Mario E. Rossi • Clayton V.

Deutsch

Mineral Resource Estimation

2123
 Introduction
La estimación de los recursos minerales es una tarea importante para los geocientíficos y los ingenieros en minería. Los enfoques
para este desafío han evolucionado en los últimos 40 años. Este libro presenta una visión general de la práctica actual establecida.
El libro está dirigido a estudiantes universitarios avanzados o profesionales que recién comienzan en la estimación de recursos
1.1 Objetivos y enfoque
Nuestro objetivo es explicar temas importantes, describir
herramientas geológicas y estadísticas de uso común para la
modelación de recursos, presentar estudios de casos que
ilustran conceptos importantes y resumir las buenas prácticas
de estimación de recursos. Siempre que sea posible, se
mantendrá un hilo común a través de las secciones que
incluyen detalles de teoría y referencias a apéndices y otros
autores, ejemplos relevantes, herramientas de software
disponibles, documentación necesaria para una mejor
práctica, extensiones para el manejo de múltiples variables,
modelos. de otras variables menos comunes, tales como
propiedades metalúrgicas, y limitaciones y debilidades de los
supuestos y modelos utilizados.
Hay una gran variedad de minerales de interés,
incluidos minerales industriales como la grava y la
potasa, metales básicos como el cobre y el níquel, y
metales preciosos como el oro y el platino. Existen otras
variables geológicas distribuidas espacialmente, como
el carbón, los diamantes y las variables utilizadas para
caracterizar los reservorios de petróleo. A menudo, el
componente de interés tiene una concentración variable
dentro del subsuelo. Un recurso es el tonelaje y el grado
del material de interés del subsuelo. El recurso es in-
situ y puede no ser económico extraerlo. Una reserva es
la fracción de un recurso que se demuestra que es
técnica y económicamente recuperable. La estimación
de recursos y reservas requiere la construcción de
modelos a largo plazo (vida del activo) para todo el
depósito, que se actualizan cada 1–3 años de operación.
Se pueden construir modelos a mediano plazo para la
planificación de uno a 6 meses en el futuro. Los
modelos a corto plazo se construyen para decisiones
semanales o diarias relacionadas con el control de grado
o la planificación detallada.
M. E. Rossi, C. V. Deutsch, Mineral Resource Estimation, DOI 10.1007/978-1-4020-5717-5_1,
© Springer Science+Business Media Dordrecht 2014
1
La construcción de modelos numéricos para la evaluación
de recursos a largo, mediano o corto plazo incluye cuatro
áreas principales de trabajo:
1. Recopilación y gestión de datos;
2. Interpretación geológica y modelación;
3. Asignación de calificaciones; y,
4. Evaluar y gestionar la incertidumbre geológica y de
grado. La recopilación y gestión de datos implica una gran
cantidad de pasos y problemas. Hay libros sobre perforación
y teoría de muestreo, como Peters (1978) y Gy (1982). La
riqueza y la complejidad de estos temas no se pueden cubrir
en detalle; sin embargo, es importante que el estimador de
recursos considere temas que afectan la calidad de las
estimaciones finales. Se proporciona alguna información de
fondo.
La interpretación y modelación geológica requiere que los
conceptos y modelos geológicos específicos del sitio se integren con
datos reales para construir un modelo tridimensional de dominios
geológicos. Este modelo geológico es una representación de
aquellas variables que controlan más la mineralización y forman la
base para todas las estimaciones subsiguientes. A menudo, el
modelo geológico es el factor más importante en la estimación del
tonelaje mineralizado.
Las concentraciones de diferentes elementos o minerales
(grados) se asignan dentro de los dominios geológicos. Los
grados dentro de los diferentes dominios pueden ser
razonablemente homogéneos; sin embargo, siempre hay cierta
variabilidad dentro de los dominios. Las calificaciones se
pronostican a una escala relevante para el método de
extracción anticipado. Los recursos recuperables se calculan
considerando un conjunto de criterios económicos y técnicos.
Existe una amplia variedad de métodos disponibles y se deben
considerar muchos aspectos de la implementación. El método
elegido será
1
 2 1
depende de los objetivos del estudio, los datos disponibles y el
tiempo profesional disponible para completar el estudio.
Las estimaciones de recursos deben complementarse con una
medida de incertidumbre. Todos los modelos numéricos
tienen múltiples fuentes significativas de incertidumbre,
incluidos los datos, la interpretación geológica y el modelo de
grado. Se requiere una declaración que cuantifique la
incertidumbre en las variables predichas para las buenas y
mejores prácticas.
Estos cuatro temas principales están cubiertos en 14 capítulos.
Cada capítulo concluye con un ejercicio que resume los
puntos clave y ayuda a los lectores interesados a probar su
comprensión del material presentado. No se proporcionan
soluciones a los ejercicios.
1.2 Alcance del modelado de recursos
La recopilación, recopilación y análisis inicial de los datos
son los primeros pasos en el modelado de recursos minerales.
Se requieren controles de calidad y salvaguardas suficientes
para lograr un grado adecuado de confianza en los datos. El
proceso general de control de calidad y control de calidad
(QA / QC) debe abarcar prácticas de campo, muestreo,
análisis y gestión de datos. Esto es necesario para asegurar la
confianza en el modelo de recurso.
Los datos son subconjuntos dentro de diferentes dominios
geológicos. Estos dominios pueden basarse en una variedad
de controles geológicos tales como estructura, mineralogía,
alteración y litología. Los modelos de variables categóricas se
construyen para subdividir los datos y enfocar el análisis en
diferentes regiones del subsuelo. Los dominios se asignan
comúnmente a un modelo de bloque cuadriculado. El modelo
de bloque debe tener una resolución suficiente para
representar las variaciones geológicas y proporcionar la
resolución requerida para el diseño de ingeniería. Por
supuesto, el número de bloques no debe ser demasiado
grande. Al momento de escribir este libro, es común usar de 1
a 30 millones de bloques. Los modelos más grandes son
posibles, pero requieren más recursos informáticos y la
gestión de múltiples realizaciones de muchas variables
requiere mucho tiempo.
Se requieren análisis estadísticos de los datos disponibles
antes de poder tomar decisiones sobre dominios geológicos.
Los controles de mineralización interactúan para controlar la
distribución espacial de los grados. La composición de los
valores de datos originales es una práctica común. Esto se
hace en parte para homogeneizar el soporte de los datos
utilizados en la estimación, pero también para reducir la
variabilidad del conjunto de datos. Se realizan análisis
estadísticos adicionales para comprender y visualizar las
distribuciones de datos y definir la forma más adecuada de
estimación.
Después de definir la geometría del modelo de bloque y
los dominios geológicos, es necesario asignar calificaciones.
La elección de un método de estimación y la formulación de
planes para la interpolación de grado se describen en
capítulos posteriores. También se discuten las
consideraciones especiales requeridas para la simulación.
Each step in mineral resource estimation requires as-
sumptions and decisions that should be explicitly stated.
Introduction
Perceived limitations and risk areas should be documented.
The process of model validation and reconciliation is itera-
tive. The calibration of a recoverable resource model against
production, if available, is particularly important to ensure
future predictions are as accurate as possible. Proper and de-
tailed documentation is required for each step. An audit trail
must be created during the entire resource estimation process
to allow a third party to review the modeling work. Transpar-
ency and the ability to allow for peer-reviews are essential
components of the work.
1.3 Critical Aspects
The estimation of resources and reserves requires detailed
consideration of a number of critical issues. Like a chain, they
are linked such that the quality of the overall resource
estimate will be equal to the quality of the weakest link; any
one of them failing will result in an unacceptable resource
estimate. Resource estimators must deal with these issues on
a daily basis.
The quality of the mineral resource estimate depends
firstly on the available data and the geological complexity of
the deposit; however, the resource estimate is also strongly
dependent on the overall technical skills and experience of
the mine staff, how the problems encountered are solved, the
level of attention to detail at every stage, the open disclosure
of basic assumptions along with their justifications, and the
quality of the documentation for each step.
The emphasis on documenting every aspect of the work is
stressed throughout this book because it is the final and, pos-
sibly, the most important link in the chain. Justification and
documentation of every important decision serves as quality
control of the work, because it forces detailed internal re-
views. In addition, it also facilitates third-party reviews and
audits, which are a common requirement in industry. Some
basic issues to be dealt with in resource estimation are brief-
ly discussed next.
1.3.1 Data Assembly and Data Quality
The quality of the resource estimate is directly dependent on
the quality of the data gathering and handling procedures.
Many different technical issues affect the overall quality of
the data. Some important ones are mentioned here.
The concept of data quality is used in a pragmatic way.
The concept is that data (samples) from a certain volume
will be collected and used to predict tonnages and grades of
the elements of interest. Decisions are made based on geo-
logical knowledge and statistical analyses applied in con-
junction with other technical information. Therefore, the
numerical basis for the analyses has to be of good quality to
provide for sound decision-making. This is particularly im-
1.3 Critical Aspects 3
portant because a very small fraction of the mineral deposit deposit, the distribution of mineralized rock, and to develop
is sampled. exploration criteria for increasing resources.
A second key concept is that the samples should be repre- The level of detail in the geologic description of a deposit
sentative of the volume (or material) being sampled, both in steadily increases as the project advances through its differ-
a spatial sense and at the location where the sample is beingent stages. Economic factors are the most important ones af-
taken from. Representative means that the sampling and ana- fecting the decision of whether or not to proceed with further
lyzing process used to obtain a sample results in a value that
geologic investigations; therefore, most geologic work is ori-
is statistically similar to any other that we could have taken
entated towards finding more mineral resources, and to some
from the same volume. Therefore, the sample values are con- extent to more detailed general exploration.
sidered to be a fair representation of the true value of the Not all geologic information is relevant to resource esti-
sampled volume of rock. Representation in a spatial sense mation. Geologic investigations for resource development
implies that the samples have been taken in an approximately should concentrate on defining mineralization controls. Cer-
regular or quasi-regular sampling grid, such that each sampletain geologic details and descriptions are more useful for ex-
represents a similar volume or area within the orebody of in-ploration in that they do not describe a specific mineralization
terest. This is often not the case and some correction will be
control, but rather provide guidelines for mineral occurrences.
required. If the samples are not representative, then an error The process of defining estimation domains amounts to
will be introduced that will bias the final resource estimate.
modeling the geological variables that represent mineraliza-
In the context of data quality, the technical issues related
tion controls. The estimation domains are sometimes based
to sample collection can be divided into those related to field
on combinations of two or more geologic variables, for which
work, and those related to processing of the information. a relationship with grade can be demonstrated. For example,
Some of the most important issues in the field include (1) in the case of an epithermal gold deposit, an esti- mation
the location of drill holes, trenches, and pits; (2) the type of
domain can be defined as a combination of structural,
drill holes used such as open-hole percussion, reverse cir- oxidation, and alteration controls. In the case of a diamond-
culation, or diamond drill holes; (3) the drilling equipment iferous kimberlitic pipe, in addition to the geometry of the
used; (4) the sampling conditions such as the presence of pipe (lithology), internal waste relics are common, such as
highly fractured rock or groundwater; and (5) sample collec- granitic xenoliths. The frequency and volume of these within
tion procedures. Core recovery or the sample weight should the pipe may condition the definition of estimation domains.
be recorded. Geologic logging of the geologic characteristics The determination of the estimation domains to use is
of the samples should be performed. Sample preparation and based on geologic knowledge and should be supported by
assaying procedures are critical. The related quality assur- extensive statistical analysis (exploratory data analysis, or
ance and quality control program is a fundamental element in EDA), including variography. The procedure can take a sig-
the process. nificant amount of time, particularly when all possible com-
Deposit- and mineral-specific sample preparation and as- binations of the available geologic variables are studied, but
saying protocols must be derived and adhered to throughout it is typically worth the effort. Estimates are improved when
the sampling campaign. Heterogeneity tests (Pitard 1993; carefully constrained by geological variables.
François-Bongarçon and Gy 2001) are necessary to under- The definition of estimation domains is referred to as
stand sampling variances and minimize errors. the definition of stationary zones within the deposit. An
The construction and maintenance of the sampling data- important part of stationarity is a decision of how to pool
base requires a continuous quality control program, includ- information within a specific zone within the deposit, within
ing periodic manual and automatic checks. These checks certain boundaries, or the deposit as a whole. Decisions are
should be performed over all the variables in the database, based on oxidation zones, lithologies, alterations, or structur-
including grades, geologic codes, collar location and sur- al boundaries. The stationary domains cannot be too small;
veys, and density data. Relational databases offer the pos- otherwise, there are too few data for reliable statistical de-
sibility of easier data handling and improved quality control.
scription and inference. The stationary domains cannot be too
But they do not provide quality control by themselves, nor dobig; otherwise, the data could likely be subset into more
they replace the need for periodic manual audits. geologically homogeneous subdivisions.
Defining the estimation domains in resource evalua-
tion is often equivalent to defining the mineralized tonnage
1.3.2 Geologic Model and Definition available in the deposit. Some units will be mostly mineral-
of Estimation Domains ized (with the potential of becoming ore), while others will
be mostly un-mineralized (almost certainly non-recoverable
Much geologic information is gathered during the investiga- low-grade resources or waste). The mixing of different types
tions performed at different stages of a mining project. The of mineralization should be kept to a minimum to avoid
information is used to understand the genesis of the mineral smearing grades across geologic boundaries.
4 1
Adequate definition of the estimation domains is an im-
portant task for resource evaluation. Mixing of populations
within the deposit will generally produce a sub-standard re-
source estimate that underestimates or overestimates grades
and tonnages. It is very rare that any geostatistical technique
will compensate for a poor definition of stationarity. A good
definition of estimation domains means that only relevant
samples are used to estimate each location.
1.3.3 Quantifying Spatial Variability
The grade values observed within a mineral deposit are not
independent from each other. Spatial dependency is a conse-
quence of the genesis of the deposit, that is, all of the geolog-
ical processes that contributed to its formation. The reader
is referred to Isaaks and Srivastava (1989) for an accessible
discussion on the subject, as well as David (1977), Journel
and Huijbregts (1978), and Goovaerts (1997) for more de-
tails.
A clear description of the spatial variability (or continu-
ity) of the variables being modeled is desirable. Knowledge
of the spatial correlation between different points in the de-
posit will lead to a better estimation of the mineral grade
at an unknown location. The spatial variability is modeled
using the variogram and related measures of spatial variabil-
ity/correlation.
A spatial variability model improves the estimation of
each point or block in the deposit. Parameters of the model
are important. Attention should be paid to the definition of
the nugget effect (the amount of randomness); the number of
structures; the behavior of the variogram model near the ori-
gin; and the specification of anisotropic features. Although
the spatial variability model will change depending on the
estimator and available data, it should be compatible with
accepted geologic knowledge. For example, the modeled an-
isotropies should be consistent with the spatial distribution of
known geologic controls, and the variances and ranges of the
models should be consistent with the overall variability
observed in the data.
Geologic variables have some degree of spatial correla-
tion. The challenges often encountered when quantifying the
spatial correlation lie with the inadequacy of the data being
used, inadequate definition of estimation domains, or use of
estimators that are less robust with respect to skewed data.
These challenges are discussed in detail in later chapters.
1.3.4 Geologic and Mining Dilution
In-situ and recoverable resources must be differentiated. The
precise definition of recoverable varies in different parts of
the world. In general, the term refers to mineralization that
Introduction
can be recovered and processed by mining. Any resource
evaluation, in order for it to become the basis for an eco-
nomic evaluation, has to be recoverable, and therefore in-
clude some dilution and ore loss. After applying constraints
derived from the ability to economically mine the deposit,
as well as all relevant types of dilution, the resource may
become a reserve.
Some resource estimators advocate the estimation of
purely geological in-situ resources, that is, an estimate of
the resources that are to be found if a snapshot of the de- posit
at the same scale and level of detail as provided by the
drill hole data and other geologic information could be taken.
Thus, it would be a description of its true geologic nature, as
it occurs at our scale of observation. This point of view
assigns to the mining engineer and economic evaluator the
task of converting the purely geologic resource into a minable
reserve. This is required to realistically describe the economic
potential of the deposit. In general, however, the geologist
and geostatistician (resource evaluators) are better equipped
to incorporate geologic dilution; otherwise, it may go
uncharacterized or poorly modeled.
Mining is a large scale industrial operation; selection of
large volumes is taking place over short times. Some mix- ing
of waste with ore and ore with waste is inevitable. The failure
to understand and properly estimate geologic dilu- tion and
lost ore explains most of the failures of resource estimates.
Although some degree of error or uncertainty is expected,
ignoring or mistreating knowledge of anticipated dilution is
an invitation for disaster. An interesting discus- sion in
layman terms about this issue can be found in Noble (1993).
In the context of using a block model to estimate resources,
the basic types of dilution often encountered can be
summarized as:
1. Internal dilution, related to the use of small size com-
posites to estimate large blocks, also called the volume-
variance effect. The more mixing of high and low grades
within the block, the more important this effect will be, as
is common for example with gold mineralization.
2. The geologic (or in-situ) contact dilution, related to the
mixtures of different estimation domains within blocks.
One reason for grade profile changes is the existence of
different geologic and mineralization domains. Mixing of
grades will occur when mining near to or at contacts.
3. The operational mining dilution that occurs at the time
of mining. The blasting of the rock is an important fac-
tor, since material shifts position. The loading operation
is also a source of dilution and ore loss since the loader is
never able to precisely dig to the exact ore limits.
An understanding of the information effect is also required.
The long-term block model is not used for final selection of
ore and waste. Rather, a different model is used to select ore
from waste that uses much more closely-spaced data avail-
able at the time of mining. In an open pit mine the mineral
 1.3 Critical Aspects
boundaries and the quality are predicted using closely spaced
data. The information at the time of resource estimation is
quite different than at the time of mining, for which esti-
mates will be much better.
1.3.5 Reservas Recuperables: Estimación
La importancia de calcular los recursos recuperables y las
reservas se reconoció al principio de la geoestadística
(Matheron 1962, 1963), pero fueron los primeros trabajos de
M. David (1977) los que demostraron la importancia práctica
de estimar las reservas recuperables, mientras que Journel y
Huijbregts (1978) proporcionaron los fundamentos teóricos y
prácticos de los métodos más comunes utilizados para estimar
en diferentes volúmenes.
Los recursos del modelo de bloque estimados a partir de
taladros de exploración o desarrollo (modelos a largo plazo) y
las predicciones de producción de la mina (modelos a corto
plazo) pueden mostrar discrepancias significativas. Las
discrepancias son aún mayores cuando se comparan con las
cifras de producción reales que pueden o no ser confiables. Es
deseable minimizar estas discrepancias para fines de
evaluación y planificación. Se ha demostrado que la
contabilización incorrecta del volumen de predicción (el efecto
de variación de volumen) es un factor importante que
contribuye a las discrepancias que generalmente se encuentran.
El modelo de recursos contiene bloques con dimensiones
que deben relacionarse con el espaciado de los datos, que
se espera que se determinen en función de la cantidad de
información disponible para predecir las leyes. Los
tamaños de bloque pueden ser más grandes que la unidad
minera selectiva (SMU) de la operación. El efecto de
suavizado de kriging generalmente resultará en una
distribución de grados que no coincide con la distribución
de calificación de las SMU. Además, la selección en
taladros no es perfecta. Las predicciones de tonelaje-grado
basadas en pozos de explosión pueden necesitar ser
corregidas por diluciones no planificadas y otros errores de
estimación en el modelo a corto plazo.
Se requiere un enfoque integrado para predecir las reservas
y el rendimiento de la mina para obtener predicciones más
precisas. Específicamente, se debe tener en cuenta la relación
volumen-variación, la selectividad de la operación minera, la
dilución planificada y la pérdida de mineral. Además, es
razonable incorporar una provisión por dilución no planificada
en el momento de la extracción.
Las técnicas de estimación tradicionales proporcionan una
flexibilidad limitada para tener en cuenta estos factores. La
estimación de recursos recuperables se basa en información
limitada sobre la distribución de grados de SMU. Existen
varios métodos y técnicas que ayudan a estimar las
distribuciones puntuales, pero se ha realizado relativamente
poca investigación para desarrollar métodos robustos para
estimar las distribuciones en bloque. Es una tarea difícil, ya
que poco se sabe a priori sobre la distribución de SMU. Una
opción importante disponible es el uso de modelos de
simulación condicional para resolver los problemas
relacionados con los recursos recuperables.
5
1.3.6 Reservas Recuperables: Simulación
El enfoque tradicional para el modelado de bloques es
estimar un valor único en cada bloque del modelo, obteniendo
la mejor predicción posible en algún sentido estadístico. Esta
estimación se puede hacer utilizando métodos no
geoestadísticos, o más comúnmente, alguna forma de kriging.
Si bien existe la necesidad de una sola estimación en cada
bloque, existen algunas deficiencias importantes al adjuntar
solo el valor estimado a cada bloque.
Un enfoque alternativo para la evaluación de recursos es
el uso de simulación condicional que proporciona un
conjunto de valores posibles para cada bloque, que
representan una medida de incertidumbre. La idea es obtener
una serie de realizaciones simuladas que reproduzcan el
histograma y el variograma de la información original de la
perforación. Las realizaciones están construidas sobre una
grilla fina. Reproducir o honrar el histograma significa que
las realizaciones representarán correctamente la proporción
de valores altos y bajos, la complejidad espacial de la
persona, la conectividad de los valores altos y bajos y la
continuidad general de grado en tres dimensiones. Estas
características de la mineralización son aspectos importantes
que juegan un papel importante en el diseño, planificación y
programación de una operación minera.
Se deben resolver adecuadamente varios problemas para
que las realizaciones sean representativas de las
calificaciones del depósito. Estos incluyen, entre otros, elegir
entre varias técnicas de simulación disponibles, como
Gaussian secuencial (Isaaks 1990), Indicador secuencial
(Alabert 1987) u otros. Además, se deben tomar decisiones
sobre el tamaño de la cuadrícula, los datos de
acondicionamiento, los barrios de búsqueda y el tratamiento
de los valores de alto grado. Es un proceso similar al
desarrollo de un modelo de bloque kriging. Algunas
discusiones sobre implementaciones prácticas se pueden
encontrar en Deutsch y Journel (1997) y Goovaerts (1997),
entre otros.
Cuando se hayan creado y comprobado varias de estas
realizaciones, entonces, para cada nodo definido en la
cuadrícula, habrá un número correspondiente de diferentes
grados disponibles. Este conjunto de grados múltiples es un
modelo de incertidumbre para ese nodo. Estos puntos
simulados se pueden volver a bloquear a cualquier tamaño de
bloque deseado, como el tamaño SMU de la unidad de minería
selectiva de la operación. Estos resultados son utilizados aún
más por los ingenieros de minas.
Se pueden obtener parámetros importantes a partir de las
distribuciones de la incertidumbre local, como la media, la
mediana y la probabilidad de exceder de exceder un grado de
corte específico. Por lo tanto, la información proporcionada
por un modelo de simulación es significativamente más
completa que la estimación única proporcionada por un
modelo de bloque estimado. Los modelos de simulación
pueden proporcionar recursos recuperables para cualquier
selectividad al volver a bloquear las calificaciones simuladas
al tamaño de bloque SMU elegido. Es probable que, a su
 8 1
debido tiempo, los modelos de simulación reemplacen los
modelos de bloques estimados, ya que no solo proporcionan
una estimación única, sino también una gama completa de
valores posibles.
1.3.7 Validación y Reconciliación
La verificación de los modelos de recursos implica varios
pasos y requiere una cantidad significativa de tiempo y
esfuerzo. Hay dos tipos básicos de controles a realizar: gráficos
y estadísticos.
Las verificaciones gráficas implican la visualización en 3D
y el trazado de los valores estimados en secciones y planos.
Cada grado de bloque estimado debe explicarse por los datos
que lo rodean y los parámetros de modelado y el método
utilizado. Si bien estas verificaciones gráficas se pueden
realizar en pantallas de computadora, a menudo vale la pena
tener un conjunto de mapas en copia impresa debido al nivel
de detalle requerido y al seguimiento de registros y auditorías
importantes. Desafortunadamente, esta práctica está
desapareciendo, ya que algunas operaciones no se toman el
tiempo de producir conjuntos de secciones geológicas y vistas
de planos en papel.
Los controles estadísticos son globales (a gran escala o
de depósito) y locales (por bloques o por volúmenes más
pequeños, como los volúmenes de producción mensuales).
Los procedimientos de verificación, validación y
reconciliación deben garantizar la consistencia interna del
modelo, así como la reproducción de la producción pasada,
si está disponible. Algunos de los controles más básicos son:
• El promedio global del modelo debe coincidir con el
promedio de la distribución de datos descompuesta. Esta
verificación debe realizarse para cada dominio de
estimación.
• La suavización de la distribución de los grados del modelo
de bloque: la comparación con respecto a las
distribuciones de grado pronosticadas (SMU) debe ser
razonable. Si las curvas de tonelaje y grado pronosticadas
de SMU y modelo de bloque son muy diferentes, es
probable que el modelo de bloque haya incorporado
demasiada o muy poca dilución.
• Las relaciones espaciales y estadísticas entre las variables
modeladas deben corresponder a las relaciones
observadas en el conjunto de datos original.
• Un modelo de recurso debe construirse utilizando un
método alternativo. Los resultados y las diferencias deben
ser los esperados, dadas las características de cada
método.
• Las estimaciones deben compararse con estimaciones
anteriores. Esto debe hacerse con cautela y teniendo en
cuenta las diferencias en la cantidad y calidad de los datos,
así como la metodología utilizada para la estimación de los
diferentes recursos.
• Las estimaciones deben compararse con todos los datos de
producción históricos disponibles. Idealmente, los
modelos de recursos deberían predecir la producción
pasada. Esto proporciona alguna indicación de que el
modelo de bloque también puede predecir la minería
futura.
Introduction
La reconciliación con la producción pasada debe realizarse
en base a volúmenes de interés predefinidos y de acuerdo con
los criterios de aceptación de errores especificados. Además,
la producción puede proporcionar una indicación inicial de la
incertidumbre esperada del modelo de recurso. Esta
incertidumbre esperada debe expresarse en la forma clásica
dentro del límite de confianza del x% y del tiempo p%.
La información de producción debe ser usada con mucho
cuidado. A menudo, los tonelajes y grados reportados por la
planta de procesamiento no representan adecuadamente los
tonelajes y grados de alimentación (cabeza) del molino, es
decir, el material entregado por la mina. Más bien, pueden
estar influenciados por los parámetros de rendimiento de la
planta, lo que sesgará las comparaciones con los grados de
cabeza y los tonelajes informados por la mina. La implicación
es que los tonelajes de cabezas y la información de grado
confiables se obtienen mejor a partir del muestreo directo del
material entregado en la entrada de la planta. En algunos
casos, estas comparaciones pueden no ser posibles debido a
las características de la operación, tales como el
almacenamiento extensivo o la falta de información confiable
sobre el avance del molino. A menudo, solo se pueden hacer
afirmaciones muy generales sobre la calidad de los datos de
conciliación.
1.3.8 Clasificación de recursos
El propósito de clasificar los recursos es proporcionar una
evaluación de confianza global a las partes interesadas del
proyecto, incluidos los socios mineros, accionistas e
instituciones financieras que invierten en el proyecto. Existen
varios sistemas de clasificación de recursos y reservas
utilizados por diferentes agencias gubernamentales en todo el
mundo. La mayoría de ellos comparten en sus principales
características y objetivos.
La evaluación de la confianza es crítica para el desarrollo
del proyecto, ya que los recursos y las reservas deben
conocerse con suficiente confianza para ser considerados
activos. Para las minas operativas, la confianza continua en la
producción futura a largo plazo también es importante para
proporcionar valor a los accionistas y respaldar la
planificación a largo plazo.
La terminología utilizada en la mayoría de las directrices
para la clasificación es intencionalmente vaga. Deben ser
aplicables a muchos tipos diferentes de depósitos,
ubicaciones y métodos de extracción. Las directrices no
prescriben una metodología específica para cuantificar la
incertidumbre o el riesgo. Más bien, existe una mayor
confianza en el juicio del estimador de recursos, formalizado
a través del concepto de una persona competente o calificada.
Por lo tanto, es difícil lograr una base común para la
comparación, ya que la redacción puede tener un significado
diferente en diferentes circunstancias, y depende de las
personas involucradas. Una posible solución es intentar
describir la confianza en términos estadísticos tradicionales y
en función de las unidades de producción. Existe una
tendencia de la industria hacia el uso de una descripción
estadística de incertidumbre para complementar los criterios
de clasificación tradicionales.
 8 1
La evaluación de confianza requerida por los accionistas de
un proyecto minero es generalmente global, y en su mayor
parte preocupada por el desempeño a largo plazo. Esto es
diferente de la evaluación de riesgos mineros a corto plazo que
los ingenieros necesitan en la operación diaria de la mina.
Desafortunadamente, una evaluación de confianza global con
frecuencia también se usa como una medida local de
incertidumbre, lo que a menudo conduce a expectativas
irrazonables en el modelo de recursos. La práctica actual para
la clasificación de recursos incluye diferentes métodos que
tienen similitudes conceptuales. Algunos de los más comunes
son:
• Usar el número de perforaciones y muestras cerca de cada
bloque es de naturaleza geométrica y fácil de explicar,
aunque con frecuencia tiende a ser simplista en su
implementación.
• La variación de kriging proporciona un índice de
configuración de datos (Cap. 8), es decir, una medida de
qué tan bien se informa cada bloque en el modelo en el
momento de la estimación.
• Uso de diferentes radios de búsqueda para estimar bloques
en un proceso paso a paso, mientras se realiza un
seguimiento de cuándo los bloques obtienen un valor
estimado. Cuanta más información se use para obtener una
estimación, más seguro estará.
• Decidir de acuerdo con los criterios geológicos, qué
espacio de malla se requiere para que el recurso pertenezca
a una categoría (medido, indicado o inferido), y luego
buscar en todo el depósito ese espacio de red nominal,
clasificando así las diferentes áreas del deposito.
Los criterios puramente geométricos podrían
complementarse con criterios estadísticos convencionales, es
decir, definir la calificación esperada y el rango
correspondiente de calificaciones posibles en torno a ella. Por
ejemplo, los recursos medidos se pueden definir como aquellos
que se espera que se conozcan ± 15%, el 90% del tiempo para
un volumen equivalente a 3 meses de producción. El modelo
(numérico o subjetivo) utilizado para elaborar tal declaración
es muy importante para la efectividad del esquema de
clasificación.
Existen fallas y dificultades en la práctica de la clasificación
de recursos. Muchos de estos pueden resolverse con un modelo
defendible de incertidumbre basado en simulación
geoestadística. Inevitablemente, el proceso de clasificación de términos sugiere que a largo plazo se refiere a períodos de
los recursos depende de las circunstancias y condiciones del
proyecto minero que se evalúa, además de las condiciones
puramente geológicas y los problemas técnicos. Sin embargo,
en todos los casos, la clasificación debe ser defendible por el elegidos estarán relacionados con el presupuesto y los ciclos
profesional que firma el modelo de recurso.
1.3.9 Espaciado óptimo del taladro
de perforación
El espacio entre los orificios de perforación debe ser óptimo
para un análisis de costo-beneficio dado, que depende de la
etapa de desarrollo del proyecto. Los nuevos barrenos deben
reducir la incertidumbre de los recursos a un nivel tolerable y
predefinido, según se requiera para el avance del proyecto.
Introduction
Un análisis de costo-beneficio de posibles nuevas
perforaciones requiere evaluar el beneficio de disminuir la
incertidumbre del modelo de recurso en una cantidad
determinada. Esto equivale a cuantificar el valor de la nueva
información. Si las consecuencias de los errores en las
estimaciones de recursos pueden definirse y cuantificarse,
entonces es factible utilizar realizaciones simuladas para
determinar las consecuencias económicas de la
incertidumbre. Esto se puede refinar aún más aplicando los
planes de mina existentes a los modelos de simulación, de
manera que, para un plan de mina específico, se pueda
realizar una evaluación del impacto de la nueva perforación
en las reservas recuperadas.
En la práctica, este tipo de análisis se basa en los
volúmenes de producción, como el metal vendido en un mes.
Si se conocen los parámetros que describen el rendimiento de
la planta metalúrgica, entonces la incertidumbre de los
tonelajes y calidades suministrados a la planta puede estar
directamente relacionada con el riesgo de no lograr el plan de
producción esperado.
La pregunta típica que hace el gerente de desarrollo del
proyecto es “¿cuántos agujeros de perforación necesito?” La
respuesta a esta pregunta requiere una definición de los
objetivos de la nueva perforación en términos de
incertidumbre. Luego, se pueden desarrollar los criterios de
optimalidad aplicables y se puede evaluar el valor de la nueva
perforación. Esto podría expresarse en valores en dólares, en
términos de incertidumbre y reducción de riesgos, o en
términos de reducción de flujo de efectivo y riesgo de valor
presente neto (VAN).
1.3.10 Modelos a medio y corto plazo
Los modelos a medio y corto plazo son modelos auxiliares
utilizados para mejorar la estimación local del modelo de
recursos a largo plazo. Estos son modelos de reserva que se
utilizan en una mina en operación para fines de producción.
Se utilizan modelos a medio y corto plazo para mejorar la
estimación de volúmenes relativamente pequeños del
depósito. Esto es útil porque las operaciones de la mina
planifican volúmenes más pequeños y de corto plazo. La
definición de lo que es largo, mediano y corto plazo varía de
una operación a otra; sin embargo, el uso común de los
producción de un año o más, mientras que a mediano plazo
se refiere a la producción de tres a 6 meses, y a corto plazo
que implica una producción de 1 mes o menos. Los períodos
de previsión de la operación.
En la mayoría de las operaciones mineras medianas a
grandes, hay un presupuesto anual que actualiza el
movimiento de materiales y los correspondientes flujos de
efectivo esperados del plan original de la mina a largo plazo.
Proporciona una predicción de flujo de efectivo para el año
siguiente. Además, este presupuesto se actualiza mediante un
pronóstico a corto plazo, generalmente realizado
semestralmente, trimestralmente o mensualmente, según las
características de la operación.
 8 1 Introduction
La actualización del modelo existente a largo plazo se almacenamiento, también se prestarán a la optimización a
lleva a cabo incorporando información de perforación y través de métodos basados en simulación.
producción. Dado que este trabajo se realizará en un entorno
de producción, los procedimientos y métodos utilizados para
1.4 Historical Perspective
actualizar el modelo de recursos están limitados por el tiempo
y los recursos humanos. La definición de la metodología más
Las estimaciones por secciones calculadas a mano siguen
apropiada y práctica para actualizar los modelos geológicos
teniendo un lugar en la estimación de recursos y reservas.
y de grado puede convertirse en un desafío importante.
Tienen las ventajas de contabilizar directamente la
interpretación geológica experta y proporcionar una
1.3.11 Grade Control aproximación de primer orden; sin embargo, también tienden
a ser optimistas con respecto a la continuidad de la
El control de grado es una tarea importante que se realiza mineralización y el grado que se puede lograr. Los métodos
en la mina a diario. Es una decisión económica básica que de distancia inversa y de vecino más cercano se hicieron
selecciona el destino de cada parcela de material extraído. Los populares en los primeros días de la cartografía asistida por
errores en esta etapa son costosos, irreversibles y pueden computadora. La computadora se usó para imitar lo que se
medirse en términos de pérdidas de flujo de efectivo y mayores hizo a mano, pero esperemos que sea más rápido. Los aspectos
costos operativos. de implementación de estas técnicas evolucionaron a medida
Los modelos de control de grado se basan en una gran que se disponía de herramientas informáticas más sofisticadas.
cantidad de muestras. En las minas subterráneas, los datos de El modelado de recursos minerales evolucionó aún más
producción suelen ser una serie de agujeros bien perforados, con los avances en las técnicas de perforación y análisis, y
muestras de canales o agujeros cortos para probar los paros de con una mayor conciencia de los posibles escollos
producción. En un entorno a cielo abierto, las muestras de relacionados con la preparación y el análisis de la muestra.
agujeros de voladura se obtienen en rejillas muy separadas, de Los métodos utilizados para la interpretación geológica y el
acuerdo con los requisitos de voladura. Con menos frecuencia, modelado también evolucionaron, principalmente a través de
la perforación de control de pendiente se realiza de forma la interpretación sección por sección y en el modelado
separada a la perforación de orificio de voladura, por ejemplo, tridimensional (modelado de esquemas y sólidos para la
mediante la perforación especializada de circulación inversa visualización). El uso ocasional de modelos tridimensionales
(RC). En algunos entornos geológicos, también se utilizan hechos a mano se hizo común con la disponibilidad de
tramos de superficie y muestras de canal computadoras.
Las muestras de producción se utilizan para seleccionar el Las técnicas de estimación de grado han evolucionado a lo
mineral de los desechos y se ven afectadas por varios largo de los años, comenzando con las geoestadísticas
problemas de muestreo. A menudo, las muestras de agujeros iniciales (Sichel 1952; Krige 1951; Matheron 1962, 1963)
de voladura no son tan confiables como las muestras obtenidas que intentan predecir valores individuales en bloques. Las
de la exploración o de los agujeros de perforación RC. Esto se versiones avanzadas de estas técnicas son una práctica
explica por una combinación de métodos de perforación y generalizada en la industria y son los métodos más utilizados.
muestreo de campo. A veces, la gran cantidad de muestras La estimación de las funciones de probabilidad se
disponibles tenderá a minimizar el impacto del error de una desarrolló a continuación, aunque utilizando las mismas
muestra de un solo orificio de explosion. herramientas básicas de regresión lineal. Las suposiciones
Las variables geológicas se mapean en el foso o en las acerca de las propiedades estadísticas y las transformaciones
paradas, pero no siempre se usan en el control de producción. variables condujeron al desarrollo de la estimación
Se deben implementar procedimientos para extraer algún probabilística de una distribución de valores posibles para
beneficio de la geología local mapeada. El objetivo es cualquier bloque dado.
encontrar formas prácticas de mapeo y procesamiento rápido En años más recientes, el uso de la simulación para
de la información geológica. El tiempo de respuesta típico para modelar la incertidumbre se ha vuelto importante. Los
un modelo de control de grado en un tajo abierto es de 24–48 procesos geológicos tienen patrones y estructuras
h. importantes, pero también tienen incertidumbre debido a la
Los métodos de control de grado convencionales incluyen naturaleza caótica de los procesos. La caracterización de la
la definición de esquemas de grado y el uso de distancia heterogeneidad natural y la incertidumbre que resulta de un
inversa, estimación poligonal o, más comúnmente, el kriging muestreo incompleto es un objetivo importante de la
de los grados de perforación. Estos métodos no tienen en estimación de recursos minerales.
cuenta la incertidumbre en la predicción. Alternativamente, la
simulación de múltiples realizaciones proporciona la base para
diferentes algoritmos de optimización, como el método de References
pérdida mínima / ganancia máxima.
En general, las mejoras de los métodos basados en Alabert FG (1987) Stochastic imaging of spatial distributions using hard
simulación son evidentes en distribuciones de grado más and soft information. MSc Thesis, Stanford University, p 197
David M (1977) Geostatistical ore reserve estimation. Elsevier,
erráticas y en zonas más mixtas marginales de tipo mineral. Amsterdam
Los escenarios de control de grado más complicados, como los
que incluyen múltiples opciones de procesamiento y
 8 1 Introduction
Deutsch CV, Journel AG (1997) GSLIB: geostatistical software library
and user’s guide, 2nd edn. Oxford University Press, New York,
p 369
François-Bongarçon D, Gy P (2001) The most common error in
applying ‘Gy’s Formula’ in the theory of mineral sampling, and
the history of the liberation factor. In: Edwards AC (ed) Mineral
resource and ore reserve estimation—the AusIMM guide to good
practice. The Australasian Institute of Mining and Metallurgy, Mel-
bourne, p 67–72
Goovaerts P (1997) Geostatistics for natural resources evaluation.
Oxford University Press, New York, p 483
Gy P (1982) Sampling of particulate materials, theory and practice,
2nd edn. Elsevier, Amsterdam
Isaaks EH (1990) The application of Monte Carlo methods to the anal-
ysis of spatially correlated data. PhD Thesis, Stanford University,
p 21
References 9