Documentos de Académico
Documentos de Profesional
Documentos de Cultura
Estimacindereservas 120821133823 Phpapp02
Estimacindereservas 120821133823 Phpapp02
R. Oyarzun
Introducción
Las muestras a partir de las cuales se estiman las reservas de un yacimiento representan
una fracción mínima de éste. Por ejemplo, en la evaluación del pequeño pórfido
cuprífero de Copper Flat (Nuevo Mexico, USA), se recuperaron a partir de una malla
densa de sondeos, unas 200 TM (toneladas métricas) de testigos. De esas toneladas se
utilizó una fracción solamente para análisis químicos, y con este material se
definieron:
60 x106 TM de mineral.
150 x 106 TM de estéril.
Existen reglas claras para "afinar la puntería" ? desgraciadamente no, y solo podríamos
mencionar dos herramientas indiscutibles:
Cabe destacar que los depósitos minerales eran evaluados, y sus reservas estimadas,
mucho antes de que aparecieran los ordenadores y los métodos geoestadísticos. Se
medían áreas, se estimaban volúmenes y tonelajes, y las leyes se promediaban
utilizando papel y lápices, regla de cálculo o calculadoras mecánicas. Esos resultados no
eran peores (y en algunos casos eran considerablemente mejores) que algunas
estimaciones modernas por geoestadística con pobre control geológico.
Antes de continuar, necesitamos definir de la manera más precisa posible tres términos
relacionados con la estimación de reservas. Se trata de los contactos de tipo geológico,
mineralógico, y económico. Para evaluar un recurso tenemos que pensar en términos de
estos tres conceptos:
Contacto geológico: los límites litológicos y/o estructurales de una determinada
unidad.
Contacto mineralógico: definido por la extensión de la masa mineral (recurso
"geológico"); puede o no coincidir con los contactos geológico (puede ir más
allá de una determinada litología) y económico (a partir de un punto las leyes
pueden ser subeconómicas).
Contacto económico: los límites del material a partir del cual se pueden obtener
ganancias (cut off grade).
La estimación de reservas es mucho más que una mera proyección espacial (3D) de las
leyes (por ejemplo, % Cu, g/t Au, etc). Para determinar el verdadero valor de un
yacimiento necesitaremos además determinar y proyectar los siguientes parámetros:
Metodología clásica
T = A x P x PE
Donde:
A: el área; visualización 2D del sector del depósito bajo evaluación; normalmente una
sección vertical en cuerpos mineralizados irregulares.
Si al resultado le aplicamos una ley concreta (e.g., 2.3 % Cu), entonces tendremos
toneladas con una ley específica (e.g., 2500 toneladas a 2.3 %Cu).
Si d son los tramos del sondeo (medidos en metros) y l las leyes de dichos tramos,
entonces la ley media del sondeo será:
Leymedia = Σ l i x di / Σ di
Leymedia = Σ l DDHi x Ai / Σ Ai
Y para obtener un volumen al que aplicarle las leyes y pesos específicos, así tendremos:
Una vez determinadas las leyes de cada sección, lo que debemos hacer es calcular
los volúmenes. En el ejemplo que muestra la figura, el volumen de roca
mineralizada será igual a: (A1 + A2) x 0.5D, siendo D la distancia entre las
secciones A1 y A2.
Otro sistema es el denominado método de los polígonos. Este método ha sido utilizado
por la industria minera durante décadas. Es un método simple, las matemáticas son
fáciles, y las estimaciones pueden ser realizadas de manera rápida. Se emplea
principalmente en cuerpos tabulares (e.g., filones). Lo sondeos se dirigen normalmente
a 90º con respecto a la masa tabular bajo evaluación. Para la construcción de los
polígonos se pueden emplear dos procedimientos:
Bisectores perpendiculares.
Bisectores angulares.
Hasta aquí los aspectos más básicos de la estimación de reservas. Para continuar
necesitamos incorporar tres conceptos claves para entender la estimación de reservas en
su perspectiva económica real:
La dilución de leyes.
El coeficiente de extracción.
La recuperación de metal.
Resulta prácticamente imposible extraer solo el material económico en una mina, de tal
manera que durante el proceso de la voladura de roca, quedará siempre incluido material
estéril (lo cual lleva a la dilución de leyes). Las causas son las siguientes:
Sobrevoladura: material que está fuera de los límites económicos del cuerpo
mineralizado queda incluido en el material extraído.
Dilución interna: material subeconómico que se encuentra incluido dentro del
cuerpo económico y que no puede ser segregado.
Dilución de reemplazo o contacto: si el contacto estéril/mineral es muy
irregular (y esto suele bastante normal), el resultado será que un volumen
equivalente de material estéril substituirá al material económico. Aunque la
voladura de roca es un arte que en ocasiones roza la perfección, tampoco se le
pueden pedir milagros.
Las minas operan con valores establecidos de dilución, que deben ser aplicados a las
determinaciones de tonelaje realizadas por los geólogos (diálogo ingeniero de minas –
geólogo).
Por ejemplo, a lo mejor solo el 80% del material será susceptible de ser extraído si se
desea mantener límites adecuados de seguridad. Así, y siguiendo este ejemplo, para
una reserva "geológica" de 10.000 TM de mineral al 2.3 % Cu, con un factor de
extracción del 80 %, y una dilución del 10 % tendremos:
Con lo cual tendremos al final de nuestras cuentas: 8.800 TM al 2.09 % Cu. Recuerde,
bajo un punto de vista exclusivamente geológico, las reservas eran inicialmente de
10.000 TM al 2.3 % Cu.
Esto en lo que se refiere a la parte "minera" del problema. Pero a ésto tenemos que
agregarle la problemática de la recuperación metalúrgica del metal en cuestión.
Sigamos con el mismo ejemplo.
Una tonelada de material de mina al 2.09 % Cu contiene 20.9 kilos de cobre. Si este
material da unos 65 kilos de concentrado al 30 % Cu, entonces tendremos:
65 kg x 0.30 = 19.5 kg
Supongamos que tenemos un conjunto de datos (1: fichero Excel) de leyes repartidas en
un espacio XY, y asignamos a cada muestra un símbolo con un tamaño proporcional a
su valor:
A la izquierda representación de las muestras del conjunto 1, el tamaño de los
puntos es proporcional al valor de cada una; a la derecha una representación 3D
de la distribución.
Para este conjunto de datos la media es 0.93 y la desviación estándar igual a 1.20
(valores redondeados). A continuación realizaremos lo siguiente, consideraremos un
nuevo conjunto de datos (2: fichero Excel), equivalente al anterior en cuanto a número
de muestras y posición de los puntos de muestreo, pero donde los valores de las
muestras han cambiado de posición:
A la izquierda representación de las muestras del conjunto 2, el tamaño de los
puntos es proporcional al valor de cada una; a la derecha una representación 3D
de la distribución.
La pregunta es entonces ¿ como poder relacionar los valores con sus posiciones en el
espacio ? y más importante aun ¿ como relacionar dichos valores entre sí ? Este es el
requisito básico para poder interpolar datos y obtener una información gráfica sobre las
tendencias mostradas por las variables (kriging).
Donde:
n = número de pares.
Z(xi) = la localización y valor de la muestra.
El primer punto de nuestra función γ (h) vendrá dado por γ (100), esto es, la media de
los cuadrados de las diferencias entre todos los pares de muestras separados por una
distancia de 100 m:
De esta manera obtenemos el primer punto para la construcción del variograma
experimental, donde en el eje Y (γ (h)) tendremos un valor de 1.46 y en el X (h) otro de
100. Para conseguir el segundo punto γ(200) haremos lo siguiente (y así
sucesivamente):
Estos puntos aparecerán en el variograma experimental de la siguiente manera:
Y así continuaríamos con γ(300), γ(400), γ(500), etc. Podríamos continuar de esta
manera hasta 800’, la máxima distancia muestreada, pero en general, se suele ir
(particularmente si los cálculos son “a mano”), hasta la mitad de la distancia, esto es,
400’.
En este caso estamos realizando un variograma experimental E-W, pero como ya hemos
discutido previamente, la distribución de los valores en el espacio puede variar según la
dirección en que nos movamos (anisotropía). De ahí que sea importante realizar estas
operaciones en al menos tres direcciones en un plano XY: N-S, E-W, y NW-SE, para
comprobar el grado de anisotropía del sistema.
El uso de paquetes informáticos modernos permite realizar estas operaciones con mucha
facilidad en ordenadores tipo PC (entorno Windows©), y un número de ellos, entrega
“por default” el denominado variograma omnidireccional, esto es, un “promedio” de los
distintos posibles variogramas que se pueden realizar para diferentes direcciones.
De cualquier manera, todo esto es “algo más” que pasar los datos (XYZ) a un archivo
Excel y pedirle al programa que nos proyecte los datos de la función γ (h). Una vez que
aparezcan los datos en el gráfico (variograma experimental), deberemos seleccionar el
modelo que mejor se ajuste a nuestros datos.
Esta fase del trabajo es muy importante, ya que el trabajo de kriging depende
totaomente de: 1) del modelo a utilizar; y 2) del grado y direccionalidad de la
anisotropía. En otras palabras, el kriging será tan bueno o tan malo como el ajuste
previo que hayamos realizado en el variograma.
Como en todas las cosas de la vida “si funciona no lo cambies” (o en inglés: never
change a winning game), pero ¿ y qué pasa si nuestra estimación de leyes no está siendo
la mejor posible o es claramente mala ? Ahora es cuando deberíamos recurrir a los
métodos geoestadísticos, y en particular al variograma, nuestra herramienta básica.
Existen dos razones principales para hacer esto: 1) el variograma de nos da una medida
del “alcance” (range) de las muestra, esto es, nos dice hasta adonde en el espacio los
valores de estas son “significativos”; y 2) nos da una idea de la variabilidad de los
valores en el espacio, esto es, si el sistema es fuertemente anisotrópico, las muestras
pueden tener una mejor correlación en una dirección que en otra. En otras palabras, el
“alcance” será dependiente de la dirección. Si nuestro caso corresponde a un pórfido
cuprífero, el comportamiento (dado el tipo geométrico de mineralización) será más bien
isotrópico, pero si el ejemplo corresponde a un filón, intuitivamente podemos pensar
que la anisotropía en el sistema será mayor. Por ejemplo, esperaremos una mayor
continuidad a lo largo de la dirección del filón que de su buzamiento. Por otra parte, la
caída de las leyes será bastante abrupta cuando salgamos de la estructura mineralizada.
Ahora es cuando todo empieza a tener más sentido: necesitamos el variograma para
determinar “que” muestras pueden tener una influencia “real” en la estimación de la ley
(o cualquier otra variable que estemos considerando), ya que el “alcance” (Rango a) nos
da una idea de hasta que distancia existe una relación entre las muestras. Por ejemplo, si
el alcance determinado por la modelización del variograma fuera de a = 100 m, la
muestra 5 tendría que ser descartada (está a unos 134 m de distancia del punto A).
A efectos prácticos, todos los cálculos son realizados hoy en día por programas
especializados, algunos de los cuales pueden ser muy caros (miles de euros). Opciones
relativamente económicas son programas como Surfer8© o EcoSSe©, que como
contrapartida no permiten el diseño y estudio de bloques (donde realizar la estimación:
block kriging en el sentido “minero” del término), aunque se puede realizar una buena
modelización de variogramas experimentales y desarrollar kriging puntual. De esta
manera se pueden obtener mapas donde la interpolación de valores en el espacio XY
está controlada por la función γ (h). Volvamos a uno de los ejemplos del principio
(datos 2) trabajando con Surfer8©:
Representación de los datos del conjunto 2. Esta vez hemos puesto sobre cada
punto, el valor real Z (fichero Excel).
En este caso, vemos que los datos muestran una tendencia hacia el origen (X = 0; Y =
0), por lo cual descartamos la presencia del efecto pepita (nugget). Dado que los datos
crecen hasta un determinado punto (alcance = 11.6) y a partir de ahí no existe un claro
incremento, podemos modelizar el variograma al tipo esférico, y determinar la
anisotropía del sistema. Con el modelo, el grado de anisotropía (anisotropy ratio = 2), y
la dirección de la misma (32.51º →N57.49º), podemos pasar a los cálculos de kriging
puntual introduciendo estos datos en el programa:
En la ventana de kriging, seleccionamos opciones avanzadas (izquierda), y una vez
en estas, seleccionamos desde pantalla el variograma modelizado.
Bibliografía
Annels, A.E. 1991. Mineral deposit evaluation: a practical approach. Chapman & Hall,
London, 435 pp.
Clark, I. 1979. Practical geostatistics. Applied Science Publishers LTD, Essex, 129 pp.
Clark, I. & Harper, W.V. 2001. Practical geostatistics 2000. Ecosse North America Llc.,
Columbus, 342 pp.
Stone, J.G. & Dunn, P.G. 1993. Ore reserve estimates in the real world. Society of
Economic Geologists, Special Publication no. 3, 150 pp.