APLICACIONES A LA MINERIA

2.1 MUESTREO EN LA GALERIA G-5 DEL NIVEL 630 DE LA CIA

MINERA RAURA:

La compañía minera Raura, en su unidad operativa Gayco, ubicado en la

cumbre de la Cordillera Occidental, divisoria continental de aguas, cabeceras

de los ríos Huaura y Marañón, límite entre los departamentos de Huánuco

(distrito de San Miguel de Cauri, provincia de Lauricocha) y Lima (distrito y

provincia de Oyón). La mineralización de Gayco, consiste principalmente:

vetillas de relleno de cuarzo columnar con algo de esfalerita–galena

freibergita–pirita–calcita. Se ha realizado un muestreo sistemático (a cada

 1.5m), en la galería G-5 del nivel 630, cuyos resultados del muestreo se

muestran en el siguiente cuadro.(1)

Nº de Muestra Ancho de muestra (m) Ley de Plomo (%)

1 0.15 0.48
2 0.35 0.55
3 0.30 0.90
4 0.35 1.12
5 0.40 1.2
6 0.40 0.70
7 0.60 1.15
8 0.50 1.30
9 0.55 0.95
10 0.35 0.85
11 0.90 1.28
12 0.80 0.96
13 0.70 0.65
14 0.65 0.59
15 0.50 0.55
Fuente: Francisco Jesús Moral García… Técnicas Geoestadisticas.- Madrid,
2003.- Cap.5, p.187

Se pide construir y modelizar el variograma para el ancho de muestra.

SOLUCION:

1. Construcción y modelización del variograma para el ancho de

Muestreo.
a) Calculamos la media para el ancho de muestreo.
Sabemos que:
 1 15
X   Xi ........(1)
n i 1

Entonces reemplazando en (1) tenemos:

 0.15  0.35  0.30  ...  0.50 7.5

X    0.5
15 15

b)Calculo de la varianza:
Sabemos que:
 Xi
2
 2
2
S 
n 1
 X

2 4.325
S 
15  1
 ( 0.5 ) 2  0.06

(1)
Francisco Jesús Moral García… Técnicas Geoestadisticas.- Madrid, 2003.- Cap.5, p.186
c)Calculo del variograma experimental:
Sabemos que:
( h) 
 [ Z ( Xi  h)  Z ( Xi)] 2

.....(2)
2np

Reemplazando en (2) tenemos:

Si h = 1

(0.35  0.15) 2  (0.30  0.35) 2  (0.35  0.30) 2    (0.50  0.65)

(1) 
2 x 14

0.4875
(1)   0.017
2 x 14

Si h = 2

(0.30  0.15) 2  (0.40  0.30) 2  (0.60  0.40) 2    (0.50  0.70) 2

 ( 2) 
2 x 13

0.5375
 ( 2)   0.021
2 x 13

Si h = 3

(0.35  0.15) 2  (0.60  0.35) 2  (0.35  0.60) 2    (0.50  0.80) 2

(3) 
2 x 12

0.68
(3)   0.028
2 x 12

Si h = 4

(0.40  0.15) 2  (0.55  0.40) 2  (0.70  0.55) 2    (0.50  0.90) 2

( 4) 
2 x 11

0.4831
( 4)   0.044
2 x 11

Si h = 5
 (0.40  0.15) 2  (0.90  0.40) 2  (0.60  0.35) 2    (0.50  0.35) 2
(5) 
2 x 10

0.57
 (5)   0.029
2 x 10

Si h = 6

(0.60  0.15) 2  (0.70  0.60) 2  (0.50  0.35) 2    (0.50  0.55) 2

 ( 6) 
2 x9

0.733
 (6)   0.041
2 x9

Si h = 7

(0.50  0.15) 2  (0.55  0.35) 2  (0.35  0.30) 2    (0.50  0.50) 2

 (7 ) 
2 x8

0.72
 (7 )   0.045
2 x8

Si h = 8

(0.55  0.15) 2  (0.35  0.35) 2  (0.90  0.30) 2    (0.50  0.60) 2

(8) 
2x7

0.885
(8)   0.063
2 x7

Si h = 9

(0.35  0.15) 2  (0.90  0.35) 2  (0.80  0.30) 2    (0.50  0.40) 2

(9) 
2x6

0.788
(9)   0.066
2 x6

Si h = 10
 (0.90  0.15) 2  (0.80  0.35) 2    (0.50  0.40) 2
(10) 
2 x5

1.025
 (10)   0.1025
2 x5

Si h = 11

(0.80  0.15) 2  (0.70  0.35) 2  (0.65  0.30) 2  (0.50  0.35) 2

 (11)   0.086
2x4

Si h = 12

(0.70  0.15) 2  (0.65  0.35) 2  (0.50  0.30) 2

(12)   0.072
2 x3

Si h = 13

(0.65  0.15) 2  (0.50  0.35) 2

(13)   0.068
2x2

Si h = 14

(0.50  0.15) 2
(14)   0.061
2 x1

d) Se procede a plotear h con valores γ(h).

A continuación se presenta el variograma experimental.

Fuente: Francisco Jesús Moral García… Op. Cit. Cap.6, p.188

Luego se procede a unir los puntos ploteados anteriormente.

 Fuente: Ibid. Cap.6 p.189.

e)Finalmente realizamos la modelizacion teórica:

Para lo cual usamos el modelo esférico:

 3  h   1  h 3 
 (h)  C0  C         , si h  a .....(3)
 2  a   2  a  
Como sabemos que S2 = 0.06, C0 = 0.014

La meseta (C), C = 0.06 – 0.014 = 0.046

Entonces para h = 1 reemplazando en la

 3  1   1  1  3 
 (1)  0.014  0.046        
 2  8   2  8  

 (1)  0.023
Para h = 2
 3  2   1  2  3 
 ( 2)  0.014  0.046       
 2  8   2  8  

 (2)  0.031
Para h = 3
 3  3   1  3  3 
 (3)  0.014  0.046        
 2  8   2  8  

 (3)  0.039
Para h = 4
  3  4   1  4  3 
 (4)  0.014  0.046       
 2  8   2  8  

 ( 4)  0.045
Para h = 5
 3  5   1  5  3 
 (5)  0.014  0.046       
 2  8   2  8  

 (5)  0.051
Para h = 6
 3  6   1  6  3 
 (6)  0.014  0.046       
 2  8   2  8  

 (6)  0.056
Para h = 7
 3  7   1  7  3 
 (7)  0.014  0.046       
 2  8   2  8  

 (7)  0.058
Para h = 8
 3  8   1  8  3 
 (8)  0.014  0.046       
 2  8   2  8  

 (8)  0.06

A continuación se muestra el variograma modelizado.

Fuente: Ibid. Cap.6 p.190.

 Donde: la línea negra representa al variograma experimental, mientras

la línea roja representa al variograma teórico que para este caso es el

modelo Esférico, además C0 = 0.014, C = 0.046 y a = 8 por lo tanto

hallamos el alcance aparente a’ sabemos que: a=3a’/2 entonces

reemplazamos y obtenemos: a’= 5,33m, considerando que la distancia

optima entre muestras contiguas debe oscilar entre a/2 y a/3 finalmente

reemplazando valores tenemos: a=4m y a=2.67m por lo tanto la

distancia promedio será 3,335m la distancia entre muestra y muestra.

2.2 EXPLORACIONES POR TRINCHERAS EN LA COMPAÑÍA MINERA

BARRICK GOLD CORPORATION.
La compañía minera Barrick Gold Corporation, en su Unidad Económica-

Administrativa Barrick Misquichilca S.A (Pierina), a realizado tres trincheras de

exploración en la zona de la quebrada Cuncashca, en el esquema siguiente se

muestra el perfil longitudinal de la quebrada. Se pide determinar la cota

topográfica de la trinchera 2. que se muestra a continuación.(4)

Fuente:www.solomineria.com.pe\capacitacionminera\areageoestadistica.html.
Si se sabe que es un modelo esférico con los siguientes datos

Co = 0, C = 1 y a = 12 m
(4)
www.solomineria.com.pe\capacitacionminera\areageoestadistica.html.
SOLUCION:

1) Aplicamos la técnica de Krigeage.

Sabemos que.
Z ( x 0 )  1 Z ( x1 )   2 Z ( x 2 ) .......(1)
Z ( x 0 )  21  4 2

1  11   2  12     1V
1  21   2  22     2V ........( 2)
1   2  1

Donde:

1  11 y  2  22 son cero porque C 0  0

Z*(x) = Estimador (cota topografica)

µ = parámetro de Lagrange
λij = ponderadores
γij = valores de semivariograma
Z(xi) = valores conocidos para llevar a cabo la estimación.
γiV = valor del semivariograma en el punto a estimar.

 
Después se calcula γ12

y (h)  C0  C 1.5(h / a)  0.5(h / a) para h  a

* 3

 3  9  1  9 3 
 12  0  1       0.91
 2  12  2  12  

Además  12   21  0.91

Luego se calcula γ1V y γ2V

V = Xo

 3  6  1  6 3 
 1V   1 Xo   (6)  0  1       0.69
 2  12  2  12  
 3  3  1  3 3 
 2V   2 Xo   (3)  0  1       0.37
 2  12  2  12  

Por lo tanto reemplazando en (2) tenemos:

  2 (0.91)    0.69
1 (0.91)    0.37
1   2  1

Resolviendo el sistema de ecuaciones anterior tenemos:

1  0.32
 2  0.68
  0.07

Por último reemplazando en la ecuación (1) tenemos:

Z ( x 0 )  1 Z ( x1 )   2 Z ( x 2 ) .
Z ( x 0 )  21  4 2
Z ( x 0 )  2(0.32)  4(0.68)
Z ( x 0 )  3.36 m.

Por lo tanto la trinchera 2 se encuentra a 3.36 m

2.3 DETERMINACION DE LA LEY DE LA ZONA 5 DE LA CIA MINERA

ANTAMINA

La CIA minera Antamina a realizado en la zona 5, un muestreo de un conjunto de

cuatro muestras de zinc cuyas leyes son: X 1 = 8.2 %, X 2 = 9.6 %, X3 = 13.1 %, y

X4 = 6.4 %. Su posición en el plano es la que se refleja en el siguiente grafico.

El semivariograma a considerar se ajusta a un modelo tipo esférico con alcance

igual a 250 m. Co = 17 y C = 66. Calcular, utilizando Krigeaje, el valor de la ley

en un punto X0, situado tal como se indica en el grafico.(A)

A http:/antamina.com. departamento deXestadística

( )
1 y logística - 2005

X0 X2

X3 100
X4
m
 Fuente: M. Bustillo Revuelta - C. López Jimeno… Cap.6, p.217

En la figura anterior se muestra la posición de las muestras analizadas y de la

muestra a estimar para esta aplicación.(6)

SOLUCIÓN:

Trata de resolver el sistema de ecuaciones de Krigeaje para cuatro puntos, es

decir.

K1γ 1,1 + K2γ 1,2 + K3γ 1,3 + K4γ 1,4 + μ = γ 0,1

K1γ 2,1 + K2γ 2,2 + K3γ 2,3 + K4γ 2,4 + μ = γ 0,2

K1γ 3,1 + K2γ 3,2 + K3γ 3,3 + K4γ 3,4 + μ = γ 0,3

K1γ 4,1 + K2γ 4,2 + K3γ 4,3 + K4γ 4,4 + μ = γ 0,4

K1 + K2 + K3 + K4 = 1

Conociendo, para calcular los γ i,j que las ecuaciones del modelo esférico son:

γ * (h) = C0 + C[1.5(h/a) – 0.5(h/a)3] para h < a

γ * (h) = C0 + C para h > a

El principio habría que obtener 16 valores de γ(h) en las ecuaciones del modelo

esférico. Sin embargo, esta cantidad disminuye notablemente por dos razones:

a) la matriz es simétrica, por lo tanto γ 1,2 = γ 2,1 , γ 1,3 = γ 3,1 , etc.

b) las distancias entre algunos γ(h) son similares (p.e. γ 1,2 = γ 2,4 )

para calcular los γ(h) necesarios, se tendría:

γ 1,2 =γ 2,1 =γ 1,4 =γ 4,1 = γ (2002+1002)1/2 = 66[(3/2)[(2002+1002)1/2]/250-(1/2)

[(2002+1002)1/2]3/2503] +17 = 81.94

γ 1,3 = γ 3,1 = γ (2002+1502)1/2 = ... =76.02

γ 2,3 = γ 3,2 = γ 3,0 = γ 0,3 = γ (1002+502)1/2 = ... =58.32

γ 2,4 = γ 4,2 = γ (3002+1002)1/2 = ... =83.00

(6)
M. Bustillo Revuelta - C. López Jimeno… Op. Cit. Cap.6, p.217.
 γ 3,4 = γ 4,3 = γ (2002+502)1/2 = ... =80.13

γ 0,1 = γ (100) = 54.48

γ 0,2 = γ (200) = 79.30

γ 0,4 = γ (1002+1001/2) = ... =67.02

γ 1,1 = γ 2,2 = γ 3,3 = γ 4,4 = γ (0) = C0 =17

Sustituimos estos valores de γ(h) en las ecuaciones de Krigeaje, se obtendría un

sistema de cinco ecuaciones con cinco incógnitas, cuya resolución ofrece los

siguientes resultados: (b)

K1 = 0.393; K2 = 0.022; K3 = 0.329 y K4 = 0.256

Por lo tanto, el valor de la variable ley en cinc para el punto X0 seria:

G(Xo) = (0.393 x 8.2) + (0.022 x 9.6) + (0.329 x 13.1) + (0.256 x 6.4)

G(Xo) = 9.38 %

Interpretación:

El mayor interés que presenta el Krigeaje puntual es que permite obtener una serie

de valores estimados a los cuales, posteriormente, se les puede ajustar un conjunto

de líneas de isocontenidos.

2.4 DETERMINACION DE LA LEY PROMEDIO DEL BLOCK EN LA

(b)
ibíd. P123
COMPAÑIA MINERA SAN IGNACIO DE MOROCOCHA S.A.

En empresa minera PANAMERICAN SIVER CORPORATION, en su unidad

minera SAN IGNACIO DE MOROCOCHA S.A, el área de geología desea
investigar la ley promedio del bloque cubicado tal como se muestra en el siguiente
grafico, para dicha investigación se tiene un block ABCD de 30x15 m, cuyo punto
central es “E”; cual sería la mejor alternativa a considerar para el block referido.
Considerar el alcance de 40 y la meseta de 2.5, bajo el modelo de exponencial:
interprete sus resultados.(5)

B C

30
N E

D
A M
15

SOLUCION:

a = 40
1
C =2.5 C0 = 0

C = 2.5

Co = 0 h
40m
Decimos que X, es la ley promedio del block

1)Estimando la ley promedio del block

Z(X) = λ1 z(x1)……………………………………….. (*)

2) construyendo nuestros matriz de Krigeaje

λ1σ11 + μ = σ1V

λ1 = 1
(5)
Marco Antonio Alfaro Sironvalle… Estimación de Recursos Mineros.- Paris, Escuela de minas
de Paris, 2007.-, Cap. V, p.355
 Sabemos que:

σ11= 0 porque (h=0) y además Co = 0

Por tanto:

μ = σ1V

Hallando:
 7.5 15 
 (1V )  1 2.5 H  ,   1 2.5 * (0.192)  0.0768
 40 40 

Reemplazando en (*)

Z(X) = 1*z(x1) por tanto que Z(X) = z(x1)

Hallando
 15 30 
 (VV )   ( ABCD , ABCD )  1 2.5 * F  ,   1 / 2.5 * (0.252)  0.1008
 40 40 

Reemplazando valores a la varianza de krigeaje.

 E2   1  vV     (VV ) (1)

 E2  1* 0.0768  0.768  0.1008  0.052

3) Hallando la varianza de estimación en punto “A como de referencia.

 E2  2 vV   ( vV )   ( vV )

Sabemos que:
 15 30 
 ( vV )   ( A, ABCD )  1 2.5 * H  ,   0.144
 40 40 

Hallando
 ( vv )   ( A, A)  Co  0  0 porque h  0

Hallando
 15 30 
 (VV )   ( ABCD , ABCD )  1 2.5 * F  ,   0.1008
 40 40 

Reemplazando valores en (1)

 E2  2(0.144)  0  0.1008  0.1872

4) analizando en el Punto “B” como referencia

 Hallando
 ( vV )   ( B , ABCD )  1 2.5 * H  ,   0.144
15 30
 40 40 

Hallando
 ( vv )   ( B , B )  Co  0  0 porque ( h  0)

Hallando
 (VV )   ( ABCD , ABCD )  C 0  0  0

Reemplazando valores (1)

 E2  2(0.144)  0  0  0.288

5) analizando en el Punto “D”

En este punto es igual la varianza de estimación que el punto B.

6) analizando o tomando como referencia la recta AD que representa a todo

el bloque entonces seria.

sabemos que:  E  2 vV   ( vV )   ( vV )
2

Hallando
 15 30 
 ( v ,V )   ( A, ABCD )   ( D , ABCD )  1 2.5 H  ,   0.144
 40 40 

Hallando
 ( A, A)   ( DD )   ( AD )   ( DA)
 ( vv ) 
4

(AD) (AD) (15)  0  2.5*1 e   0.782

Sabemos que:

 /15/ 40/
 ( AA)  0   ( D , D )

Reemplazando
0  0 A0.782  0.782
A
 ( vv )   0.391
4 B
C
 (VV )   ( ABCD , ABCD )  0.1008 D
Además

D
 Hallando la varianza de estimación tenemos:

( CE, ABCD

 2(0.144
Co  )00.391
0  0.1008  0.204
2
)
7) Analizando o tomando como referencia el punto
 ( C ,C )  0    porque ( h  0) yademas(Co  0)
“C”

 ( C , ABCD )   (V ,V )  Co  0  0
Por lo tanto:

 E2  2(0)  0  0  0

8) Analizando o tomando como referencia el punto “M”

Sabemos que:
 E2  2 vV   ( vV )   ( vV )

Hallando

 ( vV )   ( M , ABCD )  1 2.5 * H 
7.5 30 
,   1 2.5 * (0.31)  0.124
 40 40 
Hallando
 ( vv )   ( E , E )  Co  0  0 porque( h  0)

Hallando
 15 30 
 (VV )   ( ABCD , ABCD )  1 2.5 * F  ,   1 2.5 * (0.252)  0.1008
 10 10 
Reemplazando valores (1)

 E2  2(0.124)  0  0.1008  0.1472

9) Analizando o tomando como referencia el punto “N”

Sabemos que:
 E2  2 vV   ( vV )   ( vV )

Hallando
 15 15 
 ( vV )   ( N , ABCD )  1 2.5 * H  ,   1 2.5 * (0.425)  0.17
 40 40 
 Hallando

 ( vv )   ( E , E )  Co  0  0 porque( h  0)

Hallando
 15 30 
 (VV )   ( ABCD , ABCD )  1 2.5 * F  ,   1 2.5 * (0.252)  0.1008
 10 10 
Reemplazando valores a (1)

 E2  2(0.17)  0  0.1008  0.239

10) Analizando o tomando como referencia los puntos A, B, D que representa

a todo el bloque entonces seria.

Sabemos que:  E2  2 vV   ( vV )   ( vV )

Hallando
 15 30 
 ( v ,V )   ( A, ABCD )   ( B , ABCD )   ( D , ABCD )  1 2.5 H  ,   0.144
 40 40 

Hallando

 ( A, A)   ( BB )   ( DD )   ( BD )   ( DB )   ( AD )   ( DA)   ( AB )   ( BA)
 ( vv ) 
9

(AB) (BA) (30)  0 2. *5 1 e  1.32

 / 30 / 40 /

(BD) (DB) (3 .54)  0 2. *5 1 e  1.419

/3 . /5 40/

(AD) (AD)  (15)  0  2. *5 1 e   0.782

/15/ 40/
A A
B
C
B
D

Sabemos que
D
 ( AA)   ( BB )   ( DD )  0
 Reemplazando

0  0  0  1.419  1.419  0.782  0.782  1.32  1.32

 ( vv ) 
9

 ( vv )  0.782

 (VV )   ( ABCD , ABCD )  0.1008

Reemplazando:
 E2  2 * 0.144  0.78  0.1008  0.595

Interpretación: Una vez que hemos analizado en todo los puntos del block

ABCD, el error de estimación podemos elegir el menor error de estimación. Lo

cual es, en el punto E, lo cual hemos hallado por el método de estimación de

krigeaje. El valor es 0.0528, este significa que nuestro error de estimación en este

punto es de 5.28 %. Además nos da a entender que con este porcentaje de error no

caeremos al error de subestimación o sobrestimación de la reserva mineral.

2.5 APLICATIVO DEL INVERSO DE LA DISTANCIA

En un banco de 18 m. de altura de la mina tintaya se tiene la siguiente información

de los taladros de exploración:

- Leyes de cobre total de los compositos a 15 m.

- Coordenadas de los compositos en el banco
- Las coordenadas del cuadrilátero A, B, C, D, que delimita el área explorada.

ESTE NORTE
A 346435 8565109
B 347994 8565109
C 346465 8563550
D 347994 8563550

sondeo ley cu(%) prof. (m) ESTE NORTE

1 1.45 18 347215 8564330
2 0.67 18 347215 8564330
 3 1.08 18 347215 8564330
4 0.58 18 347215 8564330
5 1.53 18 347215 8564330
6 0.91 18 347215 8564330
7 1.58 18 347215 8564330
8 1.26 18 347215 8564330
9 0.74 18 347215 8564330
10 1.34 18 347215 8564330
11 1.69 18 347215 8564330
12 1.76 18 347215 8564330
13 0.71 18 347215 8564330
14 0.97 18 347215 8564330
15 0.83 18 347215 8564330
16 0.76 18 347215 8564330
17 1.49 18 347215 8564330
18 0.93 18 347215 8564330

¿Calcular las leyes del banco, las reservas de mineral y contenido fino, por el

método inverso de la distancia?

SOLUCION

Para la solución de este problema utilizamos el método inverso cuadrado de la

distancia, cuyo exponente es 2, que es el valor que estadísticamente suele ser más

representativo en aquellos lugares en donde se ha medido.

a. Determinación del área de influencia

Para determinar el área de influencia se ha hecho uso de las definiciones

expuestos den el capítulo I que es representada en la figura 1

UBICACIÓN DE LOS COMPOSITOS Y DE SU AREA DE

IMFLUENCIA
(66)
b. Calculo y resultado
Edmundo Turcanaza Navarro…Apuntes Geoestadistica. – Lima, 1974.-p78
Con ayuda de las formulas definidas en el capítulo I Microsoft Excel, se calcula el

volumen, tonelaje y cantidad de metal ; donde los resultados de presenta en la

siguiente tabla .
CÁLCULO Y REPRESENTACION DE LOS RESULTADOS

profundidad distancias Ley Cu

 1 / /didi2 2 (m)
ley
sondeo (m) (%)
1.00 18.00 979.86 1.45 1.51E-06 1.04E-06
2.00 18.00 860.19 0.67 9.05E-07 1.35E-06
3.00 18.00 670.91 1.08 2.40E-06 2.22E-06
4.00 18.00 779.31 0.58 9.55E-07 1.65E-06
5.00 18.00 593.57 1.53 4.34E-06 2.84E-06
6.00 18.00 889.34 0.91 1.15E-06 1.26E-06
7.00 18.00 305.00 1.58 1.70E-05 1.07E-05
8.00 18.00 558.32 1.26 4.04E-06 3.21E-06
9.00 18.00 797.95 0.74 1.16E-06 1.57E-06
10.00 18.00 405.12 1.34 8.16E-06 6.09E-06
11.00 18.00 174.43 1.69 5.55E-05 3.29E-05
12.00 18.00 631.21 1.76 4.42E-06 2.51E-06
13.00 18.00 776.03 0.71 1.18E-06 1.66E-06
14.00 18.00 411.13 0.97 5.74E-06 5.92E-06
15.00 18.00 563.23 0.83 2.62E-06 3.15E-06
16.00 18.00 772.74 0.76 1.27E-06 1.67E-06
17.00 18.00 679.80 1.49 3.22E-06 2.16E-06
18.00 18.00 979.86 0.93 9.69E-07 1.04E-06
Sumatoria 1.17E-04 8.30E-05

potencia 2.00 M
gravedad especifica 2.80 tm/m3
lado 1630.00 M
ley (%) 1.41 %
profundidad 18.00 M
area 2656900.00 m2
volumen 47824200.00 m3
tonelaje 133907760.00 Tm
cantidad de metal 1881480.56 Tm
2.6 MUESTREO DE UN YACIMIENTO ALUVIAL EN LA MINA

KIMBERLEY:

La mina Kimberley es una mina de diamantes ubicada en Sudáfrica, a

realizado un muestreo de un yacimiento aluvial de diamantes, con el fin de

encontrar nuevas reservas. Cada muestra es representativa de la grava

obtenida en muestras de 20 m de longitud y 1 m de ancho. La variable

regionalizada para calcular las reservas fue el peso, en quilates, de los

diamantes encontrados en cada muestra, los valores encontrados de γ(h) que

se obtuvieron fueron:(2)

Lag 1 (20 m) – 0.0147

Lag 2 (40 m) – 0.0213

Lag 3 (60 m) – 0.0226

Después de estos valores la meseta oscilaba alrededor de 0.0226, definir los

valores de γ(h) para el cálculo del semivariograma puntual.

SOLUCION:

El alcance aparente a* es igual a 60 m, por lo que el rango será de 60 - 20 m=

40m, pues la longitud de la muestra es de 20 m. por tanto l/a = 20/40 = 0.5.

ahora es posible calcular los valores de C y Co para el semivariograma

puntual a través de la siguiente figura 1, la figura 1 nos muestra los

variogramas la cada uno de los lag.

Figura 1: Grafico de regulación.

(2)
M. Bustillo Revuelta - C. López Jimeno… Manual de evaluación y diseño de explotaciones
mineras.-Impreso en Madrid, Editorial Entorno grafico S.L, primera edición, 1997.-, Cap. 6, p.214
 Fuente: M. Bustillo Revuelta - C. López Jimeno… Manual de evaluación y
diseño de explotaciones mineras.-Impreso en Madrid, Editorial
Entorno grafico S.L, primera edición, 1997.-, Cap. 6, p.215.

Para el lag 1 – h/a = 20/40 = 0.5 ------ X1 = 0.415

Para el lag ∞ – h/a = 60/40 = 1.5 ------ X2 = 0.760

Los valores de X1 y X2 se han obtenido de la figura1, entrando con sus

respectivos valores de l/a (0,5) y h/a (0,5 y 1,5). Para obtener los valores de C

y Co se resuelven las ecuaciones simultáneas.

γ(20) = 0.00147 = Co + C(0.415)

γ(∞= 60) = 0.0226 = Co + C(0.760)

 Donde C = 0.0229 y Co = 0.0052

Luego aplicando la fórmula matemática del modelo esférico se tendrá:

 3  h   1  h  3 
 ( h)  C 0  C         , si h  a
 2  a   2  a  
 
 ( h)  C 0  C para h  a

Los valores del semivariograma puntual serán pues:

γ(20) = 0.0210

γ(30) = 0.0263

γ(40) = 0.0281

γ(∞) = Co + C = 0.0052 + 0.0229 = 0.0281.

2.7 EXPLORACIONES EN LA COMPAÑÍA MINERA BARRICK GOLD

CORPORATION
La compañía minera Barrick Gold Corporation, en su Unidad Económica-

Administrativa Lagunas Norte, ubicado en el distrito de Quiruvilca, Provincia

de Santiago de Chuco, departamento de La Libertad -en el área denominada

distrito minero Alto Chicama -, a 140 kilómetros al este de la ciudad de

Trujillo. La altura del yacimiento se eleva entre 4,000 y 4,260 metros sobre el

nivel del mar. Lagunas Norte es una mina de tajo abierto, que utiliza un

proceso de recuperación del oro mediante la extracción del mineral a través de

movimiento de tierra, chancado del mineral, lixiviación en pozas y refinado

mediante el sistema Merrill Crowe. Ha decidido realizar una campaña de

exploración por medio de sondajes diamantinos con el objetivo de encontrar

nuevas reservas para incrementar su producción.(3)

En el siguiente esquema se muestra los sondajes realizados, con sus

(3)
www.google.com/geoestaditica.
respectivos resultados.

Donde la malla de sondeo es de 10 x 10 m, los valores que se muestran son

las leyes de oro que están en gr/m3.

Se pide construir y modelizar los variogramas para las direcciones 1-3 y 2-4

SOLUCION:

El formulismo matemático, para encontrar los variogramas tanto en la

dirección horizontal como vertical tenemos:

(h) =  [ Y(xi+h) - Y (xi) ]2 (H) + [ Y (xi+h) – Y (x) ]2(V)

2x ( NpH + NpV)

Cuando es malla regular

(h) = NpH x  (h)H + NpV x  (h) V

(NpH + NpV)

(h) = (h) H + (h)V malla cuadrada

A continuación se presenta los diversos cálculos determinados:

a) Para dirección “1”: usamos la siguiente formula.

 (h)    ^ Y ( Xi  h)  Y ( Xi )  2 / 2np

Reemplazando tenemos:
 (1) =  (0.33-0.42)2+(0.40-0.37)2+...+(0.41-0.41)2 
2(24)
2 6
 (1) = 0.00041 gr /m

Idem para h = 2, 3, 4, 5, 6, 7, 8 y 9.

b) Para dirección “2”:

 (112)=  (0.33-0.39)2+(0.41-0.39)2+...+(0.35-0.35)2 
2(17)

 (112)= 0.00066 gr2/ m6

Idem para h12 = 212, 312, 412, 512

Para dirección “4”:

 (112)=  (0.33-0.39)2+(0.41-0.39)2+...+(0.35-0.35)2 
2(19)
 (112)= 0.00041 gr2/m6

Idem para  (h12) = 212, 312, 412, 512, 612.

En los siguientes cuadros se muestran los resultados

Cuadro de resumen
DIRECCIÓN “1” DIRECCIÓN “3”
h  (h) gr2/m6 np  (h) gr2/m6 np
1 0.00041 24 0.00045 21
2 0.00084 19 0.00087 17
3 0.00120 18 0.00115 14
4 0.00095 18 0.00204 5
5 0.00060 15 0.00242 5
6 0.00104 10 0.00215 3
7 0.00150 8 0.00005 1
8 0.00153 6
9 0.00122 4
 (h12) gr2/m6
Fuente: www.google.com/geoestaditica.
 Cuadro resumen
Dirección “2” np Direccion”4” Np
H 2
1 2 0.00066 17 0.00041 19
2 2 0.00120 13 0.00119 16
3 2 0.00150 8 0.00170 10
4 2 0.00193 3 0.00195 4
5 2 0.00180 1 0.00183 4
6 2 0.00050 2
Fuente: www.google.com/geoestaditica.

c) Calculo del variograma en la dirección “1-3”:

 (1) = (24 x 0.00041) + (21 x 0.00045)

24 + 21
 (1) = 0.0004 gr2/m6
Idem para h = 2, 3, 4, 5, 6,7, y 8

d) Calculo del variograma en la dirección “2-4”:

 (112) = (17 x 0.00066) + (19 x 0.00050)

 (112) = 0.0006 gr2/m6

Idem para  (h12) = 212, 312, 412, 512, 612.

El siguiente cuadro muestra los demás resultados.

Cuadro resumen

DIRECCIÓN “1-3” DIRECCIÓN “2-4”

H  (h) gr2/m6  n h 2  (h) gr2/m6  npj
pj
1 0.0004 24 + 21 1 2 0.0006 17 + 19
2 0.0009 19 + 17 2 2 0.0012 13 + 16
3 0.0012 19 + 14 3 2 0.0016 8 + 10
4 0.0012 18 + 5 4 2 0.0019 3+4
5 0.0011 15 + 5 5 2 0.0018 1+4
6 0.0013 10 + 3 6 2 0.0005 2+0
7 0.0014 8+ 1
8 0.0015 6+ 0
9 0.0012 4+ 0
Fuente: www.google.com/geoestaditica.

e) Calculo de la media:
 15
 1
X 
n
 Xi
i 1
........(1)

Reemplazando tenemos:

 0.30  0.39  ...  0.41

X   0.03635 gr / m 3
15

f) Calculo de la varianza:

Sabemos que:

2  ( Xi  X )2
S 
n 1

2 ( 0.30  0.3635) 2  ( 0.39  0.3635) 2   ( 0.41  0.3635) 2

S 
40  1
 0.0011

Luego se construye y modeliza el variograma, esto se muestra en el siguiente

grafico.

Fuente: www.google.com/geoestadistica.

Además se obtiene:

Co = 0.0002 gr2/m6

C = 0.0009 gr2/m6
 a = 2.688 m.  2.70 m

lo mismo se hace para la dirección 2 – 4 , la siguiente grafico muestra la

modelización del variograma en la dirección 2-4.

VARIOGRAMA " DIRECCION2 - 4"

0.002

0.0015
EXPERIMENTAL
VARIOGRAMA

0.001

0.0005

0
0 2 4 6 8 10
" H" ENMETROS

Fuente: www.google.com/geoestadistica.

Interpretación:

Como se observa el variograma en metros en los diferentes direcciones son

diferentes y se observa las diferentes resultados y el tipo de modelo que se

utiliza según los gráficos.