Evaluación Proyecto Damone caracteres

UNIVERSIDAD DE ANTOFAGASTA
FACULTAD DE INGENIERÍA
CARRERA INGENIERIA CIVIL EN MINAS
EVALUACION DE PROYECTO DAMONE
Antofagasta, Junio 2019

ii
UNIVERSIDAD DE ANTOFAGASTA
FACULTAD DE INGENIERÍA
CARRERA INGENIERIA CIVIL EN MINAS
EVALUACION DE PROYECTO DAMONE
Carlos Chacana Rodríguez

José Aymani Piñones
Mauricio Carvajal Miranda
Antofagasta, junio 2019

iii
Informe presentado en la Universidad de Antofagasta como parte de los

requisitos necesarios para la aprobación del curso Estimación de Recursos
Mineros (MSMI-73), de la carrera Ingeniería Civil en Minas.
EVALUACIÓN DE PROYECTO DAMONE

Carlos Chacana Rodríguez
José Aymani Piñones
Mauricio Carvajal Miranda
Junio / 2019
Profesor: José Delgado Vega, Ingeniero Civil en Minas
Palabras Claves: Estimación, Categorización, Variograma, Estadística, Geo
estadística. Modelo de bloque.
Número de páginas: 60
Resumen:
Resumen: Se analizó, modelo y categorizo el Proyecto Damone. Estableciendo

un soporte fijo de cuatro metros sobre el cual se corrió la estimación basada en
los variogramas que presentan la continuidad espacial de yacimiento, otorgando
así una base estimada a base de bloques de 5 metros de arista, dando como
resultado una ley media de bloque de 0.946 CuT% junto con valores de varianza
del kriging, siendo este el criterio para categorizar. La estimación dio como
resultado un tonelaje total de 16.38M de toneladas de las cuales un 20.6%
corresponde a recursos medidos, un 47.83% a recursos indicado y el restante
34.6% a recursos inferidos.
iv
INDICE
LISTA DE FIGURAS .......................................................................................... vii
LISTA DE TABLAS ............................................................................................. ix
CAPÍTULO 1: INTRODUCCION ....................................................................... 10
1.1 Objetivos ..................................................................................................... 11
1.1.1. Objetivo General ........................................................................... 11
1.1.2. Objetivos Específicos .................................................................... 12
CAPITULO 2: REVISION BIBLIOGRAFICA ..................................................... 13
2.1. Conceptos básicos de la estadística .................................................... 13
2.1.1. Población ...................................................................................... 13
2.1.2. Muestra ......................................................................................... 13
2.2. Representaciones gráficas .................................................................. 13
2.2.1. Gráfico de Barras .......................................................................... 13
2.2.2. Histograma .................................................................................... 14
2.3 Medidas características de una distribución ........................................ 15
2.3.1 Media ............................................................................................ 15
2.3.2 Mediana ........................................................................................ 15
2.3.3 Moda ............................................................................................. 15
2.3.4 Cuartiles ........................................................................................ 15
2.4 Medidas de Dispersión ........................................................................ 16
2.4.1. Varianza y Desviación estándar .................................................... 16
2.4.2. Coeficiente de Variación ............................................................... 16
2.5. Distribuciones ......................................................................................... 16
2.5.1. Distribución normal .......................................................................... 16
2.6. Recurso ............................................................................................... 17
2.6.1. Recurso Mineral Inferido ............................................................... 17
2.6.2. Recurso Mineral Indicado .............................................................. 17
2.6.3. Recurso Mineral Medido .................................................................. 18
2.7. Reserva Mineral ................................................................................... 18
v
2.7.1. Reserva Probable de Minerales .................................................... 18

2.7.2. Reserva Probada de Minerales ..................................................... 19
2.8. Geoestadística ..................................................................................... 19
2.9. Variable Regionalizada. ....................................................................... 19
2.10. Campo .............................................................................................. 20
2.11. Soporte. ............................................................................................ 20
2.11.1 Efecto Soporte. ............................................................................... 20
2.12. Variograma Experimental ..................................................................... 20
2.13. Variograma Modelado o Teórico ...................................................... 20
2.13.1. Modelos elementales del variograma ............................................ 21
2.13.1.1. Efecto Pepita .............................................................................. 21
2.13.1.2. Modelo esférico........................................................................... 21
2.13.1.3. Modelo exponencial .................................................................... 22
2.14. Modelación de Variogramas ............................................................. 23
2.14.1. Efecto Pepita ................................................................................. 23
2.14.2. Anisotropía ..................................................................................... 23
2.15. Krigeage ........................................................................................... 24
2.15.1. Krigeage Ordinario Puntual ............................................................ 25
2.15.1.1. Varianza del Krigeage ordinario puntual ..................................... 25
2.15.2. Krigeage Simple Puntual ............................................................... 26
2.15.2.1. Varianza del Krigeage simple puntual ......................................... 26
2.15.3. Krigeage Ordinario de Bloque ........................................................ 26
2.15.4. Krigeage Simple de Bloque ........................................................... 27
CAPÍTULO 3: ANALISIS ESTADISTICO .......................................................... 29
3.1 Análisis de base de datos........................................................................ 29
3.1.1 Análisis estadísticos de leyes ........................................................... 29
3.1.1.1 Análisis de leyes CuT% ................................................................. 29
3.1.1.1 Análisis de leyes CuS% ................................................................. 31
CAPITULO 4: EVALUACION DEL PROYECTO ............................................... 34
4.1 Compositado........................................................................................ 35
vi
4.1.1. Estadística de Compositados ........................................................ 36

4.2 Modelo de Bloque ................................................................................ 38
4.3 Variogramas ........................................................................................ 38
4.4 Estimación ........................................................................................... 41
4.4.1 Estadística del Bloque ................................................................... 42
4.4 Categorización ..................................................................................... 46
4.5 Curvas tonelaje vs ley .......................................................................... 50
CAPITULO 5: CONCLUSIONES ...................................................................... 53
ANEXO 1 .......................................................................................................... 55
Bibliografía ........................................................................................................ 60
vii
LISTA DE FIGURAS
Figura 1: Ubicación proyecto Damone .............................................................. 11

Figura 2: Ejemplo de histograma para las variables personas vs edad ............ 14
Figura 3: Reservas y recursos .......................................................................... 19
Figura 4: Gráfica de efecto pepita. .................................................................... 21
Figura 5: Gráfica de modelo esférico. ............................................................... 22
Figura 6: Gráfica de Modelo Exponencial ......................................................... 23
Figura 7: Grafica de anisotropía geométrica. .................................................... 24
Figura 8: Volumen a estimar. ............................................................................ 24
Figura 9: Histograma de leyes CuT%. .............................................................. 30
Figura 10: Histograma de leyes CuS% ............................................................. 32
Figura 11: Leyenda de leyes de los sondajes, composito y bloque. ................. 35
Figura 12: Histograma de Frecuencia de Leyes CuT% para el compositado a 4
metros ............................................................................................................... 36
Figura 13: Histograma de Frecuencia de Leyes CuS% para el compositado a 4
metros ............................................................................................................... 37
Figura 14: Variogramas del eje mayor .............................................................. 40
Figura 15: Variogramas del eje semi-mayor ..................................................... 40
Figura 16: Variogramas del eje menor .............................................................. 41
Figura 17: Histograma de CuT% sobre el macrobloque ................................... 43
Figura 18: Modelo dinámico de bloque del proyecto Damone .......................... 44
Figura 19; Histograma de numero de sondajes ................................................ 44
Figura 20: Histograma del número de muestras ............................................... 45
Figura 21: Esquema recursos y reservas ......................................................... 46
Figura 22: Histograma de Varianza del Kriging................................................. 48
Figura 23: Curva tonelaje ley del yacimiento .................................................... 50
Figura 24: Curva tonelaje ley del tonelaje medido ............................................ 51
viii
Figura 25: Curva tonelaje ley del tonelaje indicado........................................... 51

Figura 26: Curva tonelaje ley del tonelaje inferido ............................................ 52
Figura 27: Curva tonelaje ley del tonelaje medido más el indicado .................. 52
Figura 28: Categorización de recursos ............................................................. 54
ix
LISTA DE TABLAS
Tabla 1: Resultados estadísticos para leyes CuT% .......................................... 30

Tabla 2: Resultados estadísticos para leyes CuS%.......................................... 32
Tabla 3: Compositado a cuatro metros ............................................................. 38
Tabla 4: Direcciones y Ajustes del Variograma................................................. 39
Tabla 5: Tonelajes de Recurso ......................................................................... 49
Tabla 6: Tabla tonelaje vs ley del total de recursos .......................................... 55
Tabla 7: Tonelaje vs Ley del tonelaje medido ................................................... 56
Tabla 8: Tonelaje vs Ley del tonelaje Indicado ................................................. 57
Tabla 9: Tonelaje vs Ley del tonelaje inferido ................................................... 58
Tabla 10: Tonelaje vs Ley del tonelaje medido más el indicado ....................... 59
CAPÍTULO 1
INTRODUCCIÓN
La evaluación y prospección de yacimientos en la minería, representa la

primera etapa de un proyecto minero. Nos ayuda a resolver el problema de
estimar el tonelaje y las leyes que el yacimiento pudiera tener, para demostrar
que este sea económicamente rentable.
La herramienta más ocupada para realizar estas estimaciones es la

geoestadística, creada con el propósito de predecir las variables en sitios no
muestreados. El primero en aproximarse a la solución del problema fue Daniel
Gerhardus Krige que propuso una variante del método de medias móviles, el cual
puede considerarse como el equivalente al krigeado simple, que actualmente es
una de las herramientas más utilizadas en el área de la geoestadística. El estudio
riguroso de la geoestadística vino de la mano de Georges Matheron en la Escuela
de Minas de Paris y con esto vinieron más estudios que ampliaron la validez de
este método y reduciendo las hipótesis necesarias. [1]
En la actualidad existen variadas herramientas que facilitan la obtención de la

estimación y categorización, una de estas es el programa de planificación minera
y modelado en 3D, MaptekTM VulkanTM. Esta herramienta más el programa
estadístico “Minitab” serán utilizados para analizar y estimar las reservas y
recursos del “Proyecto Damone”. Para esto se entregó una base de datos que
contiene sondajes, leyes y direcciones, y un sólido con su correspondiente
superficie.
11
Capítulo 1 – Introducción
________________________________________________________________
El yacimiento por evaluar tendrá como nombre Proyecto Damone ubicado a 17.5
km al sur de la ciudad de Tocopilla que se encuentra a 400 m.s.n.m
aproximadamente.
Figura 1: Ubicación proyecto Damone

El yacimiento es de tipo mantiforme que cuenta con 21.938.674.8 de toneladas
de mineral y potencias promedio de 7 metros
1.1 Objetivos
1.1.1. Objetivo General

Estimar el tonelaje, las leyes y categorizar el sólido del “Proyecto Damone”
entregado al curso de Estimación de recursos mineros.
12
Capítulo 1 – Introducción
________________________________________________________________
1.1.2. Objetivos Específicos

 Realizar un análisis estadístico de la base de datos entregada, para
determinar sus medidas de distribución y dispersión.
 Analizar variogramas.
 Estimar recursos del proyecto entregado.
 Obtener una curva de tonelaje vs ley para su posterior análisis.
CAPITULO 2
REVISION BIBLIOGRAFICA
2.1. Conceptos básicos de la estadística
2.1.1. Población
Se denomina Población al conjunto completo de elementos, con alguna
característica común, que es objeto de estudios. Una población puede ser finita
o infinita. [2]
2.1.2. Muestra
Se denomina Muestra a un subconjunto de elementos de la población. Se
elige una muestra cuando la población, aunque sea finita, tiene un número de
elementos elevados, por lo tanto, solo se trabaja con una muestra de esta
población. Al número de elementos de la muestra se le llama tamaño de la
muestra. [2]
2.2. Representaciones gráficas
2.2.1. Gráfico de Barras

El gráfico de barras es el diagrama principal para representar datos de
variables sin agrupar. En este se representan en el eje de abscisas los distintos
14
Capítulo 2: Revisión Bibliográfica
________________________________________________________________
valores de la variable y sobre cada uno de ellos se levanta una barra de longitud
igual a la frecuencia correspondiente. [2]
2.2.2. Histograma
El histograma es un conjunto de rectángulos adyacentes, cada uno de los
cuales representa un intervalo de clase. La base de cada rectángulo es
proporcional a la amplitud del intervalo. Es decir, el centro de la base de cada
rectángulo ha de corresponder a una marca de clase. La altura se suele
determinar para que el área de cada rectángulo sea igual a la frecuencia de la
marca de clase correspondiente. Por tanto, la altura de cada rectángulo se puede
calcular como el cociente entre la frecuencia (absoluta o relativa) y la amplitud
del intervalo. [2]
Figura 2: Ejemplo de histograma para las variables personas vs edad

15
________________________________________________________________
2.3 Medidas características de una distribución
2.3.1 Media
Supongamos que tenemos una muestra de tamaño 𝑁, donde la variable
estadística 𝑥 toma los valores 𝑥1 , 𝑥2 … 𝑥𝑁 . Se define la media aritmética 𝑥̅ , o
simplemente media, de la muestra como
∑𝑁
𝑖=1 𝑋𝑖
𝑥̅ =
𝑁
Es decir, la media se calcula sencillamente sumando los distintos valores de 𝑥 y
dividiendo por el número de datos. [2]
2.3.2 Mediana
La mediana 𝑀𝑒 se define como una medida central tal que, con los datos
ordenados de menor a mayor, el 50% de los datos son inferiores a su valor y el
50% de los datos tienen valores superiores. Es decir, la mediana divide en dos
partes iguales la distribución de frecuencias o, gráficamente, divide el histograma
en dos partes de áreas iguales. [2]
2.3.3 Moda
Se define la moda 𝑀𝑜 de una muestra como aquel valor de la variable que
tiene una frecuencia máxima. En otras palabras, es el valor que más se repite.
Hay que indicar que puede suceder que la moda no sea única, es decir que
aparezcan varios máximos en la distribución de frecuencias. En ese caso diremos
que tenemos una distribución bimodal, trimodal, etc. [2]
2.3.4 Cuartiles
Los cuartiles son tres valores que dividen la muestra en cuatro partes
iguales. El primer cuartil 𝑄1 será el que dividirá los datos en 25% de datos
inferiores y 75% de datos superiores al cuartil. El 𝑄2 será la mediana de los datos
16
________________________________________________________________
y el 𝑄3 será el cuartil que dividirá los datos en 75% de datos inferiores a este y
25% de datos superiores al cuartil 𝑄3 . [2]
2.4 Medidas de Dispersión
2.4.1. Varianza y Desviación estándar

La varianza describe la variabilidad de los datos y mide la dispersión de la
variable con respecto a la media, se define como.
𝜎 2 = 𝐸[𝑋 2 ] − 𝜇𝑋 2
La desviación estándar describe la dispersión de los datos y mide la desviación
alrededor de la media. Se define como la raíz de la Varianza. [2]
2.4.2. Coeficiente de Variación

El coeficiente de variación se define como el cociente entre la desviación
estándar y el valor absoluto de la media
𝑠
𝐶𝑉 =
|𝑥̅ |
El coeficiente de variación sirve para comparar la dispersión entre diferentes

muestras de unidades diferentes. Evidentemente cuanto mayor sea el 𝐶𝑉 mayor
es la dispersión que tendrán los datos. [2]
2.5. Distribuciones
2.5.1. Distribución normal

La distribución normal describe con gran aproximación la distribución de
las variables asociadas a un fenómeno dado. Gráficamente tiene forma de
campana. [2]
17
________________________________________________________________
2.6. Recurso
Según el código de JORC [3], un “Recurso Mineral” es una concentración
de material de interés económico sobre la corteza de la Tierra en forma y cantidad
en que haya probabilidades razonables de una eventual extracción económica.
La ubicación, cantidad, ley, características geológicas y continuidad de un
Recurso Mineral son conocidas, estimadas o interpretadas a partir de evidencia
y conocimientos específicos geológicos. Los recursos minerales se subdividen,
en orden de confianza geológica ascendente, en categorías de Inferidos,
Indicados y Medidos.
2.6.1. Recurso Mineral Inferido

Un “Recurso Mineral Inferido” es la parte del recurso mineral para el cual
se puede estimar el tonelaje y el contenido de mineral con un bajo nivel de
confianza. Se le infiere por la evidencia geológica y se le asume, pero no se
verifica su continuidad geológica y su contenido metálico. [3]
2.6.2. Recurso Mineral Indicado

Un “Recurso Mineral Indicado” es la parte del recurso mineral para la cual
se puede estimar su densidad, forma, características físicas, tonelaje, ley y
contenido de mineral con un nivel de confianza aceptable. Los lugares de
muestreo y estudio se encuentran muy distanciados entre ellos por lo que no se
puede verificar con exactitud su continuidad geológica y contenido metálico, pero
se encuentran lo suficientemente cerca uno del otro para asumir dicha
continuidad. [3]
18
________________________________________________________________
2.6.3. Recurso Mineral Medido

Un “Recurso Mineral Medido” es la parte del recurso mineral en la cual se
puede estimar su densidad, forma, características físicas, tonelaje, ley y
contenido de mineral con un alto nivel de confianza. Los lugares de muestreo y
estudio se encuentran muy cercanos entre ellos, por lo que se puede confirmar
su continuidad geológica y contenido metálico. [3]
2.7. Reserva Mineral

Según el código de JORC [3], una “Reserva de Mineral” es la parte
económicamente explotable de un recurso mineral medido o indicado. Incluye
dilución de materiales y tolerancias por pérdidas que se puedan producir cuando
se extraiga el material. Se han realizado las evaluaciones apropiadas, que
pueden incluir estudios de factibilidad e incluyen la consideración de factores
razonablemente asumidos de extracción, metalúrgicos, económicos, de
mercado, legales, ambientales, sociales y gubernamentales. Estas evaluaciones
demuestran en la fecha en que se reporta que podría justificarse razonablemente
la extracción. Las reservas de mena se subdividen en orden creciente de
confianza en reservas probables minerales y reservas probadas minerales.
2.7.1. Reserva Probable de Minerales

Una “Reserva Probable de Minerales” es la parte económicamente
explotable de un recurso mineral indicado y en algunos casos de recursos
medidos. Este incluye el material que se pierde o diluye cuando se extrae el
mineral. [3]
19
________________________________________________________________
2.7.2. Reserva Probada de Minerales

Una “Reserva Probada de Minerales” es la parte económicamente
explotable de un recurso mineral medido. Este incluye el material que se pierde
o diluye cuando se extrae el material. [3]
Figura 3: Reservas y recursos

2.8. Geoestadística
La geoestadística es una rama de la estadística que trata fenómenos
espaciales (Journel & Huijbregts, 1978). Su interés primordial es la estimación,
predicción y simulación de dichos fenómenos (Myers, 1987). Esta herramienta
ofrece una manera de describir la continuidad espacial, que es un rasgo distintivo
esencial de muchos fenómenos naturales, y proporciona adaptaciones de las
técnicas clásicas de regresión para tomar ventajas de esta continuidad (Isaaks &
Srivastava, 1989). Petitgas (1996), la define como una aplicación de la teoría de
probabilidades a la estimación estadística de variables espaciales. [1]
2.9. Variable Regionalizada.

La variable regionalizada es un fenómeno regionalizado que tiene una
extensión en el espacio y presenta cierta continuidad. Esta mide algunas
propiedades o atributos de los fenómenos asociados a la geoestadística. Algunas
de las propiedades que esta mide son:
20
________________________________________________________________
 La ley de un mineral, la densidad de la roca y la recuperación metalúrgica.

 La porosidad y la permeabilidad de la roca.
 La concentración de un elemento contaminante en el ambiente.
 La conductividad eléctrica, el pH y la concentración de nutrientes medida
sobre una muestra de suelo. [4]
2.10. Campo
Se define como la zona en la cual se desplaza la variable regionalizada.
Esta zona varía según el estudio a realizar. [5]
2.11. Soporte.
El soporte es la superficie o volumen sobre el cual se considera la variable
regionalizada. Este soporte en las mediciones es muy pequeño, mientras que en
la práctica puede ser más voluminoso. [4]
2.11.1 Efecto Soporte.

El efecto soporte se produce cuando el soporte aumenta, ocasionando la
disminución de las leyes y el aumento de la varianza. [4]
2.12. Variograma Experimental

La definición teórica de un variograma experimental se denota como “la
mitad de la esperanza de dos puntos separados a una distancia h al cuadrado”.
Este tipo de variograma es un estimador insesgado del variograma teórico.
2.13. Variograma Modelado o Teórico

El variograma modelado es un modelo teórico ajustado de variograma en
torno a un variograma experimental, esto debido a que un variograma
experimental no se puede utilizar directamente por estar sujeto a un número
limitado de datos.
21
________________________________________________________________
2.13.1. Modelos elementales del variograma

A continuación, se presentaran algunas funciones que constituyen los
modelos más utilizados en la práctica. [4]
2.13.1.1. Efecto Pepita

El variograma pepitico de meseta 𝐶 se define como:
𝛾(ℎ) = 0, si h=0
C en caso contrario
Este modelo de variograma alcanza inmediatamente su meseta: hay ausencia

total de correlación espacial, de modo que la geoestadística encuentra todos los
resultados de la estadística clásica. [4]
Figura 4: Gráfica de efecto pepita.
2.13.1.2. Modelo esférico

El variograma esférico de alcance 𝑎 y meseta 𝐶 se define como:
𝛾(ℎ) = 0, si ℎ = 0
3 ℎ 1 ℎ 3
𝛾(ℎ) = 𝐶 [ ∗ − ( ) ] , si 0 < ℎ < 𝑎
2 𝑎 2 𝑎
𝛾(ℎ) = 𝐶, si ℎ ≥ 𝑎
22
________________________________________________________________
Figura 5: Gráfica de modelo esférico.
2.13.1.3. Modelo exponencial

El variograma exponencial de alcance 𝑎 y meseta 𝐶 se define como:
𝛾(ℎ) = 0, si ℎ = 0
−ℎ
𝛾(ℎ) = 𝐶 [1 − exp ( )] , si 0 < ℎ
𝑎
A diferencia del modelo esférico que llega a su meseta exacta a los h=a, el
modelo exponencial sólo alcanza su meseta asintóticamente. En todo caso, se
puede considerar un alcance práctico igual a 3D para el cual el variograma llega
al 95% del valor de su meseta. [4]
23
________________________________________________________________
Figura 6: Gráfica de Modelo Exponencial
2.14. Modelación de Variogramas
2.14.1. Efecto Pepita

El efecto pepita es un error de muestreo ocasionado por algunos factores
como errores de medición, errores de ubicación de datos, presencia de una
microestructura en el modelo elegido y debido al efecto soporte. [4]
2.14.2. Anisotropía
Sucede cuando el variograma es diferente según cada dirección del
espacio. La anisotropía se puede identificar comparando cada variograma
calculado:
 Anisotropía Geométrica: una anisotropía geométrica sucede cuando los

variogramas tiene un alcance diferente pero una meseta similar.
24
________________________________________________________________
Figura 7: Grafica de anisotropía geométrica.
 Anisotropía Zonal: esta anisotropía sucede en el caso de un alcance

similar, pero meseta de diferente valor.
 Anisotropía Hibrida: la anisotropía hibrida se encuentra al tener dos
variogramas con meseta y alcance diferente.
2.15. Krigeage
En términos mineros, el krigeado consiste en encontrar la mejor estimación
lineal insesgada de un bloque o zona V considerando la información disponible;
es decir, las muestras interiores y exteriores a V.
Figura 8: Volumen a estimar.

25
________________________________________________________________
El krigeado atribuye un peso λi a la muestra z(xi). Estos pesos λ se calculan de

manera de minimizar la varianza del error cometido. [5]
2.15.1. Krigeage Ordinario Puntual

Este utiliza un ponderador para cada punto conocido próximo al punto a
estimar.
𝑛
∗
𝑍(𝑥) = ∑ 𝜆𝑖 ∗ 𝛾(𝑥𝑖 : 𝑥𝑗 ) + 𝜇 = 𝛾(𝑥𝑖 : 𝑥𝑗 )
𝑖=1
𝑍(𝑥)∗ = ∑ 𝑧(𝑥𝑖 )𝜆𝑖

𝑖=1
Donde:
 𝜆𝑖 = ponderadores
 n = número de ponderadores
 z(xi)= datos experimentales próximos al punto o sector a estimar
 μ = ponderador de LaGrange
 γ = variograma
2.15.1.1. Varianza del Krigeage ordinario puntual

La varianza del Krigeage sirve para obtener la varianza mínima del error
de la estimación en un sitio, en este caso 𝑥0 . La varianza del Krigeage ordinario
puntual está definida como:
𝑎
2 (𝑋 )
𝜎𝐾𝑂 0 = ∑ 𝜆𝑎 𝛾(𝑥𝑎 − 𝑥0 ) − 𝜇
𝑎=1
26
________________________________________________________________
2.15.2. Krigeage Simple Puntual

El krigeage simple, a diferencia del krigeage puntual, le da una
ponderación a la media aritmética estimada del campo.
𝑛
∗
𝑍(𝑥) = ∑ 𝜆𝑖 ∗ 𝑐(𝑥𝑖 : 𝑥𝑗 ) + = 𝑐(𝑥𝑖 : 𝑥𝑗 )
𝑖=1
𝑛 𝑛
∗
𝑍(𝑥) = ∑ 𝑧(𝑥𝑖 )𝜆𝑖 + (1 − ∑ 𝜆𝑖 )𝑚
𝑖=1 𝑖=1
Donde:
 m = media estimada
 c = covariograma
2.15.2.1. Varianza del Krigeage simple puntual

La varianza del krigeage simple puntual está definida como:
𝑎
2 (𝑋 ) 2
𝜎𝐾𝑆 0 = 𝜎 − ∑ 𝜆𝑎 𝛾(𝑥𝑎 − 𝑥0 ) − 𝜇
𝑎=1
Donde 𝜎 2 es igual a la meseta.
2.15.3. Krigeage Ordinario de Bloque

27
________________________________________________________________
La fórmula del Krigeage ordinario de bloque está diseñada para estimar

un sector en vez de un punto definido.
𝑛
∗
𝑍(𝑥) = ∑ 𝜆𝑖 ∗ 𝛾(𝑥𝑖 : 𝑥𝑗 ) + 𝜇 = 𝛾(𝑥𝑖 : 𝑉)
𝑖=1
𝑍(𝑥)∗ = ∑ 𝑧(𝑥𝑖 )𝜆𝑖

𝑖=1
Datos:
 μ = ponderador de LaGrange
 γ = Variograma
2.15.4. Krigeage Simple de Bloque

La fórmula del Krigeage simple de bloque está diseñada para estimar un
sector en vez de un punto definido utilizando la media y el peso de los
ponderadores.
𝑛
𝑍(𝑥)∗ = ∑ 𝜆𝑖 ∗ 𝑐(𝑥𝑖 : 𝑥𝑗 ) = 𝛾(𝑥𝑖 : 𝑉)

𝑖=1
𝑛 𝑛
∗
𝑍(𝑥) = ∑ 𝑧(𝑥𝑖 )𝜆𝑖 + (1 − ∑ 𝜆𝑖 )𝑚
𝑖=1 𝑖=1
Datos:
28
________________________________________________________________
 c = covariograma
 m= media aritmética
CAPÍTULO 3
ANÁLISIS ESTADISTICO
3.1 Análisis de base de datos

Antes de comenzar a trabajar con el programa MAPTEK Vulcan, se
necesita examinar la base de datos entregada con el nombre Assay que
corresponde a los datos de las leyes de CuT% y CuS% que se trabajará más
adelante.
Se observa en la base de datos que existen leyes de CuS% mayores a las leyes
de CuT%, esto no corresponde ya que el cobre total es igual a la suma del cobre
soluble con el cobre insoluble. Para solucionar este problema se utilizó una ley
de CuT% similar al dato erróneo para así calcular el nuevo CuS% proporcionado.
3.1.1 Análisis estadísticos de leyes

Es importante realizar un análisis estadístico a las leyes ya que este
procedimiento sirve para entender de mejor manera el comportamiento y las
características de las diferentes leyes presentes. Para esto se llevó a cabo el
análisis estadístico de estos datos con los programas Minitab y Microsoft Excel.
3.1.1.1 Análisis de leyes CuT%

Se ingresó la base de datos a los dos programas mencionados anteriormente y
se realizó el análisis estadístico, para así, comprender el comportamiento de
estas leyes como se observa en el siguiente gráfico (Figura 9) y los resultados
estadísticos se observan a continuación:
30
Capítulo 3: Análisis Estadístico
________________________________________________________________
Histograma de leyes del CuT%

Media 0.2212
10000
Desv.Est. 0.5762
N 20512
8000
Frecuencia
6000
4000
2000
0
-1.2 0.0 1.2 2.4 3.6 4.8 6.0 7.2
Leyes de CuT%
Figura 9: Histograma de leyes CuT%.
Tabla 1: Resultados estadísticos para leyes CuT%
Desviación n°
n° Coeficiente Ley Ley
Media Varianza Mediana Moda datos
datos estándar variación Mínimo Máximo
moda
20512 0.22117 0.57625 0.33206 260.54 0 7.95000 0.05000 0.01 3318
 Se puede observar que el total de datos que se utilizará para modelar

corresponden a 20512.
 Estos datos se encuentran en los rangos donde la ley menor de cobre es
igual a 0% y la ley mayor de cobre es igual a 7.95%.
 Se puede apreciar que gran parte de las leyes se encuentran entre 0% y
0.21% de cobre, que corresponde a un 82.51% de los datos.
31
________________________________________________________________
 La ley más frecuente es de 0.01% de cobre con 3318 repeticiones que

corresponde al 16.18% del total de datos.
 El promedio de leyes CuT% es de 0.22117% y se puede observar que
posee leyes muy bajas con demasiada frecuencia y leyes altas con muy
baja frecuencia, esto ocasiona que la media se encuentre alejada de la
moda y mediana.
 La varianza es de 0.33206 y el valor de la desviación estándar es de
0.57625, esto nos indica que tan dispersos están los datos alrededor de la
media. Posee un coeficiente de variación igual a 260.54, este resultado
servirá para compararlo con otras variables más adelante.
 Al analizar el grado de curtosis en la distribución de frecuencias se observa
que esta toma una forma achatada, lo que significa que existe un menor
grado de concentración de los valores en torno a su media, es decir,
presentan una mayor dispersión.
3.1.1.1 Análisis de leyes CuS%

Se ingresó la base de datos a los dos programas mencionados anteriormente y
se realizó el análisis estadístico para así comprender el comportamiento de estas
leyes como se observa en el siguiente gráfico (Figura 10) y los resultados
estadísticos se observan en la tabla 2:
32
________________________________________________________________
Histograma de Leyes de CuS%

Media 0.9595
400 Desv.Est. 0.8915
N 2045
300
Frecuencia
200
100
0
-1 0 1 2 3 4 5 6
Leyes CuS%
Figura 10: Histograma de leyes CuS%
Tabla 2: Resultados estadísticos para leyes CuS%

n° Media Desviación Varianza Coeficiente Valor Valor Mediana Moda n°
datos variación Mínimo Máximo datos
estándar
moda
2045 0.9595 0.08915 0.7947 92.91 0 6.3400 0.6600 0.56 31
 Se puede observar que el total de datos que se utilizará para modelar

corresponden a 2045.
 Estos datos se encuentran en los rangos donde la ley menor de cobre es
igual a 0% y la ley mayor de cobre es igual a 6.3400%.
33
________________________________________________________________
 Se puede apreciar que gran parte de las leyes se encuentran entre 0% y

1.58% de cobre, que corresponde a un 83.52% de los datos.
 La ley más frecuente es de 0.56% de cobre con 31 repeticiones que
corresponde al 1.45% del total de datos.
 El promedio de leyes CuS% es de 0.9595% y se puede observar que
posee leyes bajas con mucha frecuencia y leyes altas con muy poca
frecuencia, esto ocasiona que la media se encuentre alejada de la moda y
mediana.
 La varianza es de 0.7947 y el valor de la desviación estándar es de 0.8915,
esto nos indica que tan dispersos están los datos alrededor de la media.
 Posee un coeficiente de variación igual a 92.91, este resultado servirá para
compararlo con otras variables más adelante.
 Al analizar el grado de curtosis en la distribución de frecuencias se observa
que existe una aproximación a una distribución normal, es decir, existe
una normal concentración de los valores en torno a su media.
CAPITULO 4
EVALUACION DEL PROYECTO
La evaluación se llevará acabo con el software Vulcan. Aquí será donde la base
de datos entregado será analizada junto con las triangulaciones de mineral y
superficie.
Lo primero será definir la zona en que se trabaja y nombrar los proyectos.

Además, se deberá crear un formato de base de datos que sostenga la base
entregada.
Dado que este curso no es un curso específico de vulcan, a continuación, se

detallará solo los resultados que entrego el software.
Con el objetivo de categorizar y evaluar el yacimiento es que se procedió

inicialmente a crear las definiciones básicas y las etiquetas que permitan una
mejor visualización de las leyes.
Con el fin de obtener una referencia grafica de las leyes, se creó una leyenda de
colores para un rango de leyes. Esta leyenda será la misma para la referencia de
los sondajes, compositos y de los bloques.
35
Capítulo 4: Evaluación de yacimiento
________________________________________________________________
Figura 11: Leyenda de leyes de los sondajes, composito y bloque.

La distribución del rango de colores de las leyes fue creada con el fin de
distinguir fácilmente las zonas de baja, mediana y alta ley.
4.1 Compositado
En la base de datos Assay se entregan los largos y las leyes de los
sondajes. En capítulos anteriores se hizo un análisis estadístico por leyes de cada
pasta (CuT% y CuS%). Para poder seguir con el objetivo de categorizar el
yacimiento se debe compositar la base de datos de los sondajes con el fin de
agrupar tramos de sondaje, descartando valores negativos que podrían ser
valores perdidos. Para poder tener puntos de referencia y análisis, el composito
se hará con una distancia de 4 metros.
Cabe destacar que los sondajes están medidos cada 1 y 2 metros, además los
sondajes varían su alcance desde los 10 hasta los 450 metros.
Los compositos están cargados con los datos de leyes de CuT% y CuS%. Esto
permitirá tener datos más “uniformes” acerca de la base de datos Assay.
Considerando que los tramos de sondaje en algunos casos tienen valores

perdidos con longitudes de 18 metros, si el composito se usara con 1 metro de
longitud, se deberían ponderar cada metro por separado, en cambio con el
composito considera 4 compositos con longitudes iguales de 4 metros con leyes
perdidas.
36
________________________________________________________________
Así mismo pasa con los tramos con leyes, estandariza todos los soportes a 4
metros, considerando que la base de datos está cargada con datos cada 1 y 2
metros, se regularizara cada 4 metros toda la base por igual. De esta forma se
puede evitar el efecto soporte, causado por soportes variables.
4.1.1. Estadística de Compositados

A continuación, se presenta los estadígrafos básicos para los datos
entregados por el composito hecho a cuatro metros. Además, se presenta la
distribución de los datos en un histograma de la figura 12.
Histograma de leyes del CuT% del compósito

Media 0.2222
2500 Desv.Est. 0.4912
N 5185
2000
Frecuencia
1500
1000
500
0
-1 0 1 2 3 4 5 6
Leyes de CuT%
Figura 12: Histograma de Frecuencia de Leyes CuT% para el compositado a 4

metros
Como se aprecia en la figura anterior el número de datos que arroja el composito

es de 5185 datos, con una media de 0.2222 y una desviación respecto a la media
de 0.4912. Además, el dato más frecuente 0.01 con una frecuencia de 438
repeticiones. Al analizar el grado de curtosis en la distribución de frecuencias se
observa que esta toma una forma achatada, lo que significa que existe un menor
37
________________________________________________________________
grado de concentración de los valores en torno a su media, es decir, presentan

una mayor dispersión.
En la tabla 3 compositando a cuatro metros, se detallan los estadígrafos más

importantes obtenidos por el composito del CuT%.
Histograma de Leyes CuS% del composito

200 Media 0.8680
Desv.Est. 0.6911
N 892
150
Frecuencia
100
50
0
-0.8 0.0 0.8 1.6 2.4 3.2 4.0 4.8
Leyes CuS%
Figura 13: Histograma de Frecuencia de Leyes CuS% para el compositado a 4

metros
Como se aprecia en la figura anterior el número de datos que arroja el composito

es de 892 datos, con una media de 0.8680 y una desviación estándar de 0.6911.
Además, el dato más frecuente 0.47 con una frecuencia de 11 repeticiones.
Al analizar el grado de curtosis en la distribución de frecuencias se observa que

existe una aproximación a una distribución normal, es decir, existe una normal
concentración de los valores en torno a su media.
En la tabla 3 compositando a cuatro metros, se detallan los estadígrafos más

importantes obtenidos por el composito del Cus%.
38
________________________________________________________________
Tabla 3: Compositado a cuatro metros
Coeficiente
Desviación
variación
estándar
N° Datos
Varianza
N° datos
Mediana
máximo
mínimo
Media
moda
moda
Valor
Valor
Ley
CuT% 5185 0.22216 0.4912 0.2413 221.11 0.0 6.49 0.05 0.01 438
CuS% 892 0.8680 0.6911 0.4777 79.63 0.03 5.19 0.6830 0.47 11
4.2 Modelo de Bloque

Con ayuda del software Vulcan se genera un macrobloque que contenga la
unidad geológica junto con los sondajes. Este se utilizará para realizar
estimaciones a bloques dentro del macrobloque.
Coordenadas del origen del macrobloque:
 Coordenada en X: 373204.511
 Coordenada en Y: 7538860.46
 Coordenada en Z: -274.012
La dimensión del macrobloque es de 1270 [m] de largo, 880 [m] de ancho y 720
[m] de alto. Se determinó hacer bloques de 5x5x5 dado que el yacimiento es de
tipo “estratoligados” con potencias de alrededor de 5 a 14 metros.
4.3 Variogramas
Mediante Vulcan podemos generar variogramas según la orientación de los
sondajes con ayuda de un elipsoide. Este elipsoide debe poseer las direcciones
preferenciales de las leyes. Con esto se obtiene la continuidad espacial de los
39
________________________________________________________________
datos para poder generar los variogramas que ser requerido para la estimación
por Krigeage Ordinario.
Si bien el elipsoide entrega los valores del azimut y el plunge para el eje mayor,
se deberán obtener los valores de estos para el eje semi-mayor y menor, siendo
estos ortogonales al eje mayor (diferencia de 90°).
Para calcular los variogramas donde se pueda observar continuidad espacial de

los datos, se deben ajustar los parámetros indicados en la tabla 4 en torno a
indicadores que optimizan los rangos de búsqueda. Estas búsquedas se
realizarán por separado para cada eje con relación a un cono que se proyecta a
lo largo de los sondajes que calculara los variogramas según las distancias entre
sondajes, las proyecciones que se le asigna a estos y los ángulos que se le
asignarán al cono de búsqueda. Los valores utilizados se mostrarán en la tabla
4.
Tabla 4: Direcciones y Ajustes del Variograma
VERTICAL DISTANCE
NUMBER OF LAGS
LAG TOLERANCE
AZIMUTH ANGLE
PLUNGE ANGLE
CONE ANGLE
HORIZONTAL
LAG OFFSET
TOLERANCE
TOLERANCE
TOLERANCE
TOLERANCE
TOLERANCE
DISTANCE
LAG SIZE
AZIMUTH
PLUNGE
EJE
MAYOR 120 -20 10 15 0 6 44 44 35 5 5
SEMI 30 0 8 10 0 4 44 44 35 5 5
MINOR 120 70 10 10 0 5 60 44 20 10 10
40
________________________________________________________________
A continuación, se presentan los variogramas experimentales a sus ajustes con

el modelo esférico.
Figura 14: Variogramas del eje mayor
Figura 15: Variogramas del eje semi-mayor

41
________________________________________________________________
Figura 16: Variogramas del eje menor
Estos variogramas se ajustaron con el modelo esférico. Los variogramas

entregados tendrán una pepita de 0.126 y una meseta de 0.221 con alcances de
11 [m] para el Variograma del eje mayor, 15 [m] para el Variograma del eje semi-
mayor y 86 [m] para el Variograma del eje menor.
Para estos variogramas se obtiene la siguiente formula:
ℎ𝑒𝑗𝑒 𝑚𝑎𝑦𝑜𝑟 ℎ𝑒𝑗𝑒 𝑠𝑒𝑚𝑖−𝑚𝑎𝑦𝑜𝑟 ℎ𝑒𝑗𝑒 𝑚𝑒𝑛𝑜𝑟

𝛾(ℎ) = 0.126 + 0.221 𝑆𝑝ℎ( , , )
11 15 86
4.4 Estimación
Con los variogramas ajustados y el modelo de bloque creado se realizan las
estimaciones con relación a los bloques dentro del macrobloque creado
anteriormente, sobre el volumen del cuerpo mineralizado y para la pasta de cobre
total. Se utilizará el estimador del Krigeage ordinario puntual debido a la gran
cantidad de datos que existe, así se evita el cálculo de una media que pueda
estar mal calculada.
En estos bloques se almacenarán los parámetros de:

42
________________________________________________________________
 Ley estimada de bloque: es la ley que se le otorga el bloque según la

estimación
 Varianza del Krigeage: Presenta la correlación entre los datos estimados
y los reales, mientras más pequeña la varianza, más exacta será la
estimación.
 Numero de sondajes: Numero de sondajes que pasa por el bloque a
estimar, mientras mayor sea el número de sondaje, más exacta es la
estimación.
 Numero de Muestras: Numero de muestras que se utilizan para estimar el
bloque, estas estarán en un rango de 5-80. Mientras mayor el número de
muestra, más exacta es la estimación.
A continuación, se presentará los estadísticos del CuT%, numero de sondajes y

numero de muestras de los bloques estimados sobre el sólido, descartando los
bloques que no fueron estimados (bloque que se encuentran fuera del cuerpo
mineralizado).
4.4.1 Estadística del Bloque

En total hay 11449 bloques con leyes de CuT% entre 0.21 y 2.65 con una ley
media de 0.946. A continuación, se presenta el histograma de frecuencia para las
leyes de CuT% en la figura 17.
43
________________________________________________________________
Histograma de CuT% sobre el bloque

Media 0.9462
900 Desv.Est. 0.2976
N 11449
800
700
600
Frecuencia
500
400
300
200
100
0
0.35 0.70 1.05 1.40 1.75 2.10 2.45
Leyes del CuT%
Figura 17: Histograma de CuT% sobre el macrobloque
Analizando el grado de curtosis en la distribución de frecuencias se observa que

esta toma una forma apuntada, lo que significa que existe una mayor
concentración de los valores en torno a su media, es decir, los datos presentan
una menor dispersión.
También se pueden visualizar las leyes otorgadas a estos mediante la estimación

de CuT% en el software Vulcan.
44
________________________________________________________________
Figura 18: Modelo dinámico de bloque del proyecto Damone
Para el caso de numero de sondajes se tendrá el siguiente histograma de

frecuencia.
Histograma de numero de sondajes

1600
1400
1200
1000
Frecuencia
800
600
400
200
0
4 8 12 16 20 24
Numero de sondajes
Figura 19; Histograma de numero de sondajes

45
________________________________________________________________
Se puede observar que el valor que más se repite es el número 13, esto nos
indica que pasan 13 sondajes en 1576 bloques de un total de 11449. El mayor
número de sondajes que pasa por un bloque es de 25, mientras que el menor es
solo 1 sondaje. Finalmente se puede entender que la mayoría de los bloques
tienen entre 10 a 15 sondajes que pasan por ellos, esto comprende el 50,27% de
los datos.
En el caso del número de muestras, se presenta el siguiente histograma de la

figura 20.
Histograma del numero de muestra

6000
5000
4000
Frecuencia
3000
2000
1000
0
10 20 30 40 50 60 70 80
Numero de muestras
Figura 20: Histograma del número de muestras

Claramente se observa que el dato más frecuente es el 80 que corresponde a
5337 datos, esto significa que casi un 50% de los bloques fueron calculados con
80 muestras.
46
________________________________________________________________
4.4 Categorización
Al estar estimados los bloques podemos obtener variables cargadas para el
CuT% como la varianza del Kriging, número de muestras y numero de sondajes,
siendo esas últimas variables de gran importancia para el proceso de
categorización.
El objetivo de categorizar un yacimiento es cuantificar el mineral y añadir grados

de certeza a esos tonelajes, se puede hacer un resumen de los conceptos en la
figura 21. Que se presenta a continuación:
Figura 21: Esquema recursos y reservas
Como se aprecia en la figura xx. Los recursos minerales se subdividen en

recursos medido, indicado e inferidos.
Definiremos a recursos minerales como la concentración u ocurrencia anómala

con interés económico intrínseco, con una forma y cantidad que tenga la
probabilidad razonable de ser extraído. Esta es la forma en que lo define el código
47
________________________________________________________________
de JORC el cual es el Código australiano para Informar sobre Recursos Minerales

y Reservas de Mena, cuyo origen es un comité formado en 1998 y posteriormente
fue publicado en 1999.
El código de JORC establece normas mínimas requeridas para información

pública, con esto una empresa minera puede asegurar su valor cuantificando sus
recursos.
Existen varias formas de categorizar un yacimiento minero, estas podrían ser, el

número de muestras, número de sondajes, coeficiente de variación y varianza
del kriging, dentro de otros. Pero será este último método de categorizar en que
se estudiará con mayor atención.
Se sabe que el kriging minimiza la varianza de estimación, y se sabe que la

varianza de estimación mide el error entre el valor real y el valor estimado, por lo
tanto, a menores varianzas más cercano es el valor de la estimación al valor real.
Si gracias a la estimación mediante el kriging ordinario, se le otorgo a cada bloque

valores de ley media de cada pasta junto con la varianza de cada bloque. Por lo
tanto, si llevamos la varianza del kriging a un histograma, se obtendrá lo
siguiente, para el caso del CuT%.
48
________________________________________________________________
Histograma de Varianza del Kriging

CuT&
1400 Media 0.1528
Desv.Est. 0.05303
1200 N 11449
1000
Frecuencia
800
600
400
200
0
0.04 0.08 0.12 0.16 0.20 0.24 0.28
Varianza del Kriging
Figura 22: Histograma de Varianza del Kriging

Como se aprecia en el histograma el rango de la varianza varía desde 0.015
hasta 0.296. Si obtenemos el cuartil 1 y 3 de este histograma, obtenemos el
histograma divido en tres partes. La primera parte será un 25% de los datos, la
segunda partes será el 50% de los datos y la tercera parte con el restante 25%
de los datos. Es decir, el rango que contiene al primer cuartil es el 25% de los
datos con menor varianza, esto es entre 0.153 y 0.117. Por otra parte entre el
cuartil 1 y 3 se obtiene el 50% de los datos, con un rango de varianza entre 0.117
y 0.185. Y, por último, el cuartil 3 en adelante representa el 25% de los datos con
mayor varianza, eso es un rango entre 0.185 y 0.296.
Además, si analizamos el grado de curtosis en la distribución de frecuencias se

puede observar que esta toma una forma achatada, lo que significa que existe
una menor concentración de los valores en torno a su media, es decir, los datos
presentan una mayor dispersión.
49
________________________________________________________________
Con lo visto anteriormente podemos decir que el recurso medido será aquel en
que la varianza del kriging sea menor a 0.117.
El recurso indicado será todo aquel en la varianza del kriging varié entre 0.117 y
0.185.
Y el recurso inferido será aquel en que la varianza del kriging sea mayor a 0.185.
Al aplicar este criterio a la cubicación podemos obtener los tonelajes de cada una
de estas categorías, las cuales se tabulan a continuación.
Tabla 5: Tonelajes de Recurso
Recurso Varianza Kriging Tonelaje

Medido Var_kri ≤ 0.1186 3,375,710.89
Indicado 0.118<var_kri≤ 0.185 7,833,094.15
Inferido > 0.185 5,168,880.8
50
________________________________________________________________
4.5 Curvas tonelaje vs ley

Ya que se cuenta con bloques estimado y categorizados, es posible tabular los
datos obtenidos y representar los tonelajes y leyes en curvas de tonelaje v/s ley.
A continuación, se presenta las curvas provenientes de las tablas de cada

recurso, las cuales estarán en el anexo 1, para esto se confeccionaron curvas
tonelaje versus ley, las que indican el tonelaje por cada ley promedio para el
yacimiento total y cada uno de los recursos.
Tonelaje - Ley Yacimiento

18.00 3.5
16.00 3
Millones de Toneladas
14.00
2.5
12.00
Ley CuT%
10.00 2
8.00 1.5
6.00
1
4.00
2.00 0.5
0.00 0
0 0.5 1 1.5 2 2.5 3 3.5
Cutoff
CuT Cutoff
Figura 23: Curva tonelaje ley del yacimiento

En la figura 23 de puede apreciar la curva tonelaje ley para todos los bloques
estimados, cabe destacar que el tonelaje total que fue estimado fue de 16.38M
de toneladas.
51
________________________________________________________________
Tonelaje - Ley Medido

4.00 3.5
3.50 3
3.00 2.5
Ley CuT%
2.50
2
2.00
1.5
1.50
1.00 1
0.50 0.5
0.00 0
0 1 2 3 4
cut
Cutoff
Figura 24: Curva tonelaje ley del tonelaje medido
Tonelaje - Ley indicado

9.00 3
8.00
2.5
7.00
Ley CuT%
6.00 2
5.00
1.5
4.00
3.00 1
2.00
0.5
1.00
0.00 0
0 0.5 1 1.5 2 2.5 3
cut
Cutoff
Figura 25: Curva tonelaje ley del tonelaje indicado

52
________________________________________________________________
Tonelaje - Ley Inferido

6.00 2.5
MIlones de Toneladas
5.00 2
Ley CuT%
4.00
1.5
3.00
1
2.00
1.00 0.5
0.00 0
0 0.5 1 1.5 2 2.5
Cutoff CuT%
CuttOff
Figura 26: Curva tonelaje ley del tonelaje inferido
Tonelaje- Ley Recurso Medido Mas Indicado

12.00 3.5
10.00 3
MIlones de Toneladas
2.5
8.00 Ley CuT%
2
6.00
1.5
4.00
1
2.00 0.5
0.00 0
0 0.5 1 1.5 2 2.5 3 3.5
Cutoff
Figura 27: Curva tonelaje ley del tonelaje medido más el indicado
CAPITULO 5
CONCLUSIONES
 Damone es un proyecto que contiene 21.9M de toneladas que contiene

diversas pastas en su base datos, de las cuales solo hay información
suficiente de CuT% para ser consideradas en este estudio.
 El cobre soluble no fue considerado para la estimación debido a su baja
cantidad de información, ya que, de un total de 21071 datos, solo existían
2045 datos de cobre soluble, esto corresponde al 9.71% de los datos
totales.
 La base de datos contiene 20.512 datos para cobre total, en cambio la
base compositada da 5.185 datos, con esto se logró estandarizar la base
de datos y simplificarla a un cuarto, no variando de forma considerable la
ley media, siendo de 0.22% en ambos casos, variando a millonésima su
valor.
 Pese a lo anterior, se puede concluir que la ley media no es representativa
del conjunto de datos ya que la desviación estándar es de 0.57.
 El variograma obtenido se generó de las direcciones de un elipsoide que
mejor representara la orientación de las leyes, pese a esto y otros factores
de estimación como el rango de búsqueda es que se llegó a un 80% de
los bloques totales.
54
Capítulo 5: Conclusiones
________________________________________________________________
 La ley de cobre promedio de los bloques es de 0.94 y su desviación

estándar es de 0.2976. lo cual indica junto a la distribución de frecuencia
que existe menor dispersión de los datos entorno a la media.
 Solo se pudieron estimar 16,4M toneladas de las 21,9M toneladas de
mineral, lo cual corresponde a un 74.7% del cuerpo mineralizado. Esto se
produce debido a los parámetros utilizados en la estimación realizada y a
la falta de información en esos sectores.
Figura 28: Categorización de recursos
 En la categorización existe una mayor cantidad de recurso que se

encuentra indicado, esto quiere decir que tiene un grado de certeza
aceptable. El recurso indicado corresponde al 47.83 % de los recursos
totales, este junto al medido corresponderán al 68.4% de los recursos
totales.
 Si se eligiera el numero de sondajes que pasan por los bloques para
categorizar los recursos, este se aproximaría a la categorización realizada
con la varianza del kriging.
ANEXO 1
Tabla 6: Tabla tonelaje vs ley del total de recursos
TON LEY TOTAL

Cutoff CuT& Toneladas
0 1.06 16,377,685.84
0.2 1.06 16,376,493.29
0.4 1.07 16,249,074.43
0.6 1.09 15,511,822.05
0.8 1.2 12,016,806.96
1 1.32 8,669,361.74
1.2 1.45 5,487,011.62
1.4 1.63 2,521,012.31
1.6 1.86 960,791.45
1.8 2.07 453,461.54
2 2.23 241,479.21
2.2 2.47 77,634.50
2.4 2.69 34,715.76
2.6 2.91 16,163.74
2.8 3.06 9,561.52
3 3.2 4,961.74
3.2 3.29 2,507.66
56
________________________________________________________________
Tabla 7: Tonelaje vs Ley del tonelaje medido
TON LEY MEDIDO

Cutoff CuT%t Toneladas
0 0.99 3,374,123.05
0.2 0.99 3,372,930.51
0.4 1.02 3,247,426.07
0.6 1.1 2,810,046.68
0.8 1.23 2,086,609.86
1 1.41 1,380,798.85
1.2 1.59 871,131.76
1.4 1.8 513,678.27
1.6 1.98 323,783.14
1.8 2.15 202,511.07
2 2.31 122,449.33
2.2 2.48 69,112.48
2.4 2.7 32,501.42
2.6 2.91 15,832.49
2.8 3.06 9,561.52
3 3.2 4,961.74
3.2 3.29 2,507.66
57
________________________________________________________________
Tabla 8: Tonelaje vs Ley del tonelaje Indicado
TON LEY INDICADO

Cutoff CuT% Toneladas
0 1.02 7,833,094.15
0.2 1.02 7,833,094.15
0.4 1.02 7,832,647.51
0.6 1.04 7,607,027.17
0.8 1.15 5,617,273.35
1 1.25 4,082,782.89
1.2 1.37 2,314,477.35
1.4 1.52 661,632.47
1.6 1.81 117,558.68
1.8 2.01 47,607.62
2 2.18 19,204.24
2.2 2.35 6,713.00
2.4 2.5 2,214.34
2.6 2.66 331.25
58
________________________________________________________________
Tabla 9: Tonelaje vs Ley del tonelaje inferido
Ton Ley Inferido

Cutoff CuT% Toneladas
0 1.16 5,168,880.80
0.2 1.16 5,168,880.80
0.4 1.16 5,167,413.01
0.6 1.17 5,093,160.35
0.8 1.25 4,311,671.27
1 1.38 3,205,430.52
1.2 1.48 2,301,053.03
1.4 1.61 1,345,684.01
1.6 1.8 519,432.98
1.8 2 203,326.20
2 2.14 99,809.00
2.2 2.25 1,809.02
59
________________________________________________________________
Tabla 10: Tonelaje vs Ley del tonelaje medido más el indicado
Ton Ley Medido Más Indicado

Cutoff Cut% Toneladas
0 1.01 11,208,805.04
0.2 1.01 11,207,612.49
0.4 1.02 11,081,661.42
0.6 1.05 10,418,661.70
0.8 1.18 7,705,135.69
1 1.29 5,463,931.22
1.2 1.43 3,185,958.58
1.4 1.64 1,175,328.30
1.6 1.93 441,358.47
1.8 2.12 250,135.34
2 2.29 141,670.21
2.2 2.47 75,825.47
2.4 2.69 34,715.76
2.6 2.91 16,163.74
2.8 3.06 9,561.52
3 3.2 4,961.74
3.2 3.29 2,507.66
Bibliografía
[1] GIRALDO, RAMON. Introducción a la geo estadística, Universidad

Nacional de Colombia. Bogotá.
[2] GORGAS, J.; CARDIEL, N.; ZAMORANO, J. Estadística básica para

estudiantes de ciencias. Universidad Complutense de Madrid. Madrid.
2011.
[3] Comité Conjunto de Reservas de Mena de “The Australasian Institute of

Mining and Metallurgy, Australian Institute of Geoscientists, and The
Minerals Council of Australia (JORC)”. Código de Australasia para Informar
sobre Recursos Minerales y Reservas de Mena. Australia. 2001.
[4] EMERY, X. Apunte de Geoestadistica. Facultad de Ciencias Físicas y

Matemáticas de la Universidad de Chile. Santiago. 2007.
[5] ALFARO, M. Estimación de Recursos. Santiago. 2007

Evaluación Proyecto Damone caracteres

Cargado por

Información del documento

Descripción original:

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

Evaluación Proyecto Damone caracteres

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD DE ANTOFAGASTA

EVALUACION DE PROYECTO DAMONE

Antofagasta, Junio 2019

EVALUACION DE PROYECTO DAMONE

Carlos Chacana Rodríguez

Antofagasta, junio 2019

Informe presentado en la Universidad de Antofagasta como parte de los

EVALUACIÓN DE PROYECTO DAMONE

Resumen: Se analizó, modelo y categorizo el Proyecto Damone. Estableciendo

2.7.1. Reserva Probable de Minerales .................................................... 18

4.1.1. Estadística de Compositados ........................................................ 36

Figura 1: Ubicación proyecto Damone .............................................................. 11

Figura 25: Curva tonelaje ley del tonelaje indicado........................................... 51

Tabla 1: Resultados estadísticos para leyes CuT% .......................................... 30

La evaluación y prospección de yacimientos en la minería, representa la

La herramienta más ocupada para realizar estas estimaciones es la

En la actualidad existen variadas herramientas que facilitan la obtención de la

Figura 1: Ubicación proyecto Damone

1.1.1. Objetivo General

1.1.2. Objetivos Específicos

2.1. Conceptos básicos de la estadística

2.2. Representaciones gráficas

2.2.1. Gráfico de Barras

Figura 2: Ejemplo de histograma para las variables personas vs edad

2.3 Medidas características de una distribución

2.4 Medidas de Dispersión

2.4.1. Varianza y Desviación estándar

2.4.2. Coeficiente de Variación

El coeficiente de variación sirve para comparar la dispersión entre diferentes

2.5.1. Distribución normal

2.6.1. Recurso Mineral Inferido

2.6.2. Recurso Mineral Indicado

2.6.3. Recurso Mineral Medido

2.7. Reserva Mineral

2.7.1. Reserva Probable de Minerales

2.7.2. Reserva Probada de Minerales

Figura 3: Reservas y recursos

2.9. Variable Regionalizada.

 La ley de un mineral, la densidad de la roca y la recuperación metalúrgica.

2.11.1 Efecto Soporte.

2.12. Variograma Experimental

2.13. Variograma Modelado o Teórico

2.13.1. Modelos elementales del variograma

2.13.1.1. Efecto Pepita

Este modelo de variograma alcanza inmediatamente su meseta: hay ausencia

Figura 4: Gráfica de efecto pepita.

2.13.1.2. Modelo esférico

Figura 5: Gráfica de modelo esférico.

2.13.1.3. Modelo exponencial

Figura 6: Gráfica de Modelo Exponencial

2.14. Modelación de Variogramas

2.14.1. Efecto Pepita

 Anisotropía Geométrica: una anisotropía geométrica sucede cuando los

Figura 7: Grafica de anisotropía geométrica.

 Anisotropía Zonal: esta anisotropía sucede en el caso de un alcance

Figura 8: Volumen a estimar.

El krigeado atribuye un peso λi a la muestra z(xi). Estos pesos λ se calculan de

2.15.1. Krigeage Ordinario Puntual

𝑍(𝑥)∗ = ∑ 𝑧(𝑥𝑖 )𝜆𝑖

2.15.1.1. Varianza del Krigeage ordinario puntual

2.15.2. Krigeage Simple Puntual

2.15.2.1. Varianza del Krigeage simple puntual