjuntos de resultados. La pendiente del REP
representa la relacin entre la desviacin estndar de la poblacin y sobre la de la
poblacin x. El punto de interseccin b es calculado resolviendo la ecuacin lineal
y = mx + b, empleando como x el valor medio de la poblacin x, como y el valor medio
de la poblacin y, y como m la pendiente de la RMA.
Finalmente, se puede adicionar al grfico xy una lnea mostrando un emparejamiento de

los resultados basado en el arreglo de los conjuntos x e y en orden ascendente. Este
trazo puede incluir los puntos alejados ya que muchas veces stos son un resultado del
mezclado de muestras. Muchas veces, esta lnea es referida como un trazo quantil
quantil (Q-Q) ya que coincide con los percentiles del conjunto de resultados x e y.
Otro grfico que es efectivo en la caracterizacin de la precisin se hace graficando el

valor absoluto de las diferencias del porcentaje relativo clasificado versus el grado
Pgina 48
percentil (Figura 7-3). Para hacer este grfico, se deber calcular el valor absoluto de la
diferencia y dividirla por la media del par, como se indica en la frmula:
valor absoluto [2 (A - B) / (A + B)]
Para pares de valores desarrollados por el mismo laboratorio, esta ecuacin es igual al
doble de la desviacin estndar relativa. Convertir estos valores a porcentajes y
clasificarlos en orden ascendente. Esto proporciona los valores y para un grfico xy.
Los valores x, calcular el percentil correspondiente para cada valor. Por ejemplo, para
una poblacin de 130 de tales pares, el grado de percentil del primer par (menor
diferencia, tpicamente 0%) es 1/130 = 0.77%. Luego, este valor es aadido al valor x
previo para producir un juego de valores de percentil ascendente. Si se hace
correctamente, el ltimo valor de x tendr un valor de 100%.
Algunas hojas de clculo cuentan con una funcin de grado porcentual. Esta funcin
proporciona un grfico menos suavizado ya que se les asigna un mismo grado percentil
a los empates, y con esto el valor percentil da un salto ms grande al siguiente
incremento en el valor absoluto de la diferencia relativa.
Debido a que las diferencias del porcentaje relativo son altas cerca al lmite de
deteccin, es una prctica adecuada descartar los pares de valores que estn cerca
(menores a 10 a 15 veces) del lmite de deteccin cuando se hacen este tipo de
grficos, o trazar 2 lneas separadas en el mismo grfico, una de las cuales excluya los
valores pares con una media del par cerca del lmite de deteccin.
La precisin vara de acuerdo con la ley. Los grficos de Thompson-Howarth (ver las
referencias del mismo nombre) son un tipo de acercamiento adoptado para mostrar la
variacin de la precisin para un conjunto de pares x,y en particular. Dado que muchas
veces se tienen suposiciones que no siempre son correctas, en algunas ocasiones este
mtodo resulta fallido o da conclusiones equivocadas. La principal suposicin es que
existe una tendencia lineal para el par de la varianza con el incremento de la ley. En
sistemas geolgicos donde el tamao de la partcula es constante, esto es un hecho
verdadero. Por ejemplo, si el incremento de la ley en muestras de mineral de oro de un
depsito es proporcional al nmero de partculas, entonces el acercamiento es
adecuado y dar buenos resultados. Sin embargo, las muestras con leyes altas por lo
general contienen partculas grandes en vez de una gran cantidad de partculas
pequeas. En tales casos, el par de la varianza no puede ser aproximado por una
tendencia lineal.
Un acercamiento ms flexible es el de graficar promedios movibles y con ello mostrar

una interpretacin menos idealizada de como vara la precisin con respecto a la ley.
Para ello se requiere de un conjunto considerable de valores x,y de por lo menos unos
cientos de pares. Lo primero es identificar los valores alejados y retirarlos del conjunto
de resultados. La diferencia y la media de cada par es calculada en una hoja de clculo
y los pares son ordenados por pares de media. Se selecciona una ventana adecuada
(generalmente ms de 16 pero no menos de 1/10 de la poblacin) y se calcula, para la
ventana, las desviaciones estndar de las diferencias de los pares y las medias de la
ley. La frmula es copiada en todas las filas de manera que el ltimo valor ingresado
Pgina 49
cuente con una ventana movible que termina con el ltimo par (media de ley ms alta).
Finalmente, para cada fila el valor de la desviacin estndar de la ventana movible es
dividido por la media de la ley (de la misma ventana) con la finalidad de obtener la
desviacin estndar como un porcentaje; estos valores son graficados versus el valor
de la ley promedio para generar una curva de la forma general y = m/x + b. En la Figura
7-4 se muestra un ejemplo de dicha curva. En este ejemplo, uno se ve alertado que la
precisin disminuye para leyes ms altas. Una interpretacin Thompson-Howarth no
revelara este hecho.
Pgina 50
Figura 7-1
Uso de un promedio movible en un cuadro de control para mostrar la tendencia del laboratorio
CUADRO DE CONTROL ESTNDAR

MATERIAL ESTNDAR X
ORO EN GM/TON
Lmite
Mejor Valor
Lmite
CERTIFICADO DE LABORATORIO NO.
Datos Promedio movible de 9 puntos
Pgina 51
Figura 7-2
Grfico de dispersin x-y comparando dos laboratorios
ENSAYOS DE VERIFICACIN DE ORO PARA LA MISMA PULPA
N=55. Media LAB C = 0.96 gm/ton, Media LAB A = 0.95 gm/ton.
Datos
x=y
LAB A, Au (g/t)
Q-Q
Ajuste REP
LAB C, Au (g/t)
Pgina 52
Figura 7-3
Ejemplo de un grfico para evaluar la precisin del laboratorio
PROYECTO ORO GRUESO
RPLICAS INTERNAS DE PULPA DEL LAB A
DIFERENCIA DEL % RELATIVO
VALOR ABSOLUTO DE LA
La precisin recomendada es +/- 10% para el 90% de los valores.
RANGO PERCENTIL
Medias >0.45 gm/ton Au, N=465 Todos los valores, N=718
Pgina 53
Figura 7-4
Evaluacin de la precisin versus la ley empleando ventanas movibles de desviaciones estndar
de diferencias de pares divididos por la media de la ley, versus la media de la ley
AGRUPADO POR PARES DE MEDIAS, GRUPOS > 0.01 oz/st Au

[DESV. EST. DIF. DE 16 PARES] / MEDIA
Perforadora
Pulpa
Grueso
Rechazado
MEDIA DE 16 PARES, Au oz/st
Pgina 54
8.0 ERRORES DE TRANSFERENCIA DE INFORMACIN
Los errores en los reportes ocurren frecuentemente cuando los resultados son
transferidos de las copias impresas de los certificados de ensayos del laboratorio a las
computadoras (o a planos o secciones). Para los resultados de los ensayos, existen
seis maneras comunes de reportar errores:
Cambiando los resultados por un intervalo de muestra de perforacin

Cambiando la ubicacin del punto decimal en un resultado hacia la derecha o hacia la
izquierda
Ingresando datos en el campo equivocado
Transponiendo los dgitos
Mala lectura (adivinando) los resultados de facsmiles, fotocopias, o notas hechas a mano
que son ilegibles
Entregando valores por debajo del lmite de deteccin inconsistentemente.
Mientras que estos diferentes tipos de error puedan ser percibidos, es mejor encontrar y
detectar todos los errores de ingreso de datos. Tales errores cometidos fuera del
laboratorio pueden ser virtualmente eliminados obteniendo los reportes del laboratorio
como archivo electrnico. En los casos donde los valores han sido ingresados a mano,
se debern hacer los esfuerzos necesarios para obtener los archivos electrnicos del
laboratorio de ensayo para corregir estos datos. Esto puede requerir el reformateo de
los archivos electrnicos del laboratorio, lo cual puede ser rpidamente realizado por
alguien calificado en el manejo de datos de computadoras. Los datos pueden ser
verificados completamente utilizando uno de los muchos programas de bases de datos,
como: Rbase, Foxpro, dBase, Paradox, Access, Informix, etc. La verificacin de datos
no es muy prctica si se utilizan hojas de clculo como Lotus, Quattro-pro, Excel, etc.
Si los datos del laboratorio no estn disponibles en versin electrnica, la tasa de error
dentro de la base de datos del ensayo deber ser primero evaluada verificando una
seleccin al azar del 5% de los intervalos de cada perforacin. Estos debern ser
verificados con una copia completamente legible (no un facsmile o una copia de mala
calidad) del certificado de ensayos. Si la tasa de error de los datos a ser utilizados en el
modelo de recursos excede cinco errores por mil entradas (la mitad del 1%) los datos
debern ser re-ingresados a partir de copias de buena calidad, ambos juegos de datos
verificados usando un programa de base de datos y todos los errores identificados y
corregidos.
Adicionalmente, se deber hacer una verificacin por separado del 3% superior de los
resultados. Si se encuentra una tasa de error alta entre estos resultados, entonces los
siguientes 3% ms altos de los resultados debern tambin ser verificados y corregidos,
y as sucesivamente hasta que la tasa de error est por debajo del 0.5%.
En un proyecto en proceso que dependa de resultados de ensayos ingresados

manualmente, es aconsejable ingresar, de manera rutinaria, todos los datos dos veces.
Dos personas diferentes debern hacerlo de tal manera que la misma persona no
Pgina 55
ingrese los mismos datos dos veces. La misma persona probablemente repetira el
mismo error, por ejemplo, leer un 7 por un 1. Se debern tomar las precauciones
necesarias para asegurar que todos los resultados son efectivamente ingresados dos
veces y no copiados de un archivo al otro, lo cual anulara el propsito del doble
ingreso. Luego, los dos juegos de resultados ingresados son transferidos en dos tablas
de base de datos, verificados para ver si hay inconsistencias en los registros, y cada
disparidad ubicada para determinar la entrada correcta y hacer al final una base de
datos libre de errores de ingreso.
Pgina 56
9.0 ERRORES Y TRAMPAS COMUNES
Una cantidad de fuentes de error se presenta reiteradamente en la industria. Algunas

de estas son resultado de consecuencias imprevistas o de la mala aplicacin de
polticas conocidas por ser apropiadas para otras situaciones. Otras son resultado de
insuficientes mecanismos de seguridad introducidos.
9.1 Falta de Vigilancia
Los programas de QA-QC deben ser monitoreados continuamente, conforme avanza el

programa de exploracin o perforacin. La revisin no debe esperar hasta el trmino
del programa o el anlisis de fin de ao. Cuando todas las cosas salen bien, aquellos
que suelen escoger por diferir esta tarea hasta el final del proyecto se ven alentados a
volverlo a hacer en su siguiente proyecto. Eventualmente, no todo va bien y el proyecto
se ve perjudicado por la dejadez y falta de seguimiento.
Sin retroalimentacin no hay control de calidad. El frecuente monitoreo de la

preparacin y desempeo analtico previene los errores sistemticos. Si los niveles de
precisin estipulados no son sostenibles, entonces se pueden hacer cambios a los
procedimientos de preparacin de muestras (por ejemplo: una segunda etapa de
chancado en una chancadora de rodillos, haciendo una cantidad mayor de pulpa, etc.) o
a los mtodos analticos (por ejemplo: cambiando de 1 ensayo por tonelada a 3 ensayos
por tonelada o a un screened-fire metallics assay, etc.).
Los cambios de personal durante la preparacin o ensayo de las muestras, o en el

punto de recoleccin en campo incrementan la posibilidad de ocurrencia de cambios en
los protocolos de manejo de muestra, slo por ignorancia. AMEC ha encontrado
muchos ejemplos de esto:
Un dispositivo sencillo de muestreo de perforacin de voladura, moldeado como una tajada

triangular de pie con la punta cortada fue diseado para poder obtener una muestra ms
representativa: al orientar la bandeja como una tajada de pie, con el extremo ms angosto hacia
la perforacin, se recolectaban cantidades proporcionales de partculas livianas (arrojadas ms
lejos de la perforacin de voladura) y pesadas. En una visita posterior se encontr que se
segua empleando el mismo dispositivo pero la bandeja de muestreo era colocada al costado de
la perforacin sin ninguna orientacin en particular, hacindolo inservible.
En una visita a las instalaciones de preparacin de muestras de un laboratorio internacional
grande, efectuada con dos das de aviso previo, se encontr a un tcnico separando las
muestras en una manera que daba a entender que nunca haba recibido ni los dos minutos de
instruccin requeridos para realizar esta tarea crtica de manera correcta. El tcnico verta la
muestra por una esquina de la bandeja a travs de unas cuantas aberturas al centro del
separador. Al ser interrogado, se encontr que no haba ningn responsable de la preparacin
de muestras, es decir nadie estaba a cargo del trabajo.
Cierto laboratorio al cual se le haba solicitado que realice ensayos de determinacin de oro
soluble en cianuro y de fire assay, reemplazaba de manera habitual los resultados de oro
soluble en cianuro con los de fire assay si es que excedan los resultados del fire assay,
simplemente porque era imposible que el resultado CN-Au sea ms alto. Con esto se
generaba una baja parcialidad en los resultados de oro soluble en cianuro en la zona de xidos.
Los resultados de los ensayos originales fueron descartados.
Pgina 57
Un grupo de ensayos de verificacin mostr una parcialidad sustancialmente baja, relativa a los
ensayos originales, hasta que se encontr que la persona encargada de procesar los resultados
de verificacin haba omitido el signo > de los reportes de los ensayos de verificacin.
Entonces, los muestras con leyes ms altas, conteniendo leyes que excedan el lmite superior
del mtodo de ensayo, eran mal representadas como muestras con leyes iguales al lmite
superior.
Un grupo de ensayos de verificacin de cobre fue sometido a una serie de ensayos estadsticos
altamente sofisticados y muchos informes fueron escritos dando como conclusin que, a pesar
de existir diferencias marcadas entre los dos grupos de resultados, la diferencia poda
considerarse estadsticamente insignificante. Al variar la escala de los grficos xy, AMEC
descubri que los laboratorios coincidan con las muestras bajas en cobre (ley de residuo) que
constituan cerca del 80% de los ensayos, pero haba un gran desacuerdo (parcialidad) para las
muestras de mineral de ley. Ninguno de los autores de los informes estadsticos haba
examinado los resultados lo suficientemente cerca, cambiando la escala del grfico, como para
encontrar este error fatal.
El laboratorio interno de una mina altamente exitosa nunca envi ninguna de sus muestras para
ensayos de verificacin ni evalu de manera peridica su exactitud empleando materiales de
referencia estndar. Ensayos de verificacin posteriores indicaron que durante aos el
laboratorio haba estado subestimando la ley por ms del 5%. Una auditora al laboratorio
descubri que se haba empleado un factor de conversin incorrecto para calcular la ley de sus
estndares de calibracin, y ste haba sido empleado para generar estndares de calibracin
por ms de cinco aos.
Las fallas ms graves de control de calidad estn relacionadas con una deficiente
recoleccin de muestra, ya que si la muestra recolectada no es representativa, volver a
ensayarla no proporciona beneficio alguno. Otra de las fallas graves se da cuando la
persona encargada de separar el testigo corta el testigo intencionalmente para obtener
fracciones de leyes desiguales, ya sea para conservar mejores muestras u obtener
resultados con leyes ms altas.
9.2 Prdida de Finos o Minerales Solubles al Agua

La prdida de finos genera un impacto en la exactitud de la estimacin del mineral
cuando la ley de los finos, en promedio, difiere significativamente de la ley del resto de
la muestra. Una diferencia estadsticamente significante puede establecerse por medio
de un ensayo estadstico apropiado, tal como una Prueba de Signo o prueba-t. Cuando
se tiene grandes grupos de informacin resulta posible establecer una diferencia
estadsticamente significativa que no resulta econmicamente significativa (es decir, la
parcialidad creada es tan pequea que no impacta el modelo).
Se puede procurar evitar esta situacin dificultosa minimizando las prdidas de finos
mientras que se ensaya su efecto. Esto deber incluir que no se permita que los baldes
de recoleccin de muestra se rebalsen durante la perforacin por el mtodo de
circulacin reversa hmeda. De manera similar, durante la perforacin inicial de
testigos en relleno, los lodos de la perforacin debern ser muestreados en varias
perforaciones para determinar si su ley difiere mayormente del testigo asociado.
En ciertas circunstancias, tal como perforaciones de depsitos de xido de cobre con

minerales solubles al agua, se puede obtener una muestra ms representativa (y de
mayor ley) por el mtodo de circulacin reversa en comparacin con la perforacin de
testigos, debido a las prdidas causadas por el agua. Para ciertos depsitos, las
Pgina 58
perforaciones por circulacin reversa en seco son ms dificultosas, pero necesarias

para poder obtener una muestra representativa. En tales casos, el sistema de
recuperacin de polvo en la mquina perforadora deber ser mejorada por encima de lo
normalmente usado. En otros casos, la presencia de agua subterrnea hace que sea
imposible la opcin de perforar en seco; el uso cuidadoso de aditivos de perforacin y el
ajuste de los parmetros operacionales de la perforacin pueden reducir las probables
parcialidades.
En los casos en que el agua est parcializando una muestra, emplear una cierra de roca
para separar el testigo empeora an ms el problema. En tales situaciones es
preferible emplear un separador de testigos, an si ste proporciona una separacin
ms desigual. La mitad que es llevada para ser ensayada deber ser alternada, porque
los dos lados de un separador de testigos o la cuchilla de la sierra nunca son idnticos
(por ejemplo, uno cortar ms que el otro). En ciertas situaciones de produccin,
resulta razonable preparar todo el testigo para ensayo (el testigo no es separado). Esta
prctica ha sido desaprobada porque fue uno de los componentes importantes del
fraude Bre-X.
Las prdidas de polvo durante la preparacin de muestras tambin pueden ser

considerables. Estas debern ser monitoreadas seleccionado una o dos muestras en
cada cambio y pesando todos los componentes (peso de la muestra al interior, peso de
la muestra y rechazos) para determinar su efecto. Esto ser una funcin del tipo de
roca y por lo tanto los resultados debern ser analizados. Es comn encontrar etapas
en el procedimiento de preparacin que tienen ms de 10% de prdida de muestra.
Cuando las prdidas de polvo son altas, stas son un indicador de necesidad de ajustes
y mantenimiento, como reemplazo de los sellos de los anillos en las vasijas de
pulverizacin y ajustes en la ventilacin del sistema de control de polvo.
9.3 Mal Manejo de los Materiales de Referencia Estndar
Los slidos son muy difciles de mezclar. De hecho, una mezcla de slidos altamente
homognea de polvos conteniendo muchos componentes con diferentes propiedades
fsicas (especialmente densidad y tamao de la partcula) se encuentra en un estado
poco natural; cualquier mezclado o rodado de dicho material resultar en una
disminucin en su homogeneidad (es decir, produciendo un incremento en su
heterogeneidad o segregacin). Sin embargo, si un material est en un estado
altamente segregado, el rodarlo o mezclarlo reducir la segregacin. Por lo tanto que
este tratamiento sea de mucha ayuda o no depende del estado inicial del material;
podra ser de ayuda el rodar o mezclar, muy brevemente, un material que acaba de ser
tamizado para un ensayo metallic (screen) fire assay, ya que el tamizado ha generado
un condicin altamente segregada en la muestra tamizada. Por otro lado, rodar y
mezclar una muestra que acaba de pasar por un separador de alta calidad
probablemente resultar en una peor condicin que si el material no hubiese sido
procesado. Al rodar y mezclar, ms no necesariamente significa mejor (Campbell,
1966). Cuando sea prctico, en vez de rodar y mezclar el material, ste deber ser
pasado por un separador de barras y recombinado varias veces para luego hacer un
cuarteo final con el mismo separador, o de preferencia emplear un separador rotativo.
Pgina 59
Con ciertos materiales, el almacenamiento puede convertirse en un problema. Frente a

esto, uno podra pensar que un estndar de oro ha de ser muy estable; de hecho el oro
no va a volatizarse fuera del material a temperatura ambiente, ni se va a oxidar.
Desafortunadamente, la matriz puede no ser tan estable. Para un estndar de oro rico
en sulfuros, los sulfuros en el material reaccionarn con el oxgeno y agua que se
encuentran en el aire, efectivamente diluyendo la ley de oro del material; un kilogramo
de material rico en sulfuros conteniendo unos 500 miligramos de oro puede, a lo largo
del tiempo, convertirse en 1.1 kilogramos de material de xido y sulfuro mezclado que
an contiene 500 miligramos de oro. Entonces, la ley de oro observada es 10% ms
baja que anteriormente. La tasa de ocurrencia de esto puede ser reducida manteniendo
los materiales extremadamente secos. Los materiales de referencia estndar inestables
utilizados para ensayos especiales pueden requerir de cuidado adicional durante su
almacenamiento, pero para la mayora de situaciones slo es necesario almacenar
cuidadosamente el material seco en bolsas selladas, o en un contenedor sellado que
contenga un agente secante (deshumedecedor).
Es muy comn para los tcnicos que insertan materiales de referencia estndar en los
embarques al laboratorio el registrar incorrectamente el MRE que han insertado. Ha
habido muchas situaciones en las que ms del 10% de los MRE fueron mal identificado
y otras en las que no se identific el MRE, slo se coloc estndar cuando haba
muchas posibles opciones. Esto hace que los cuadros de desempeo se vean terribles
y, por supuesto, se tiene que rehacer los ensayos en todas las muestras mezcladas
para estar seguros de que no es un error del laboratorio.
9.4 Introduciendo la Parcialidad en la Seleccin
Una prctica, que ciertas veces resulta muy til en algunos programas de exploracin,
deber ser evitada en los programas de perforacin para estudios de factibilidad. Esta
es la prctica de seleccionar rutinariamente muestras para volver a efectuar los ensayos
sobre la base de los resultados del primer ensayo. Esta prctica puede ser muy til, por
ejemplo, en un programa de muestreo de flujo de sedimento o con muestras de suelos,
ya que esto reducir la cantidad de anomalas falsas, o falsos positivos que son
consecuencia de un error de laboratorio. Como consecuencia, el explorador podr
establecer prioridades de qu tipo de anomalas son ms promisorias.
Hay algunas circunstancias en las que un gelogo de exploraciones ha solicitado re-

ensayar todas las anomalas de oro slo para encontrar que tales anomalas han
desaparecido. La naturaleza humana es tal que inmediatamente culpa al laboratorio de
ensayo. Es ms probable que la desaparicin de todas las anomalas sea
consecuencia de un muestreo inadecuado (generalmente una muestra pequea) y/o
una inadecuada preparacin de muestra, sumado a partculas de oro de gran tamao.
Seleccionar las muestras con los resultados ms altos en la definicin del programa de
perforaciones de una reserva casi siempre dar como resultado estimaciones ms bajas
de la ley promedio en los resultados de re-ensayo de los resultados originales. La
diferencia relativa entre los dos juegos de resultados ser mayor cuando la varianza del
Pgina 60
muestreo es alta, y menor cuando es baja. Esto ocurre porque la seleccin de las
muestras a re-ensayar no es independiente de la variable que est siendo verificada: el
ensayo original. Los errores grandes y positivos en los resultados originales sern
encontrados, pero no los errores negativos. De existir muchos errores grandes (es
decir, la precisin del ensayo es baja), entonces el promedio del segundo grupo de
ensayos ser claramente inferior que el primero. De existir pocos errores grandes,
entonces el promedio del segundo grupo de ensayos ser muy cercano al primero.
Una distribucin simulada servir para ilustrar este efecto. Asuma que recibe un grupo
de 1,000 resultados que contienen 30 errores grandes de muestreo donde los
resultados difieren del valor verdadero por un factor de diez o ms, diez veces menor la
mitad de las veces, y diez veces mayor la otra mitad. Si se vuelven a ensayar de los 50
resultados ms altos, se estara incluyendo muchos errores en los que el error de
muestreo fue diez veces mayor, pero ninguno en los que fue diez veces menor. Los
errores grandes han sido detectados y corregidos, pero la ley promedio es ahora ms
baja que antes que se encontrarn los errores y ms baja que lo que hubiera sido si se
hubieran corregido todos los errores.
An cuando no se presentan grandes errores, habr una parcialidad en la seleccin.

Esto puede ser previsto por otro experimento. Imagine tener 1,000 muestras que ha
analizado dos veces. Separa arbitrariamente cada par de resultados en dos columnas,
A y B, y encuentra que las dos columnas tienen medias idnticas equivalente a 2 gr/ton.
Luego decide seleccionar slo los pares de resultados en los que el resultado en la
columna A est por encima de los 4 gr/ton (esto equivale al criterio de re-ensayo de 4
gr/ton). Mientras que la mayora de los resultados en la columna B tambin estn por
encima de los 4 gr/ton, tambin hay unos pocos valores que estn por debajo; todos los
resultados de la columna A que estn por debajo de los 4 gr/ton han sido excluidos pero
no todos los resultados de la columna B. Por lo tanto, no es sorprendente encontrar
que las medias de las dos columnas de esta lista corta de muestras ya no son iguales,
con la columna A teniendo una media ms alta que la de la columna B.
La parcialidad en la seleccin puede ser algo severa cuando hay presencia de material
grueso de oro en el depsito, debido al efecto pepita. Esto se da porque el error de
muestreo es considerable. La mayora de muestras estn por debajo de la ley promedio
(aritmticamente) y dentro del gran grupo de muestras de baja ley; si se tuviesen que
re-ensayar, habr una pequea cantidad de muestras que retornarn con una ley
mucho ms alta. En esta situacin, si se desea demostrar la validez de los ensayos
originales, se deber hacer una seleccin que no est basada en el ensayo original.
sta se puede basar en la geologa, o en una envolvente de mineral que acompaa
los intervalos de la ley del mineral ms algunos intervalos intermedios
independientemente de su ley. A partir de esto, una seleccin al azar de intervalos
puede servir para analizar la parcialidad en los ensayos originales.
La aproximacin ms segura para evitar una seleccin parcializada es hacer una

seleccin al azar para el ensayo de verificacin o hacer una seleccin uniforme (por
ejemplo: cada 20 muestras de perforacin) que sea aleatoria con respecto a la ley.
Tambin es seguro excluir algunos tipos de rocas estriles de la seleccin. Se puede
abusar del uso de envolventes de mineral y slo debern ser considerados cuando la
Pgina 61
geologa est bien definida y puede ser utilizada con un alto grado de confianza para
distinguir el mineral de los residuos. Cuando se empleen envolventes de mineral para
la seleccin de las muestras, stas no debern ser ms estrechas que la mxima altura
de banqueta contemplada (o la menor dimensin de la unidad minera).
9.5 Preservando la Integridad de los Datos de Ensayo en Bruto
Se deber mantener una base de datos de ensayos que refleje con exactitud los valores
tal como estn reportados en los certificados de ensayos. Existe un problema comn
con las muestras que son reportadas con un < ya que el signo menor que no es
reconocido como un caracter numrico por muchos programas. Lo mejor es reemplazar
el uso del signo < con un -. Esto deber ser indicado en los documentos que
acompaan la base de datos. Otro problema surge con las muestras que no fueron
analizadas y aparecen como entradas en el certificado de ensayos como n.a.,
muestra insuficiente, no recibida, faltante, etc. Lo mejor es reemplazar todos esos
ingresos con el ingreso numrico -99.9, ya que este valor es muy difcil que
corresponda al lmite de deteccin analtica de cualquier resultado. Otro programa,
como el MEDS, puede requerir posteriormente de una convencin diferente para tales
valores, como por ejemplo -1, pero esto deber ser evitado en la base de datos de
ensayo en en bruto debido a que algunos resultados de ensayo, tales como plata,
pueden tener un lmite de deteccin analtica igual a 1 gr/ton y el valor -1 sera
ambiguo en tales casos. Una base de datos sofisticada puede emplear diferentes
cdigos para diferentes tipos de informacin no numrica: por ejemplo muestra
insuficiente puede ser representada por -99.8 mientras que muestra faltante puede
ser ingresada como -99.9. Esto puede resultar muy til al compilar las estadsticas
operacionales, tales como el porcentaje de muestras que se perdieron, o relacionando
muestra insuficiente con una recuperacin de perforacin baja o errores en la
preparacin de la muestra.
El uso de valores distintos a los obtenidos por el reemplazo de < con el signo menos
no es recomendado debido a que algunas bases de datos extensas contienen
resultados de ensayos en los que el lmite de deteccin analtica ha cambiado con el
tiempo. Por lo tanto, se perder informacin, la cual no es fcilmente recuperable y lo
que resulta peor es la posibilidad de una mala interpretacin de los resultados. Por
ejemplo, una base de datos de ensayos puede contener resultados de arsnicos, de los
cuales algunos grupos han sido analizados con un lmite de deteccin de 50 ppm y
otros grupos de muestras que tienen un lmite de deteccin de 5 ppm. Si los resultados
por debajo de la deteccin son reemplazados con un valor igual a la mitad del lmite de
deteccin, algunos resultados por debajo de la deteccin en el primer grupo pueden ser
confundidos con muestras que tienen un resultado de 25 ppm en el ltimo grupo. La
convencin de asignar un valor de 0 a los resultados por debajo de la deteccin
tambin deber ser evitado por esta razn (en el caso citado, una entrada 0 resulta
ambigua debido a que esto puede significar menos que 50 ppm o menos que 5 ppm).
Asimismo, los ingresos 0 son riesgosos ya que durante la transferencia de datos entre
diferentes programas de computo, algunas veces el programa asigna este valor a los
casilleros en blanco. Si esto ocurre, es posible que las muestras que no fueron
analizadas sean mal interpretadas por haber sido analizadas y encontradas por debajo
Pgina 62
de la deteccin. Tal error puede tener una severa repercusin en un modelo de recurso
construido sobre la base de esos datos.
Algunas veces los intervalos no son muestreados y ensayados porque son juzgados
como improductivos por inspeccin de la muestra. Esto deber ser evitado en los casos
donde los datos del logeo geolgico no son muy claros en cuanto a cuales muestras no
debern ser ensayadas; es decir, un lmite inflexible puede y ser marcado en la
interpretacin geolgica empleada para hacer el modelo de recursos. Si esto no se
hace, entonces se deber asignar un valor muy bajo par la ley de cualquier mineral en
los intervalos no muestreados, para prevenir la interpolacin de leyes ms altas. En
tales casos, para evitar la confusin se deber mantener una tabla que liste la
asignacin de las leyes improductivas de los intervalos no muestreados, o se deber
emplear un nico cdigo en la base de datos. Los contaminantes (componentes que
incurren en penalidades) no debern ser asignados con leyes bajas; en tales casos la
ley deber ser interpolada de los intervalos cercanos en los que se ha ensayado el
componente.
Se deber mantener una base de datos de ensayos que refleje muy de cerca los
resultados mostrados en los certificados de ensayo. Cualquier manipulacin posterior
de estos resultados deber ser preservada en una base de datos separada, junto con la
documentacin en la que se realizaron las manipulaciones. La nica excepcin a esto
deber ser el manejo de caracteres no-numricos en los resultados. La conversin de
resultados a diferentes unidades (tales como onzas por pequea tonelada a gramos por
tonelada mtrica) es mejor manejada aadiendo un nuevo campo calculado a dicha
base de datos. Esto permite una auditoria ms clara de la base de datos.
En los casos de determinaciones de solubilidad, algunas veces la informacin en bruto

se ve comprometida por las buenas intenciones del gelogo. Un ejemplo comn se da
cuando se emplea cido disuelto para estimar la cantidad de cobre recuperable en una
pila de lixiviacin por cido. Generalmente, el gelogo encuentra algunos resultados en
la zona de xidos donde el resultado de cobre soluble excede el resultado de cobre
total. Sabiendo que esto es imposible, cambia el resultado soluble para que sea
equivalente al resultado total, sin embargo esto es una prctica invlida.
Los ensayos de cobre soluble y cobre total son estimaciones separadas no

parcializadas de dos componentes diferentes, pero relacionados, de la muestra. Si la
determinacin de cobre soluble tiene una precisin de un sigma () de 10% y el ensayo
de cobre total tiene una precisin de un sigma () de 5% para cierta ley de cobre,
habrn ciertas ocurrencias donde los valores de cobre soluble exceder el valor de
cobre total por 15%. La frecuencia de esta ocurrencia puede ser estimada multiplicando
la probabilidad de obtener un valor de cobre soluble alto por 10%, por la probabilidad de
que un valor de cobre total sea bajo por 5%. Ya que la precisin en ambos casos es de
un sigma, hay cerca de 16% de cada uno y la probabilidad de que ocurran juntos es
cerca de 0.16 x 0.16, o cerca de 2.6% de los pares.
Ya que tambin existe una frecuencia de ocurrencia relativamente igual donde el valor
de cobre soluble es bajo por 10% y el valor de cobre total es alto por 5%, los valores no
son parcializados. El gelogo no puede identificar estos pares, tan solo puede ver
Pgina 63
aquellos resultados donde el valor de cobre soluble es muy alto. Consecuentemente,

cuando modifique los resultados de cobre soluble, la poblacin se ver parcializada. La
ley promedio de cobre soluble, la distribucin de relaciones para las muestras de xidos
y otros aspectos basados en la poblacin de cobre soluble sern incorrectos y llevarn
a conclusiones equvocas.
En ciertos casos el laboratorio modifica los resultados de cobre soluble para que ningn
valor exceda los resultados de cobre total. La ausencia de pares en la base de datos
donde los valores de cobre soluble exceden los de cobre total en una poblacin de
datos considerables, es clara evidencia de que algunos resultados de cobre soluble han
sido falsificados.
Se ha encontrado que esta prctica no aceptable ocurre tambin en los siguientes

grupos de informacin:
Recuperacin de la perforacin mayor al 100%, cambiada a 100%

Resultados de oro soluble en cianuro que exceden los resultados de ensayos de oro fire
assay cambiados para igualar el valor del resultado fire assay.
Los resultados en bruto nunca debern ser modificados para hacer que parezcan
mejores. En proceso de anlisis de esta informacin, tales manipulaciones pueden
llevarse a cabo pero manteniendo siempre la integridad de la fuente de informacin
(excepto en el uso de cdigos numricos nicos para transformar entradas no
numricas a un formato compatible, tal como se describi anteriormente en esta
seccin). Cualquier manipulacin de la fuente de informacin deber ser colocada en
campos calculados, documentando claramente las reglas de clculo. Esto brinda a
otros la oportunidad de modificar los ensayos originales empleando reglas diferentes.
Probablemente, el mantenimiento consistente de la identidad de las muestras es el

problema ms comn y que demanda ms tiempo en el manejo de la informacin de los
recursos. Usualmente esto toma la forma de guiones, espacios extra, prefijos mal
tipeados y las similitudes, pero tambin incluye el emplear el mismo identificador de
muestra para muestras recolectadas en diferentes momentos.
Pgina 64
10.0 CONTROL DE CALIDAD DE LA BASE DE DATOS GEOLGICA
La informacin geolgica puede ser descrita como observacin (hechos) o

interpretacin. Por ejemplo, un mapa de afloramiento geolgico generalmente est
limitado a las observaciones. Un estrato interpretativo que interpola los lmites
geolgicos de un mapa de afloramiento geolgico est basado en interpretaciones. Los
logeos geolgicos son la fuente ms comn de informacin geolgica empleada en el
modelo de recursos y por lo general contiene tanto hechos como interpretaciones. Por
lo general, el tipo de roca y las alteraciones son interpretaciones que estn basadas en
hechos observados, tales como minerales, proporciones y alteraciones de dichos
minerales (reemplazo de un mineral por otro, etc.).
Para poder obtener parmetros apropiados para ser empleados en la construccin del
modelo de recursos se requiere de observaciones e interpretaciones consistentes y
confiables. Por lo general, esto sucede cuando diferentes gelogos realizan el logeo
empleando un formato de logeo que no proporciona las pautas suficientes de cules
son las mediciones necesarias para el depsito. Un formato de logeo adecuadamente
diseado es un componente crtico en el control de calidad de los logeos geolgicos.
Los formatos genricos suelen producir resultados genricos. Los logeos geolgicos
menos apropiados e inservibles se producen en los casos donde no se cuenta con un
formato de logeo y ste es realizado por varios gelogos que no leen los logeos
anteriores o no concuerdan con ellos.
El control de calidad es mejor si las observaciones y las interpretaciones se mantienen

por separado, pudiendo lograr con esto una mayor rapidez al efectuar modificaciones de
la interpretacin geolgica. Cuando no se cuenta con observaciones y slo se
proporciona un interpretacin, por lo general es necesario efectuar un re-logeo de todas
las perforaciones para poder hacer una mejora exitosa de la interpretacin geolgica del
depsito.
Los logeos y re-logeos o re-interpretaciones de las perforaciones debern estar

totalmente documentados, incluyendo la identidad de la persona que realiz el trabajo y
la fecha. Si la informacin es computarizada, sta deber ser incluida en la base de
datos de la computadora, ya que esto permite que la informacin sea analizada
estadsticamente para determinar variaciones que puedan ser una funcin de la persona
que ha efectuado el logeo de la perforacin. Luego, las diferencias que se presentan en
la frecuencia de observaciones particulares por diferentes gelogos de logeo puede ser
evaluada para grupos de perforaciones cercanas. Las frecuencias muy distantes
(especialmente las ocurrencias sin ejemplos) dadas por un determinado gelogo
pueden ser una evidencia de error en la identificacin del mineral. Al efectuar el cruce
de informacin entre las observaciones semi-cuantitativas (tales como porcentajes
estimados de sulfuros) y la informacin geotcnica o los resultados de los ensayos,
estas observaciones pueden normalizarse al observador que las realiz, para un tipo de
roca dada o una zona geo-metalrgica.
El Control de Calidad es mejorado manteniendo un juego de cajas de testigos de

entrenamiento. Estos ejemplos, seleccionados para presentar o servir de recordatorio
Pgina 65
al gelogo encargado del logeo de las variaciones presentes en el depsito, son

logeadas y los resultados son comparados con el logeo previamente establecido para
tales cajas de ejemplo. Los gelogos que retoman el trabajo luego de un extenso
perodo de descanso o de efectuar otras labores debern re-logear estos ejemplos
antes de comenzar a trabajar en nuevas perforaciones.
La incidencia de errores de tipeo se ha visto reducida en la ltima dcada como

consecuencia del uso de transmisin de datos computarizados. Esto ha evitado la
introduccin de errores de tipeo que sola presentarse al ingresar manualmente los
datos de los certificados de ensayos impresos en papel (o peor an, de transmisiones
por fax). Sin embargo, el ingreso computarizado de la informacin geolgica no se ha
visto beneficiado por este avance tecnolgico. En la mayora de casos, no se gana
mayor productividad al proporcionarle a los gelogos encargados del logeo un medio
electrnico para el ingreso directo de informacin geolgica. Sin embargo, el diseo
detallado de un sistema en el que se ordene la informacin en un formato de logeo que
luego sea ingresado a un computador puede reducirla incidencia de errores de tipeo.
La operacin de ingreso de informacin es ms productiva si es que sta no requiere de

otras habilidades adicionales a las del tipeo de informacin. Las descripciones escritas
no suelen ser muy tiles para llevar a cabo el anlisis de la informacin exploratoria que
le precede a la formulacin y verificacin del modelo de recursos geolgicas final,
mientras que los cdigos que indican, por ejemplo, que minerales estn presentes
resultan mucho ms tiles.
Los errores pueden reducirse si el formato de ingreso de datos, que puede ser tan
simple dgitos y letras, es lo ms parecido posible a la informacin que aparecer en el
formato geolgico. Al tomar fracciones de datos de diferentes partes de un formato
geolgico y luego rejuntarlas en el aire, transformar mentalmente un cdigo a otro o un
cdigo a varios otros antes de ingresarlo, o creando cdigos para combinaciones
variables de informacin en el formato, se obtendr una mayor tasa de error. Es mejor
si estas funciones son dejadas para que las realice el computador, aplicando reglas a la
informacin ingresada del formato de logeo. Si se cuenta con una relacin de uno-a-
uno entre la informacin ingresada y lo que aparece en el formato de logeo, entonces
resulta mucho ms sencilla la verificacin de la calidad de la informacin ingresada.
Los errores pueden verse atrapados en campos que han sido identificados con
contenido de informacin crtica, efectuando un doble ingreso de informacin. Para
poder identificar todos los ingresos que no concuerdan, se puede efectuar un cruce de
informacin entre los dos juegos de datos ingresados empleando un programa de base
de datos relativo. Los desacuerdos pueden ser resueltos mediante una revisin final de
los logeos de perforacin con la entrada de errores.
Pgina 66
11.0 CONSIDERACIONES GEOTCNICAS
En trminos del modelo de recursos, los aspectos de calidad ms importantes incluyen

la recuperacin de la perforacin, las determinaciones de densidad en masa y, en el
caso de perforaciones por circulacin reversa, la contaminacin de la perforacin.
Algunas mediciones geotcnicas, tal como la calidad de la roca Rock Quality Data
(RQD), pueden verse afectadas por el manejo y transporte de los testigos luego de la
perforacin. Bajo ciertas circunstancias, los resultados de diferentes perforaciones
pueden ser una consecuencia del manejo de los testigos durante el transporte en vez
de las variaciones en RQD de una unidad litolgica en particular. En tales casos, es
preferible tomar algunas mediciones en campo inmediatamente despus de haber
recolectado el testigo para poder contar con un factor de verificacin sobre el efecto del
manejo y transporte de testigos, pudiendo luego verificar las cajas y compararlas con la
informacin recolectada de manera rutinaria. Asimismo, esto sirve como verificacin
tanto en los tcnicos que realizan la labor en forma rutinaria y el efecto del manejo de
testigos.
11.1 Recuperacin de la Perforacin

En la perforacin de testigos, la recuperacin de la perforacin es un elemento que casi
siempre es medido. Los lmites de cada corrida de testigo, por lo general, son
marcados con tacos de madera en los que se registra la profundidad de perforacin.
Luego, el tcnico suma la longitud de los testigos entre los tacos y registra la
informacin junto con las dos profundidades registradas en los tacos; la recuperacin
del testigo se representa por la relacin entre la suma de la longitud de los testigos
medida y la diferencia entre las profundidades registradas entre tacos (longitud del
testigo / longitud de la corrida). Por ms sencillo que esto sea, ha habido muchas
ocasiones en las que esta medicin ha sido realizada de modo incorrecto, lo que indica
que la persona designada para realizar esta tarea no tena conocimiento de la tarea.
Una vez ms, la mejor prctica es contar con un gelogo experimentado que realice
algunas mediciones de recuperacin independientes en algunas cajas seleccionadas y
comparar estos valores con las mediciones rutinarias.
Para unidades geolgicas diferentes, la recuperacin de la perforacin deber ser

indicada por separado. Esto deber consistir, por lo menos, de un indicador de la
recuperacin en zonas de diferente mineral en comparacin con la recuperacin total y
la recuperacin en las zonas de desperdicio.
Algunas unidades litolgicas (como calizas) pueden tener aberturas naturales (vacos)
de gran tamao. En tales casos, se deber tener especial cuidado de distinguir y
separar claramente estas ocurrencias de prdida de testigo como resultado del mtodo
de perforacin. Muchas veces, los proyectos en reas donde se han realizado trabajos
antiguos presentan grandes vacos, los que debern registrarse cuidadosamente ya
stos ocurren en zonas de mineral y de ser malinterpretados como una mala
Pgina 67
recuperacin de testigo, pueden llevar a conclusiones equivocadas acerca de que tan

adecuada es la recuperacin de la perforacin.
La relacin entre la recuperacin de la perforacin y la ley deber ser verificada. Los

mtodos para realizar tales evaluaciones forman parte de otro documento de AMEC.
11.2 Contaminacin en Perforaciones por Circulacin Reversa

Una de las piezas de evidencia ms crticas y por lo general ms ausentes al realizar
una evaluacin del potencial de contaminacin de la perforacin en la ubicacin de las
barras de perforacin adicionales. Los buenos programas marcan, de manera rutinaria,
la ubicacin de cada adicin de barra en los logeos de perforacin de muestras, as
como eventos importantes como cambios de taladro, adicin de polmero, prdida de
circulacin, etc.
Los mtodos para examinar la contaminacin de la perforacin consisten en buscar

distribuciones asimtricas de la ley en la perforacin, as como de escarpias en la ley
regularmente espaciadas (longitud de barra de perforacin).
11.3 Topografa de las Perforaciones

Para el caso de perforaciones inclinadas o con profundidades mayores a 180 m, es
recomendable efectuar algunas mediciones topogrficas en las perforaciones. Si estas
mediciones indican la ocurrencia de severas desviaciones, stas debern efectuarse de
manera rutinaria. En los casos cuando estas desviaciones son detectadas en la parte
tarda de un proyecto y algunas perforaciones no pueden ser levantadas
topogrficamente, se deber considerar la posibilidad de aplicar correcciones de azimut
e inclinacin en las perforaciones que no han sido levantadas junto con el rechazo de
informacin por debajo de cierta profundidad.
La determinacin de correcciones en las perforaciones no levantadas topogrficamente

basada en las desviaciones de las perforaciones levantadas forma parte de otro
documento de AMEC.
Cuando se realizan levantamientos magnticos, es importante aplicar la declinacin

correcta para ajustar las lecturas al norte verdadero. En algunas reas donde la
declinacin cambia y el proyecto ha estado llevndose a cabo por un largo perodo de
tiempo, se debern aplicar diferentes correcciones para perforaciones realizadas en
diferentes aos.
11.4 Mediciones de Densidad en Masa

La densidad en masa deber ser calculada en peso seco, ya que los ensayos son
realizados basados en pesos secos. Es importante que no se pierda de vista la
necesidad de efectuar una conexin no parcializada entre los volmenes de muestra del
modelo de recursos en bloque, el peso de la roca asociado con los volmenes del
modelo en bloque (el factor del tonelaje o densidad en masa) y los ensayos (efectuados
Pgina 68
en pesos secos). En algunos depsitos (como saprolitas y lateritas) aquello que

constituye un peso seco debe ser cuidadosamente definido y las definiciones adheridas
al mismo.
Las muestras que contienen porosidades debern ser completamente secadas y luego
selladas antes de ser pesadas en agua. Caso contrario, las mediciones de densidad en
rocas porosas sern muy altas. Debido a lo que representa la porosidad, la densidad
en masa no puede ser inferida de las mediciones de peso especfico en polvo, salvo
que la porosidad de la roca sea un ndice conocido a exactitud.
Un buen programa realizar el secado a un peso constante en por lo menos algunas

muestras de cada grupo que est siendo secado: esto se realiza pesando la muestra
seca seleccionada, regresndola al horno de secado por una hora o ms y pesndola
de nuevo para determinar si el peso ha cambiado. Esto se repite para el grupo hasta
que se cuente con una variacin en peso lo suficientemente pequea como para que la
densidad en masa calculada no se vea afectada. En muestras de saprolita o laterita, el
secado a un peso constante resulta mucho ms complicado.
Pgina 69
12.0 REFERENCIAS
Agterberg, F.P. 1974, Geomathematics; Developments in Geomathematics 1, Elsevier

Scientific Publ. Co., Amsterdam, 596p
Bacon, W.G., Hawthorn, G.W. y Poling, G.W., Gold analyses myths, frauds and
truths, CIM Bulletin, noviembre 1989, vol. 82, no. 931, pp 29-36
Campbell, H y W.C. Barrer, 1966, Cause and cure of demixing in solid-solid mixers,
Chemical Engineering, Sep 12, 1966, 179 185
Davis, J.C. 1986, Statistics and data analysis in geology (2da edicin), John Wiley &
Sons Inc., Nueva York, 646p
The Canadian Mineral Analysts (John Labrecque, Ron Connell, Wes Johnson, Clint
Smith), 1992, A manual for to Quality Control and Quality Assurance in Analytical
Chemistry
Francois-Bogarcon, Dominique, 1996, Extracting error variance information from paired

data an applications to sampling theory, Reporte interno del Mineral Resources
Development, octubre 1996.
Davis, B. y Widham, C., 1996, Statistical control for the production of assay laboratory
standards, Mining Engineering, 48, no. 3, 73 76
Gy, Pierre, 1992, Sampling of heterogeneous and dynamic material systems: theories of
heterogeneity, sampling and homogenizing, Elsevier Science Publishers B.V.
Paises Bajos. ISBN 0-444-89601-5
Thompson, Michael y Richard Howarth, 1973, The rapid estimation and control of
precision by duplicate determinations, The Analyst, 98, 153 160
Thompson, Michael y Richard Howarth, 1976, Duplicate analysis in geochemical

practice Part 1: Theoretical approach and estimation of analytical reproducibility,
The Analyst, 101, 690 698

practice Part 2: Examination of proposed method and examples of its use, The
Analyst, 101, 699 709

practice, A new approach to the estimation of analytical precision, J.
Geochemical Exploration, 9, 23 30.
Pgina 70

QAQC Espanish PDF

Cargado por

Información del documento

Título original

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

QAQC Espanish PDF

Cargado por

Copyright:

Formatos disponibles

Programa de Aseguramiento y

Control de Calidad de los Ensayos

1.0 INTRODUCCIN .................................................................................................1

11.2 Contaminacin en Perforaciones por Circulacin Reversa .....................68

Tabla 3-1 Ejemplo de evaluacin de varios laboratorios ficticios ...................................16

Figura 7-1 Uso de un promedio movible en un cuadro de control para mostrar la

La estimacin de recursos puede ser comparada con un castillo de naipes, cuyos

Los objetivos de un buen programa de Aseguramiento y Control de Calidad (QA-QC)

1. prevenir el ingreso de grandes errores a la base de datos utilizada para el modelado de

El documento de factibilidad deber incluir evidencia que respalde la validez de la

Adems de ser un requisito para producir un documento de factibilidad integral, el

En la medida que el Control de Calidad conlleve a la correccin de errores y cambios en

perforaciones adicionales. Estos beneficios slo se pueden obtener si el Control de

La meta de un programa de QA-QC es demostrar y mantener una buena exactitud y

Existe una dicotoma entre los requerimientos analticos de la fase inicial de la

En contraste, las muestras de perforacin recolectadas durante la definicin de recursos

La siguiente seccin emplea mayormente ejemplos tomados de programas QAQC de

evaluacin y procesamiento de datos mejoran constantemente, se espera que los

Los programas de QAQC detallados son diseados para monitorear el muestreo

recoleccin y cuarteo de las muestras en campo

Los programas de QA-QC en el muestreo y ensayo integran un programa de insercin

La insercin rutinaria de materiales de control de calidad incluye una cantidad de

En la prctica, un programa de QA-QC se mantiene gracias a las entregas rutinarias al

El laboratorio secundario (arbitral) realiza los ensayos de verificacin en una muestra

Otra analoga comnmente empleada es el blanco de disparo. Si el patrn de los

del grupo de resultados. Cualquier demostracin de que el grupo de resultados no est

2.2 Duplicados de Muestras y Resultados Duplicados

Generalmente se pueden generar tres tipos de muestras duplicadas:

Duplicados de Pulpa: Son fracciones, o inserciones de porciones no empleadas, de las

A continuacin se describen algunos ejemplos de descripciones adecuadas de

2.3 Definiciones de Muestreo por Gy

Lote: recoleccin total de material del que se requiere estimar algn

Componente: la propiedad que se requiere estimar empleando la muestra, tal como la

Muestra: la parte de un lote en la que se llevar a cabo la determinacin de un

Espcimen: la parte de un lote en la que se llevar a cabo la determinacin de un

Gemelo: Juego de dos o ms muestras intermedias de un mismo rango, obtenidas

Estas definiciones son en algunos casos ligeramente diferentes a aquellas comnmente

2.4 Precisin y Conceptos Relacionados

Luego de secar la muestra y pesarla de nuevo, se obtiene un peso de 14.91 gramos, el

A pesar que la respuesta en el ejemplo anterior es sustancialmente correcta, la

(0.22)2 = 0.22 22%

[(0.0667)2 + (0.00125)2] = 0.14%

Otra deficiencia en el ejercicio de laboratorio se introduce al final: la suposicin que

La convencin ms empleada es de expresar la precisin en trminos de desviaciones

La precisin se torna ms pobre para mediciones de gradacin cercanas al lmite de

Las variaciones son aditivas; cada paso de recoleccin, procesamiento y anlisis de

Esta informacin permite identificar la etapa en el proceso que est produciendo la

muestreo, preparacin y ensayo que muestra en trminos generales contribuciones

2.5 Ms en Cifras Significativas

Si se considera un caso donde un conjunto de resultados tiene tres cifras significativas,

Algunas veces se ven resultados cerca del lmite de deteccin reportados en

A partir de lo comentado anteriormente, deber estar claro que es importante establecer

3.1 Seleccin de un Laboratorio Primario

Para los estudios de factibilidad en busca de financiamiento, es preferible que el

La cantidad de mediciones que se necesita para caracterizar el desempeo de un

estndar propuesto es un tema discutible, en el que todos concuerdan que ms es

En cuanto a la clasificacin de la exactitud, el primero en exactitud es el laboratorio con

De esta manera, se asignan clasificaciones por separado del desempeo en cuanto a

En este ejemplo, Estndar 1 es un material nuevo y no tiene un valor certificado sobre el

Cuando se emplea ms de un ensayo en el modelo de recursos, es preferible realizar

Estndar 2: xido de oro, valor certificado 1.49 gm/ton Au

Estndar 3: xido de oro, valor certificado 0.67 gm/ton Au

Clasificaciones Suma de Clasificacin