Elaboracion de Nomogramas de Muestreo Usando La Te

UNIVERSIDAD NACIONAL DE
INGENIERÍA
FACULTAD DE INGENIERÍA GEOLÓGICA MINERA Y
METALÚRGICA
Elaboración de Nomogramas de Muestreo, usando

la Teoría de Pierre Gy
Monografía presentada por los alumnos:

a lumnos:
ALCALÁ FERNÁNDEZ, LEONARDO

GRADOS CUBA, BRENDA
YUPA INCALLA, PAMELA
Profesor Asesor:
ING. JORGE H. PAREDES ÁNGELES
LIMA – PERÚ
PERÚ
OCTUBRE - 2017
Universidad Nacional de Ingeniería
Facultad de ingeniería Geológica, Minera y Metalúrgica
Escuela Profesional de Ingeniería Geológica
ÍNDICE
RESUMEN ............................................................................................................................................. 1
INTRODUCCIÓN .................................................................................................................................. 2
CAPÍTULO I .......................................................................................................................................... 3
1 Definiciones y muestreo de minerales ............................................................................................. 3
1.1 Definiciones.- .................................................................................................................... 3
1.2 Muestreo de Minerales.- ..................................................................................................... 6
CAPÍTULO II: ........................................................................................................................................ 7
2 La ecuación del Error Fundamental de P.Gy y la Teoría Moderna del Muestreo de
Minerales ...................................................................................................................................... 7
2.1 Ecuación de P. Gy.- ........................... ............................ ........................... ........................ 12
2.2 Constante de Muestreo y Factores.- ............................. .......................... ............................ . 13
CAPÍTULO III: .................................................................................................................................... 17
3 Determinación de un Nomograma a partir de la ecuación del Error Fundamental ........................ 17
3.1 Método Paramétrico.- ....................................................................................................... 17
3.2 Test de Heterogeneidad.- .................................................................................................. 18
3.3 Nomograma.-................................................................................................................... 19
3.4 Ejemplo de Construcción de un Nomograma de Muestreo.- ............................................. ..... 20
CAPÍTULO IV: .................................................................................................................................... 30
4 EJEMPLO DE APLICACIÓN: ......................... ........................... ............................ ................... 30
QA-QC EN OYU TOLGOI .PROYECTO DE PORFIDO CU-AU EN EL SUR DE GOBI -
MONGOLIA .............................................................................................................................. 30
4.1 Geología Regional.- .......................................................................................................... 32
4.2 Monitoreo QA-QC: Pruebas de Muestreo y Ensayo.- ................................... ........................ 33
CONCLUSIONES........................... ............................ ........................... ............................ ................... 38
BIBLIOGRAFÍA .................................................................................................................................. 39
Lista de Tablas
Tabla 2.a: Factor de distribución de tamaño 10
Tabla 2.b: Ejemplos de Factor de forma 11
Tabla 3.4A: Tabla de cálculos 19
Tabla 3.4B: Tabla de Protocolo de Muestras 23

ÍNDICE
RESUMEN ............................................................................................................................................. 1
INTRODUCCIÓN .................................................................................................................................. 2
CAPÍTULO I .......................................................................................................................................... 3
1 Definiciones y muestreo de minerales ............................................................................................. 3
1.1 Definiciones.- .................................................................................................................... 3
1.2 Muestreo de Minerales.- ..................................................................................................... 6
CAPÍTULO II: ........................................................................................................................................ 7
2 La ecuación del Error Fundamental de P.Gy y la Teoría Moderna del Muestreo de
Minerales ...................................................................................................................................... 7
2.1 Ecuación de P. Gy.- ........................... ............................ ........................... ........................ 12
2.2 Constante de Muestreo y Factores.- ............................. .......................... ............................ . 13
CAPÍTULO III: .................................................................................................................................... 17
3 Determinación de un Nomograma a partir de la ecuación del Error Fundamental ........................ 17
3.1 Método Paramétrico.- ....................................................................................................... 17
3.2 Test de Heterogeneidad.- .................................................................................................. 18
3.3 Nomograma.-................................................................................................................... 19
3.4 Ejemplo de Construcción de un Nomograma de Muestreo.- ............................................. ..... 20
CAPÍTULO IV: .................................................................................................................................... 30
4 EJEMPLO DE APLICACIÓN: ......................... ........................... ............................ ................... 30
QA-QC EN OYU TOLGOI .PROYECTO DE PORFIDO CU-AU EN EL SUR DE GOBI -
MONGOLIA .............................................................................................................................. 30
4.1 Geología Regional.- .......................................................................................................... 32
4.2 Monitoreo QA-QC: Pruebas de Muestreo y Ensayo.- ................................... ........................ 33
CONCLUSIONES........................... ............................ ........................... ............................ ................... 38
BIBLIOGRAFÍA .................................................................................................................................. 39
Lista de Tablas
Tabla 2.a: Factor de distribución de tamaño 10
Tabla 2.b: Ejemplos de Factor de forma 11
Tabla 3.4A: Tabla de cálculos 19
Tabla 3.4B: Tabla de Protocolo de Muestras 23

Tabla 3.4C: Tabla de Error Fundamental 26
Lista de Figuras
Figura 1.1a: Incrementos y espécimen 4
Figura 1.1b: Heterogeneidad 4
Figura 1.1c: Heterogeneidad de Distribución 5
Figura 1.1d: Exactitud y Precisión 5
Figura 2 a: Agrupamiento 8
Figura 2 b: Segregación por densidad 9
Figura 2 c: Segregación por tamaño 9
Figura 2 d: Delimitación del incremento 10
Figura 2 e: Error de extracción 10
Figura 2 f: Error de interpolación 11
Figura 2.1: Extracto de la demostración 12
Figura 3.1: Nomograma de Pierre Gy 18
Figura 3.3: Nomograma de Muestreo 20
Figura 3.4.1a: Construcción del nomograma 1 23
Figura 3.4.1b:Construcción del nomograma 2 24
Figura 4.1a: Mapa de Ubicación Proyecto Minero Oyu Tolgoi 31
Figura 4.1b: Proyecto Oyu Tolgoi 32
Figura 4.1c: Mapa de Geología Regional en Oyu Tolgoi 33
Figura 4.2: Nomograma de muestreo con protocolos seguidos en el Proyecto Oyu Tolgoi ,basado en P.Gy (1979 35
RESUMEN
La presente monografía tiene como fin desarrollar y explicar la Teoría Moderna del
Muestreo de materias particuladas basada en la Ecuación del Error Fundamental, esta
teoría según Francois-Bongarcon y Pierre Gy (1999) consiste esencialmente en una
generalización de los procedimientos de aplicación y calibración de la famosa fórmula
usualmente conocida como “fórmula de Gy” para el control de la varianza de muestreo,
en la cual el concepto central es el de factor de liberación.
Se busca dar los conceptos previos para un mejor entendimiento, explicando a detalle
los tipos de factores, pruebas y ensayos que se realizan para obtener el Nomograma de
Muestreo. También se desarrollará algunas aplicaciones y ejemplos de casos reales que
permitan dar un mayor alcance
alcance sobre el tema.
ABSTRACT
The present monograph aims to finalize and explain the modern theory of the sampling
of particulate matter based on Equation of Fundamental Error, this theory according to
Francois-Bongarcon and Pierre Gy (1999) consists essentially in a generalization of the
procedures of application and calibration of the famous formula usually known as "Gy
formula" for control of sampling variance, in which the central concept is that of release
factor.
It seeks to give the previous concepts for a better understanding, explaining a detail the
types of factors, tests and tests that are done to obtain the Sampling Nomogram. It also
develops some applications and examples of real cases that allow a greater scope on the
subject.
Page: 1
INTRODUCCIÓN
En un proyecto minero, el muestreo mineral tiene una influencia directa o indirecta en todas
las decisiones, esto nos lleva a pensar en la gran importancia que tiene esta fase y las
devastadoras consecuencias de un mal muestreo. Entonces, el entendimiento de este proceso es
fundamental para un buen profesional de la Industria Minera, la toma de muestras es seguida
por un protocolo de preparación de la muestra que incluye varias etapas de conminución,
homogenización y reducción de masa, para luego enviarse a ensayos. Ahora, surge la pregunta
cuál será la mínima masa que sea representativa para enviar al laboratorio y una opción es
aplicar el Método de Pierre Gy. Este ingeniero químico se empezó a interesar en el muestreo de
minerales alrededor del año 1949, y luego de un intenso trabajó para crear un marco
sistemático y matemáticamente basado, dentro del cual se puede identificar, analizar y explicar
cada error que surja del muestreo de un material heterogéneo, expresa la varianza del error de
muestreo fundamental (FSE) en términos de la masa, fragmento de tamaño superior y varios
otros atributos de composición de los minerales de interés, que eventualmente evolucionó para
convertirse en la Teoría Moderna del Muestreo y que dejó un gráfico log-log llamado
nomograma que sirve para tener el mínimo error en el protocolo de preparación de una
muestra.
Page: 2
CAPÍTULO I
1 DEFINICIONES Y MUESTREO DE MINERALES
El presente capítulo se centra en la revisión de conceptos

previos para poder tener un mayor entendimiento del tema, dado que es necesario tener en
claro las ideas que abarcan la Teoría del Muestreo y los Nomogramas de Pierre Gy.
1.1 Definiciones.-
 Lote: se refiere a un conjunto de material, cuya composición quiere estimarse.
 Muestra: conjunto de incrementos correctamente extraídos sin criterio de selección.
 Incremento: corresponde a un grupo de partículas extraídas del lote en una sola operación.
 Espécimen: extracción no realista y peligrosa de homogeneidad.
Page: 3
Figura: 1.1a
Incrementos y Espécimen
 Heterogeneidad: corresponde a la variabilidad encontrada en una población estadística.
Figura: 1.1b
Heterogeneidad
CH: diferencias entre fragmentos, DH: diferencias entre grupos de fragmentos
Page: 4
Figura: 1.1c
Heterogeneidad de Distribución
 Errores: existen e cualquier procedimiento de estimación. Es necesario diferenciar los

tipos de error (se verán en el siguiente capítulo)
 Sesgo: resultado que difiere de la media.
 Exactitud: corresponde a la media, la cual debe ser insesgada.
 Precisión: corresponde a la varianza del error la cual debe ser pequeña.
Figura: 1.1d
Exactitud y Precisión
a) Exactitud sin precisión, b) Precisión sin exactitud, c) Exactitud y precisión y d) Ninguno.
Page: 5
1.2 Muestreo de Minerales.-
El muestreo es la técnica conforme a la cual se extraen ciertos elementos de una población

o universo para, mediante su análisis, inferir características de la población de la cual han sido
extraídos. Se trata de un método que permite hacer economía de recursos a cambio de
ciertos riesgos de naturaleza controlable, es decir, es de vital importancia en la evaluación de un
depósito mineral debido que en él se apoya el estudio de viabilidad técnica-económica y todas
las siguientes fases de un proyecto minero.
El proceso de muestreo de minerales de manera general se divide en tres partes (Paredes,1998):
1) Toma de muestra, de los afloramientos naturales o artificiales, o de la masa del mineral

derribado.
2) Preparación de la muestra para los ensayos y pruebas.
3) Ensayos (análisis, mediciones, investigaciones complejas; dependiendo de la materia

prima mineral y de los fines específicos a los que se destine).
Las muestras no solo deben ser representativas, sino que deben estar en una cantidad
adecuada, en el lugar preciso, y con un proceso de reducción de peso y análisis apropiados.
Los factores que determinan el tipo y cantidad de muestra son: Tipo de depósito mineral,
distribución del mineral útil y su tamaño, etapa de investigación en la que se efectúa el
muestreo, la accesibilidad a la mineralización, la facilidad para la toma de muestra y el costo
de toma de muestra.
Page: 6
CAPÍTULO II:
2 LA ECUACIÓN DEL ERROR FUNDAMENTAL DE P.GY Y LA TEORÍA

MODERNA DEL MUESTREO DE MINERALES
El método de muestreo ideado por Gy es frecuentemente usado para calcular el tamaño de

muestra necesaria para dar el rango requerido de precisión. Antes de usarlo, se necesitarán
estimaciones de lo siguiente:
 El contenido de la especie de interés en el lote (ensayo).
 La forma general de las partículas.
 Las densidades de las distintas especies y fases presentes.
 La distribución del tamaño de partícula.
 El grado de liberación y el tamaño de grano.
Para lograr una muestra representativa, los errores potenciales que resultan de la
recolección de pequeños volúmenes de material destinado a representar un volumen mucho
mayor deben ser abordados en el plan de muestreo. Esto requiere una comprensión de todos
los posibles errores de muestreo que pueden sesgar el resultado. Pierre Gy describe siete
errores de muestreo básicos asociados con la recolección de muestras de materiales en
partículas como el suelo. Es importante mencionar que los errores tienen 2 fuentes
principalmente: de las propiedades intrínsecas del material y de la toma y preparación de la
muestra.
Page: 7
Los errores más importantes en cuanto a la toma y preparación de muestras para aplicaciones
mineras son:
Error fundamental, FE: corresponde al mínimo error de muestreo que se tendría si se

seleccionara cada fragmento o partícula aleatoriamente, una a la vez. A pequeña escala, la
heterogeneidad de constitución es responsable del error fundamental. No produce sesgo
sistemático solo variabilidad entono al valor real.
Error de agrupamiento y segregación, GE: Este error puede prevenirse considerando los

siguientes aspectos: optimizar el peso de la muestra, incrementar el número de incrementos
por muestra, homogenizar el material antes de tomar los incrementos.
Figura: 2 a
Agrupamiento
Pérdida excesiva de finos de alta ley produce sesgo
Page: 8
La heterogeneidad de distribución en un flujo puede producir sesgo, como lo muestran las

siguientes imágenes (Figura 2b y 2c):
Figura: 2 b
Segregación por densidad
Figura: 2 c
Segregación por tamaño
Page: 9
Error de delimitación del incremento DE: ocurre por desviaciones de un módulo isótropo

de observación que asegure una probabilidad constante de muestreo en todas las direcciones
relevantes del lote. (Ver Figura 2d)
Figura: 2 d
Delimitación del Incremento
Error de extracción: (Ver Figura 2e)
Figura: 2 e
Error de extracción
Page: 10
Error de preparación PE: tiene que ver con integridad de la muestra y considera los posibles
errores por contaminación, por pérdida, por alteración, humano, Fraude y sabotaje.
Error Analítico: corresponde al que se comete en el laboratorio al analizar la muestra final y

que depende del método de análisis utilizado.
Error de Interpolación: se da al asumir que la muestra representa la zona, se comete un error

cuantificable a través de la cronoestadística. (Ver Figura 2f)
Figura: 2 f
Error de interpolación
Error de Ponderación: idealmente, el flujo debe ser constante y los cortes hechos a
intervalos regulares (tanto de tonelaje como de tiempo).
Page: 11
2.1 Ecuación de P. Gy.-
La ecuación de Gy es aproximada y con una demostración difícil, en la Figura 2.1 se

muestra un extracto de la demostración de once hojas realizada por Georges Matheron
(Alfaro, 2002).
Figura: 2 1
Extracto de la demostración de la ecuación de Gy
La varianza relativa del error fundamental de muestreo está dada por:
1 1

2
r  Kd 3 (  )
M S M L
Page: 12
Donde:

 r  a
a L
: la desviación estándar relativa.
M : masa de la muestra en gramos

s
M : masa del lote en gramos

L
d: diámetro máximo de partículas en cm (se utiliza el valor d correspondiente al

95
diámetro que verifica que el 95% de los diámetros son menores que d ).
95
a : concentración promedio del analito en el lote.

L
K: constante de muestreo
Es importante mencionar que minimizar la varianza implica aumentar la probabilidad de que

la muestra presente un valor cercano de la propiedad en estudio (en general, ley de algún
metal) del lote del cual proviene (Vallebuona y Niedbalski, 2005).
2.2 Constante de Muestreo y Factores.-
La constante de muestreo K (en estricto rigor no es una constante) se mide en gr/cm3 y
tiene la siguiente expresión:
K  c  g  f  l
Donde:
c: factor de composición mineralógica (gr/cm ).
g : factor de distribución de tamaño (sin dimensión).
f: factor de forma de las partículas (sin dimensión).
l: f actor de liberación (0 < l < 1, sin dimensión).
Page: 13
Ahora veremos cada uno de estos factores por separado:
 Factor de composición mineralógica c
Tiene la siguiente expresión:
c = ((1 – a L ) / a L )( (1 – a L ) g 1 + a L g 2 )
Valor aproximadamente igual a g 1 /a L si a L es pequeño.
Donde:
a L : proporción en peso del componente crítico o con valor comercial (mena).
g 1 : peso específico del componente crítico (mena).
g 2 : peso específico de la ganga.
 Factor de distribución de tamaño g
Depende de d y d’. Se utiliza lo siguiente:
Tabla 2.a: Factor de distribución de tamaño
ds: #sup -di: #inf

ds/di g
(mm)
5 – 6 1.25 0.75
6 – 10 1.70 0.53
10 – 20 2.00 0.44
30 – 80 2.67 0.33
30 – 120 4.00 0.25
Page: 14
d’ es el diámetro de las partículas mínimas, medido en cm. El valor más utilizado es

g=0.25 que corresponde a una situación bastante general (el diámetro de la partícula
máxima es superior a 4 veces el diámetro de la partícula mínima).
 Factor de forma de las partículas f
Está definido por:
3
f = (volumen de la partícula) / d
Si se supone que las partículas son aproximadamente esféricas, entonces f = 3.14159 / 6 =

0.52. Se recomienda entonces utilizar el factor: f = 0.5.
Tabla 2.b: Ejemplos de Factor de forma
Cubo f=1
Esfera f = 0.523
Carbón f = 0.45
Mineral de Hierro f = 0.50
Pirita f = 0.47
Cuarzo f = 0.47
Roca común f = 0.50
Biotita, mica, schelita f = 0.1
Oro liberado f= 0.2
Minerales Aciculares f>1
Page: 15
 Factor de Liberación l
El factor de liberación l es un número entre 0 y 1 que varía con el tamaño d de los
fragmentos, y depende también del tamaño nominal (o máximo) de las partículas de metal
puro, o tamaño de liberación dl , y de características geoestadísticas del mineral a escala
microscópica (correlaciones espaciales adentro de los fragmentos). Así, aún cuando los
tamaños de los gránulos de metal y de los fragmentos son los dos los mismos en dos
depósitos, se deben esperar valores diferentes del factor de liberación de un metal a otro, o
de depósito a otro. Cabe notar que l es una cantidad muy variable y a veces excesivamente
pequeña.
Sean:
d = tamaño máximo de partícula
dl = tamaño de liberación del componente crítico
Se recomienda utilizar:
l=1 si d l > d
b
l = ( d l / d ) si d l < d
Se recomienda utilizar b=1.2 para minerales de cobre y b=1.5 para el oro. El factor de
liberación constituye una de las debilidades de la Teoría debido a que no representa bien
el caso de leyes bajas (leyes medidas en ppm.).
Page: 16
CAPÍTULO III:
3 DETERMINACIÓN DE UN NOMOGRAMA A PARTIR DE LA ECUACIÓN

DEL ERROR FUNDAMENTAL
En el presente capítulo se muestra la información necesaria para comprender cómo se

construye un nomograma en base a las fórmulas revisadas en el capítulo anterior tomando en
cuenta el Error Fundamental.
3.1 Método Paramétrico.-
En el capítulo anterior se ha mencionado los principales factores siendo la determinación

del factor de liberación el de mayor dificultad, es por ello que se recomienda, en una etapa de
exploración avanzada realizar un Test de Heterogeneidad para determinar experimentalmente
la constante de muestreo. Dado que al comienzo de un proyecto se puede utilizar métodos
basados en la mineralogía para determinar el factor liberación, y estimar todos los parámetros
de la constante de muestreo, o bien se podría usar el Nomograma de Pierre Gy (Ver Figura
3.1).
Page: 17
Figura: 3.1
Nomograma de Pierre Gy
3.2 Test de Heterogeneidad.-
La constante de heterogeneidad puede calcularse mediante la estimación de los parámetros

c, f, g y l. Siendo la determinación de “ l ” particularmente difícil. El Test de heterogeneidad
es una alternativa que permite calcular experimentalmente la constante. para determinar
empíricamente la heterogeneidad de un material particulado
Estimar varianza relativa del error fundamental mediante:
2
 1 1  sa

2

FE      c  l  f  g  d  2
3 i
 M S M L  ai
Page: 18
3.3 Nomograma.-
El nomograma es un gráfico log-log con masa de la muestra en el eje X y la varianza de la

muestra en el eje Y. En la práctica, se busca optimizar protocolos de muestreo de tal manera
que todos los errores que no son IH L son eliminados.
Entonces, para graficar el nomograma (masa vs varianza), se toma el logaritmo de la ecuación

anterior:
Los cambios en la varianza y tamaño de la muestra se grafican, reflejando un cambio en

tamaño debido a trituración o molienda, o un cambio de tamaño debido a la división.
 Si se trata de una división, no hay cambio en el tamaño nominal, tal que la varianza es
proporcional a – log(MS). Por lo tanto, los cambios por división, tanto en masa como
varianza, siguen una línea en el nomograma con una pendiente de -1.
 Si el tamaño del fragmento se reduce por trituración o molienda, la masa de la

muestra se mantiene, y todo lo demás en la ecuación cambia. Así la reducción de
varianza que resulta se grafica hacia abajo hasta el siguiente tamaño nominal del
fragmento.
En la Figura 3.3 se muestra un ejemplo tomado de Francois-Bongarcon y Pierre Gy (2001)
Page: 19
Figura: 3.3
Nomograma de Muestreo
3.4 Ejemplo de Construcción de un Nomograma de Muestreo.-
Los siguientes ejemplos buscan mostrar de una manera práctica la construcción de

nomogramas tomando en cuenta ciertos datos. (Ortiz, 2002)
A) Caso del Mineral Molibdenita (MoS2)
Características:
 Mineralización de MoS2.
 Contenido de mineral esperado (ley de molibdeno): = 0.100% L a
Page: 20
 Densidad de mineral: = 4.7 M l
 Densidad de ganga: = 2.7 g l
 Tamaño de liberación: d m l = 500m
 Masa del testigo: 40 kg
 La mitad del testigo será muestreado
 Reducir la muestra mediante conminución y cuarteo hasta un tamaño de muestra de

1g que es apropiado para el ensayo.
Primero, es necesario calcular los valores constantes de la heterogeneidad intrínseca del

mineral (IHL) a muestrear, para distintos tamaños nominales de fragmentos que la muestra
puede tener en las etapas del protocolo de muestreo. Los tamaños nominales dependerán de
los equipos que se utilicen.
Para estimar el valor de IHL, se deben estimar o calcular todos los factores involucrados:
 f=0.5 , valor estándar para la mayoría de los materiales
 g=0.25 , material no clasificado
 λ M=4.7 , propiedad de la roca
 λ g=2.7 , propiedad de la roca
.% 
  = . = 0.00167 , contenido de mineral de molibdeno (Ley de MoS2). Se
 9
considera este valor en lugar de la ley de molibdeno, porque lo que se está

muestreando es la molibdenita.
. 
  = (

) , el factor de liberación depende del tamaño de fragmentos y se utilizó un
valor para el coeficiente b=1, para estar en el lado conservador.
Page: 21
  .
 = = = 2814, dado que  < 0.1 se puede utilizar esta aproximación
 .
para el factor mineralógico.
Con estos datos se puede generar una tabla con los cálculos:
Tabla 3.4A: Tabla de cálculos
En esta tabla, d corresponde a tamaños de fragmento nominales que se quieren evaluar, l

corresponde al factor de liberación de los fragmentos a un determinado tamaño nominal, IHL

es la heterogeneidad intrínseca a cada tamaño nominal, MS y son una masa de muestra
que se utiliza para identificar un punto de la recta con pendiente -1 que corresponde al tamaño
de fragmentos nominal d, y la varianza del error fundamental calculada con la fórmula
simplificada que asume que ML >> MS.
Page: 22
Figura: 3.4.1a
Construcción del nomograma 1
El siguiente paso es decidir cuáles serán los pasos en el protocolo de muestreo. Para ello,
se puede agregar la restricción adicional de que ninguna etapa del protocolo contribuya con un
error de más de un 5%. Esto implica que la varianza del error fundamental no debe superar

 = 0.025.
Para proponer las etapas del protocolo de muestreo, se puede utilizar el nomograma como
referencia. Partiendo de un tamaño nominal de fragmentos de 5 cm, podemos decidir pasar
todo el material (medio testigo, 20 kg) por un chancador primario y reducirla de tamaño a un
tamaño nominal de 0.475cm (punto A). Esta etapa se ilustraría en el nomograma como una
línea vertical descendente en el valor de la abscisa de 20000g hasta la recta correspondiente al
tamaño resultante (0.475cm). Esta etapa de reducción de tamaño de fragmentos no se muestra
en la figura, pues no aporta al error de muestreo total (recuerde que sólo los cuarteos o
reducciones en la masa de las muestras aportan al error fundamental). Una segunda etapa a
considerar es cuartear la muestra original de 20000g a una masa menor.
Page: 23
Para considerar de qué masa será la submuestra, se utiliza el nomograma. Subiendo en

diagonal por la línea de pendiente -1 correspondiente al tamaño nominal de fragmentos
0.475cm, el cual no cambia durante el cuarteo, se puede ver que reduciendo la masa hasta 2kg
no viola la restricción de varianza aplicada a cada etapa, mostrada como una línea segmentada
azul en el gráfico. Así, la primera etapa de cuarteo considera reducir la muestra a un décimo
de su masa original (punto B en el gráfico). Luego, la muestra debe someterse a una segunda
etapa de conminución, mediante, por ejemplo, un chancado secundario a 0.071 cm (punto C).
Este material es entonces cuarteado a 50 g (punto D). Finalmente, la muestra es pasada por un
pulverizador para la última etapa de conminución. El tamaño nominal resultante es de 0.015
(punto E). De estos 50g se puede entonces tomar la muestra de 1g para el ensayo (punto F).
Figura: 3.4.1b
Construcción del nomograma 2
Page: 24
Con este simple ejemplo, se puede ver la utilidad de utilizar un nomograma en el diseño
de un protocolo de muestreo. Entre las consideraciones que deben tenerse en cuenta al diseñar
un protocolo están además las siguientes:
 El error de muestreo total no debe sobrepasar el estándar. Estos estándares cambian

según si se trata de control interno o de ventas y según el tipo de material o etapa en
la que se está. Por lo general, muestras de sondajes de exploración tendrán un error
bajo (alrededor de 5%), mientras que el muestreo para control de leyes en pozos de
tronadura puede llegar a ser más alto (hasta 15%).
 El número de etapas debe minimizarse para evitar el aumento de otros errores de

muestreo, particularmente, la posibilidad de pérdidas de finos en los equipos o en
forma de polvo debe evitarse para minimizar la posibilidad de incorporar un sesgo al
muestreo.
Finalmente, el protocolo de muestreo puede describirse mediante la siguiente tabla, donde

se muestra cada etapa, el tamaño nominal de los fragmentos, la masa de la sub-muestra y el
error de muestreo involucrado en cada etapa de Reducción de la muestra.
Tabla 3.4B: Tabla de Protocolo de Muestreo
El error de muestreo total se asume igual a dos veces el FE, es decir, la suma de todos los
otros errores equivale al FE. Con ello se calcula el error total de muestreo, el cual no supera el
10%.
Page: 25
B) Consideraciones para el caso del Oro (Au)
El muestreo de oro es particularmente complicado puesto que un lote de fragmentos de

mineral con oro presentará una segregación muy fuerte, debido a la diferencia de densidad
entre el oro y la ganga.
Si el protocolo de muestreo se diseña considerando una reducción de tamaño que no llega

al tamaño de liberación del oro, es decir, la última etapa del muestreo utiliza un tamaño de
fragmentos superior al tamaño al cual se libera el oro, esto implica que el oro estará asociado
con otros minerales y no provocará mayores inconvenientes en el protocolo. Si, por el
contrario, los fragmentos se reducen a un tamaño inferior al de liberación del oro, entonces,
esto acarreará una serie de inconvenientes.
El principal problema es que normalmente el oro no se fragmenta una vez que se ha

llegado a su tamaño de liberación. Al intentar reducir de tamaño, las partículas de oro liberado
tienden a laminarse. Un problema adicional, es que el oro suele pegarse a los equipos, por lo
que se producen pérdidas durante la preparación de las muestras.
Por estas razones, es necesario hacer una consideración especial en el cálculo del error
fundamental, cuando se llega a tamaños de fragmentos inferiores al de liberación del oro
grueso. Asimismo, es necesario poner especial cuidado en la preparación de las muestras de
manera de minimizar la segregación y evitar las pérdidas de mineral.
Considerando la expresión para la heterogeneidad intrínseca, se pueden incorporar las

características particulares del oro grueso (laminado) para deducir una expresión para el error
fundamental:
Page: 26
 = . . . . 3
Dónde:
 
 =

, si el contenido de oro es menor que 10%
 λ  = 16
 l=1, por tratarse de oro liberado
 f=0.2, por tratarse de oro
 g=0.25, por tratarse de material no calibrado
Por lo tanto:
C) Caso para el Oro (Au)
Considerar un mineral de oro con densidad media 2.65 gr/cm3. Se tomaron muestras
de medio testigo de sondajes de 54.8 mm de diámetro y un largo de 2m. El protocolo de
muestreo diseñado para el material con una ley de 2g/t es el siguiente:
 Chancado primario de la muestra a ¼”.
 Cuarteo mediante riffle 2 veces (a ¼ del tamaño original).
Page: 27
 Chancado secundario a 2mm.
 Cuarteo mediante riffle a 300 gr.
 Pulverizado en LM2 (anillos) a 150 mallas tyler (106 micrones). Note que a este
tamaño el oro queda liberado.
 Selección mediante incrementos de 50gr. para análisis a fuego.
Se realizó un test de heterogeneidad utilizando un compósito representativo de 425 kg. En

la fracción de –½” a +¼” se tomaron 100 muestras de 35 fragmentos cada una. La varianza de
las sub-muestras fue de 115.0 (g/t)2, con una ley media de 5.5 g/t.
Todo el resto del test se realizó siguiendo cuidadosamente las recomendaciones de un experto.
La constante de muestreo se determina:
Donde el tamaño medio de la fracción se calcula:
Con esto se puede calcular el error fundamental en cada etapa del protocolo de muestreo, tal
como se muestra en la tabla siguiente:
Page: 28
Tabla 3.4C: Tabla de Error Fundamental
Nótese que en las últimas etapas del protocolo (cuando el oro se ha liberado), se reemplaza la
.
fórmula del cálculo de la constante por:  = 
,
Es necesario hacer retalla en la última etapa para garantizar que el oro grueso sea bien
muestreado.
Page: 29
CAPÍTULO IV:
4 EJEMPLO DE APLICACIÓN:
QA-QC EN OYU TOLGOI .PROYECTO DE PORFIDO CU-AU EN EL SUR

DE GOBI - MONGOLIA
La mina de Oyu Tolgoi es un proyecto minero a tajo abierto y subterráneo en Khanbogd en

el desierto de Gobi, aproximadamente 235 kilómetros al este de Dalanzadgad, la capital de la
provincia de Ömnögovi (Ver Figura 4.1a). El sitio fue descubierto en 2001, el proyecto
minero de Oyu Tolgoi es la Compañía más grande de la historia de Mongolia y se espera que
al finalizar produzca 450.000 toneladas (500.000 toneladas cortas) de cobre al año.
El financiamiento para el proyecto ha provenido en parte del Grupo Rio Tinto y de un acuerdo
de inversión entre Ivanhoe Mines y el gobierno de Mongolia.
Page: 30
Figura: 4.1a
Mapa de ubicación Proyecto Minero Oyu Tolgoi
El proyecto de Oyu Tolgoi Cu-Au al del sur de Gobi (Ver Figura 4.1b), Mongolia, consiste
en varios depósitos, que juntos son uno de los sistemas de pórfido más grandes y más altos del
mundo. El proyecto comprendía 630.000 m de perforación de exploración y delineación de
recursos en 1.100 pozos y recolección de 232.000 muestras para ensayos. Se diseñó un
programa de Control de Calidad (QA) y Control de Calidad (QC) para el Proyecto Oyu Tolgoi
y se implementó a principios de 2002.
De acuerdo con la NI 43-101, una persona calificada (Geólogo muestrero) debe discutir y
describir el método y enfoque de muestreo; preparación de muestras, análisis y seguridad; y
verificación de datos. Desafortunadamente, las directrices NI 43-101 para los programas de
QA-QC no proporcionan detalles adecuados para cartografía, registro, recolección y
preparación de muestras para su envío a los laboratorios, preparación adicional de muestras,
análisis y notificación de datos analíticos. Debido a que se pueden introducir errores
significativos en cualquier paso, es necesario establecer pautas de p rocedimiento, QA, para cada
paso para monitorear los errores y mantenerlos dentro de los límites permisibles de un
programa de control de calidad. Todo esto se ha logrado en Oyu Tolgoi porque se implementó
un programa apropiado de QA-QC temprano en el proyecto, y sus pautas fueron seguidas de
cerca.
Page: 31
Figura: 4.1b
Proyecto Oyu Tolgoi
4.1 Geología Regional.-
El área del proyecto abarca un importante sistema de porfído Cu-Au, subyacente a las rocas
volcánicas máficas Silurico-Devonianas, cortadas por monzodiorito pre-sin-mineral a las
poblaciones intrusivas de cuarzo-monzodiorita y poros de silicio-mineralización de la
mineralización tardía y diques. Los diques post-minerales félsicos y máficos son localmente
comunes. La arenisca volcánica es carbonífera y la limolit, que contienen pequeñas trazos de
carbón, superponen incontrolablemente las rocas volcánicas máficas. La sulfuración y la
mineralización de pórfidos están presentes en las rocas volcánicas máficas y en el pórfido
monzodiorita de cuarzo (Ver Figura 4.1c)en cinco áreas: Sur Oeste, Sur, Centro, Hugo Sur y
Hugo Norte. En el suroeste y el sur de Oyu, la mineralización hipogénica comprende pirita,
calcopirita, bornita y magnetita.
Page: 32
Figura: 4.1c
Mapa de Geología Regional en Oyu Tolgoi
Los óxidos de cobre se encuentran sobre Oyu Sur. En el Oyu Central, la mineralización
hipogénica comprende pirita, calcopirita, covellita, calcocita y enargita, cubiertas por una
manta de calcocita supergénico. En Hugo Sur y Hugo Norte, la mineralización hipogénica
comprende pirita, calcopirita y bornita. Además, calcosita y enargita están presentes en Hugo
Sur.
4.2 Monitoreo QA-QC: Pruebas de Muestreo y Ensayo.-
El muestreo y el ensayo son dos importantes tareas emprendidas para evaluar los depósitos
minerales. En las primeras etapas de los programas de perforación, se debe realizar un trabajo
de prueba para determinar la heterogeneidad de la mineralización para establecer protocolos
Page: 33
de muestreo para asegurar la precisión y preparar MRS para el monitoreo de ensayos para
mantener la precisión (Sketchley, 1998).
Pruebas de muestreo
Las pruebas de muestreo, llevadas a cabo para determinar la heterogeneidad de la

mineralización, comprendieron grupos de muestras duplicadas y muestras de mini-volumen.
Los resultados de estas pruebas se utilizaron para determinar las constantes de muestreo
(Sketchley, 1998), que son necesarias para desarrollar nomogramas de muestreo y establecer
protocolos de muestreo.
El nomógrafo básico, que se basa en pruebas de muestreo, representa el error de muestreo

fundamental para varios pesos de muestra y tamaños de partícula, así como umbrales de error
ideal y regiones de errores de muestreo más altos. Estas regiones están relacionadas con
tamaños de muestra que son demasiado pequeños para los tamaños de partícula usados
durante el submuestreo inicial y para la liberación de oro durante la pulverización final. El
protocolo óptimo para minimizar los errores de muestreo se superpone al nomograma básico.
El protocolo utilizado fue establecido para asegurar que el error de muestreo fundamental
fuera inferior al 10% para cada etapa de muestreo, para minimizar el error de muestreo total
(Gy, 1979; Pitard, 1989).
Las pruebas de muestreo, realizadas sobre la mineralización de los depósitos de South West y
Hugo North, indicaron baja heterogeneidad de oro y cobre. El protocolo de preparación de
muestra usado en Oyu Tolgoi está dado en el nomograma presentado en la Figura 4.2.
Page: 34
Figura: 4.2
Nomograma de muestreo con protocolos seguidos en el Proyecto Oyu Tolgoi ,basado en P.Gy (1979)
Pruebas de Ensayo
Las pruebas de ensayo se refieren a los programas de turno, que

comprenden la recolección y preparación de material con matrices y grados variables para proporcionar
material homogéneo para el desarrollo de MRS (Root Mean Square por sus siglas en ingles), que son
necesarios para el monitoreo del ensayo. Las pruebas de ensayo también son útiles para asegurar que los
métodos analíticos se correspondan con las características mineralógicas de la mineralización que se
está explorando.
El programa Round Robin consistía en la pulverización de materia
prima mineralizada, selección a menos 75 μm (200 mesh), homogenización, realización de pruebas de
homogeneidad, selección aleatoria de muestras, dosificación en grupos de diez y envío de muestras a al
menos ocho laboratorios internacionales bien conocidos. Los resultados de los ensayos para cada MRS
se agruparon, se calcularon las medias y las desviaciones estándar, se ajustaron los valores atípicos en
dos desviaciones estándar y se calcularon nuevamente las medias y las desviaciones estándar. En los
casos en que más de varios valores atípicos procedían de un laboratorio individual, se realizaron
pruebas estadísticas para determinar si los datos eran fundamentalmente diferentes y, en caso
Page: 35
afirmativo, se excluyeron todos los datos de ese laboratorio. Los programas de round robin fueron
conducidos por una persona calificada independiente (Smee, 2002).
Los límites de tolerancia para los MRS se establecieron a dos y tres desviaciones estándar respecto al
valor medio del material de referencia. Un único lote falló cuando los ensayos de SRM estuvieron más
allá del límite de desviación estándar de tres, y cualquier dos ensayos consecutivamente ensayados falló
cuando los ensayos SRM estuvieron más allá del límite de desviación doble en el mismo lado de la
media. Estos límites se utilizaron porque si un sistema analítico está bajo control, sólo hay un 1% de
probabilidad de que un SRM devuelva ensayos que excedan tres desviaciones estándar, o un 0.625% de
probabilidad de que dos SRMs en lotes adyacentes superen dos desviaciones estándar. en el mismo lado
de la media.
También se llevaron a cabo programas de "round robbing" sobre material estéril obtenido de granito
fresco, no alterado y no mineralizado del Complejo Khanbogt, a cinco kilómetros al este de Oyu Tolgoi.
Este material se ensayó y se aceptó como una pieza en blanco adecuada para monitorizar la
contaminación o el cambio de muestra. En Oyu Tolgoi se desarrollaron y utilizaron un total de 41 MRS
adaptados a la matriz para monitorear el ensayo de diferentes tipos de mineral, que comprenden
combinaciones diversas de pirita, calcopirita, bornita, calcocita primario y supergénico, enargita,
covelita y molibdenita. Se utilizaron tres materiales de referencia comercialmente adquiridos además de
los SRMs de matriz combinada. Los problemas de ensayo fueron infrecuentes, y ocurrieron sólo
temprano en el programa durante la digestión de muestras de sulfuro alto, ricas en calcocita y covelita,
lo que requirió la adopción de una digestión de cuatro ácidos para disolución completa.
Protocolo de Muestra
Los protocolos de preparación de muestras se basaron inicialmente en las directrices de laboratorio

utilizadas comúnmente. Cuando se inició el monitoreo a tiempo completo, se realizaron dos pruebas de
heterogeneidad para determinar el nivel real de heterogeneidad, se establecieron protocolos óptimos de
preparación de muestras y se siguieron procedimientos apropiados de muestreo para asegurar la
integridad del proceso de muestreo. Esto era necesario para apoyar la estimación de recursos y reservas,
asegurando que el ensayo se realizaría en submuestras que son representativas del material original que
se muestreó. Se establecieron protocolos para garantizar que se utilizaron los sistemas correctos de
tamaño de partícula y reducción de tamaño de la muestra para minimizar los errores de muestreo y que
el equipo fue adecuadamente configurado y supervisado para cumplir con estas especificaciones.
Page: 36
Las medidas de control de calidad llevadas a cabo durante la preparación de la muestra fueron las
siguientes:
 El equipo fue diseñado y montado para producir un producto equiprobabilístico.

 Las muestras enteras se trituraron hasta 90% pasando a menos 3,35 mm; aproximadamente 1 kg
de material triturado se dividió y se pulverizó hasta 90% pasando menos 75 \ mu m (malla 200).
 Una submuestra de 150 g se separó tomando cucharadas aleatorias múltiples de la muestra
pulverizada de 75 μm.
 La submuestra de 150 g se colocó en una envoltura kraft y se selló con una parte superior de
alambre plegada para su envío al laboratorio analítico.
 Se limpió todo el equipo entre cada muestra, utilizando roca estéril, seguido de chorros de aire
comprimido.
 Se llevaron a cabo pruebas de pantalla sobre productos triturados y pulverizados a razón de una
por lote de 20 muestras.
Claramente, la implementación de un programa de QA-QC bien diseñado y bien documentado en

una etapa temprana en un proyecto de delineación de recursos es esencial por las siguientes razones:
 Garantizar que la exactitud y la precisión de los procesos de muestreo y análisis se ajusten a los
estándares de la industria.
 Obtención de estimaciones fiables de recursos minerales y reservas, asegurando que los datos del
muestreo, ensayo y registro de observaciones geológicas sean de alta integridad.
 Ahorro de tiempo y dinero al evitar la necesidad de programas de re-muestreo y re-análisis
extensivos para sustentar ensayos previos, y no tener que retroceder para obtener datos
confiables.
 Tener los datos aceptados por los auditores para las organizaciones externas.
Page: 37
CONCLUSIONES
PRIMERA.- El nomograma muestra el procedimiento del protocolo de muestreo

sistemático para un fin optimo en la recuperación y estimación de nuestros
recursos, implica tamaño del grano, masa de la muestra y su error
fundamental, con el objetivo de minimizar a este último en cada etapa del
proceso muestreal.
SEGUNDA.- La heterogeneidad que corresponde naturalmente a la muestra y nos conduce

a hacer test o pruebas estadística para calcular empíricamente la constante de
muestreo según la teoría de P. Gy, en especial para proyectos mineros muy
avanzados.
TERCERA.- Siempre obtendremos errores de muestreo en nuestro trabajo, el objetivo es

minimizarlo y junto a un eficiente QA-QC optimizamos costos y llegaremos a
la precisión y exactitud sin sesgo que uno tanto busca.
CUARTA.- Por consiguiente, el riesgo de muestrear sin respetar los principios, la teoría y
práctica de un muestreo correcto, es arribar a conclusiones erradas sobre la
población, mientras que el beneficio es la optimización en el uso de recursos,
dado el riesgo asumido.
Page: 38
BIBLIOGRAFÍA
Alfaro, M. A. (2002). Introducción al Muestreo Minero. Santiago de Chile.
Minkkinen, P. (2003). Applications of Sampling for Theory. Barnaul.
Minnitt, R. C. & Esbensen, K. H. (2017) Pierre Gy’s development of the Theory of Sampling.
Witwatersand. doi: 10.1255/tosf.96
Vallebuona, G. & Niedbalski, F. (2005). Revista de Metalurgia. Muestreo de minerales: análisis de

sensibilidad y factores de corrección para la ecuación de Pierre Gy , 41, 28-37.
Francois-Bongarcom, D. & Gy, P. (1999). El error más común en la aplicación de la “Formula de Gy”
en la Teoría del Muestreo de minerales y un histórico del factor de liberación.
Ortiz, J. Apuntes de curso de evaluación de Yacimientos . Universidad de Chile.
Rossi, M. Geoestadística para exploraciones . ProEXPLO 2013.
Gy, P. (1982). Sampling of particulate material, theory and practice , Elsevier, Amsterdam.
Paredes, J.H. (1998). Muestreo en la Minería. Ediciones "Pezeta". Lima.
Pitard, F. (1993). Pierre Gy’s Sampling Theory and Sampling Practice , Second Edition, Florida.
Page: 39

Elaboracion de Nomogramas de Muestreo Usando La Te

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Elaboracion de Nomogramas de Muestreo Usando La Te

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE

Elaboración de Nomogramas de Muestreo, usando

Monografía presentada por los alumnos:

ALCALÁ FERNÁNDEZ, LEONARDO

Tabla 2.a: Factor de distribución de tamaño 10

Tabla 2.b: Ejemplos de Factor de forma 11

Tabla 3.4A: Tabla de cálculos 19

Tabla 3.4B: Tabla de Protocolo de Muestras 23

Tabla 2.a: Factor de distribución de tamaño 10

Tabla 2.b: Ejemplos de Factor de forma 11

Tabla 3.4A: Tabla de cálculos 19

Tabla 3.4B: Tabla de Protocolo de Muestras 23

Tabla 3.4C: Tabla de Error Fundamental 26

Figura 1.1a: Incrementos y espécimen 4

Figura 1.1b: Heterogeneidad 4

Figura 1.1c: Heterogeneidad de Distribución 5

Figura 1.1d: Exactitud y Precisión 5

Figura 2 b: Segregación por densidad 9

Figura 2 c: Segregación por tamaño 9

Figura 2 d: Delimitación del incremento 10

Figura 2 e: Error de extracción 10

Figura 2 f: Error de interpolación 11

Figura 2.1: Extracto de la demostración 12

Figura 3.1: Nomograma de Pierre Gy 18

Figura 3.3: Nomograma de Muestreo 20

Figura 3.4.1a: Construcción del nomograma 1 23

Figura 3.4.1b:Construcción del nomograma 2 24

Figura 4.1a: Mapa de Ubicación Proyecto Minero Oyu Tolgoi 31

Figura 4.1b: Proyecto Oyu Tolgoi 32

Figura 4.1c: Mapa de Geología Regional en Oyu Tolgoi 33

1 DEFINICIONES Y MUESTREO DE MINERALES

El presente capítulo se centra en la revisión de conceptos

 Lote: se refiere a un conjunto de material, cuya composición quiere estimarse.

 Muestra: conjunto de incrementos correctamente extraídos sin criterio de selección.

 Incremento: corresponde a un grupo de partículas extraídas del lote en una sola operación.

 Espécimen: extracción no realista y peligrosa de homogeneidad.

 Heterogeneidad: corresponde a la variabilidad encontrada en una población estadística.

 Errores: existen e cualquier procedimiento de estimación. Es necesario diferenciar los

1.2 Muestreo de Minerales.-

El muestreo es la técnica conforme a la cual se extraen ciertos elementos de una población

El proceso de muestreo de minerales de manera general se divide en tres partes (Paredes,1998):

1) Toma de muestra, de los afloramientos naturales o artificiales, o de la masa del mineral

2) Preparación de la muestra para los ensayos y pruebas.

3) Ensayos (análisis, mediciones, investigaciones complejas; dependiendo de la materia

2 LA ECUACIÓN DEL ERROR FUNDAMENTAL DE P.GY Y LA TEORÍA

El método de muestreo ideado por Gy es frecuentemente usado para calcular el tamaño de

Error fundamental, FE: corresponde al mínimo error de muestreo que se tendría si se

Error de agrupamiento y segregación, GE: Este error puede prevenirse considerando los

La heterogeneidad de distribución en un flujo puede producir sesgo, como lo muestran las

Error de delimitación del incremento DE: ocurre por desviaciones de un módulo isótropo

Error de extracción: (Ver Figura 2e)

Error Analítico: corresponde al que se comete en el laboratorio al analizar la muestra final y

Error de Interpolación: se da al asumir que la muestra representa la zona, se comete un error

2.1 Ecuación de P. Gy.-

La ecuación de Gy es aproximada y con una demostración difícil, en la Figura 2.1 se

La varianza relativa del error fundamental de muestreo está dada por:

M : masa de la muestra en gramos

M : masa del lote en gramos

d: diámetro máximo de partículas en cm (se utiliza el valor d correspondiente al

a : concentración promedio del analito en el lote.

K: constante de muestreo

Es importante mencionar que minimizar la varianza implica aumentar la probabilidad de que

2.2 Constante de Muestreo y Factores.-