Estimación de recursos en un yacimiento de hierro

Ignacio Salinas*, Xavier Emery

Departamento de Ingeniería de Minas, Universidad de Chile, Avenida Tupper 2069, Santiago, Chile
Advanced Mining Technology Center, Universidad de Chile, Avenida Beauchef 850, Santiago, Chile

* E-mail: i.salinas.luppi@gmail.com

Resumen. Este trabajo aborda el problema de estimar los perfecta entre las leyes de hierro y la densidad de roca.
recursos de hierro total y hierro recuperable en un Esta última observación indica que la densidad es una
yacimiento reconocido por sondajes de exploración. Se función lineal de la ley de hierro, por lo que se trata de una
compara los resultados obtenidos mediante dos métodos. variable calculada y no de una variable medida:
En el primero, se estima las leyes y la densidad de roca,
luego se calcula los contenidos de hierro (productos de las
leyes por la densidad y, en caso del hierro recuperable, por Densidad (t / m 3 ) = 2.48 + 0.032 × Fe(%)
la recuperación), mientras que el segundo método trabaja
directamente con los contenidos. Los resultados muestran
coincidencia en el tonelaje estimado por ambos métodos
(con un error relativo del orden de 0.5%), pero se observa
mayores discrepancias en las cantidades de hierro (con un
error relativo del orden de 5%). El segundo método es
preferible en la práctica, puesto que tiene sentido sumar
los contenidos estimados de todos los bloques, cosa que
no sucede con las leyes (variables no aditivas).

Palabras Claves: geoestadística; cokriging; densidad de

roca; variables no aditivas Figura 1. Nube de dispersión entre leyes de hierro y sílice.

1 Introducción
El objetivo de este trabajo es estimar los recursos de un
yacimiento de hierro, reconocido a partir de una campaña
de sondajes de exploración. Específicamente, se cuenta
con una base de datos con información de las coordenadas
espaciales (este, norte, cota), ley de hierro, ley de sílice,
densidad de roca y recuperación, que corresponde al
cociente entre la ley de hierro recuperable y la ley de hierro
total.
La estimación de los recursos se realizará con cokriging
(Chilès and Delfiner, 2012), comparando dos métodos para
llevar a cabo dicha estimación.
2 Presentación de los datos
La base de datos se compone de un total de 8373 muestras
de sondajes. Las estadísticas básicas de dichos datos se
presentan en la Tabla 1. Cabe notar que existe un sub-
muestreo de la recuperación, el cual se debe a un alto costo
asociado a pruebas de laboratorio utilizadas para medir la
ley de hierro recuperable en sectores con bajas leyes de
hierro total.
3 Metodología
3.1 Método 1: estimación de densidad y leyes
Para estimar los recursos, se opta primero por un enfoque
tradicional, el cual consiste en estimar las leyes usando
cokriging. Las etapas a seguir son:
1) Modelamiento de las relaciones entre las medias
de las variables de interés (a saber, ley de hierro,
ley de sílice y recuperación)
2) Modelamiento de variogramas directos y cruzados
3) Validación cruzada para verificar la calidad del
modelamiento
4) Estimación por cokriging de bloques, tomando en
cuenta los dos primeros puntos (Emery, 2012)
5) Corrección de las estimaciones negativas de leyes
6) Cálculo de la densidad de roca a partir de la ley de
hierro estimada, según la relación anterior
7) Cálculo de los contenidos de hierro y sílice. El
contenido se define como el producto de la ley
por la densidad y, en caso del hierro recuperable,
por la recuperación.
8) Reporte de los recursos (tonelajes y cantidades de
metal) de hierro total y hierro recuperable.

El análisis de las dependencias entre variables (Figura 1 y Con respecto a la primera etapa, se identifica una relación
Tabla 2) muestra una baja correlación entre la recuperación lineal entre las leyes medias de hierro y sílice:
y las leyes de hierro y sílice, una importante correlación
negativa entre las leyes de hierro y sílice, y una correlación m Si + 0.786 m Fe = 53.7

933

Esta relación se obtiene al visualizar la nube de dispersión
de la variable Si + 0.786 Fe, en función de la ley de hierro
(Fe), y al observar que dicha nube se distribuye en torno a
una recta horizontal de ordenada 53.7.
Con respecto a la segunda etapa, se analiza la continuidad
espacial de las variables a través de variogramas, con el fin
de construir un modelo de corregionalización. Se identifica
al plano horizontal y a la dirección vertical como las
direcciones principales de anisotropía. El modelo se
construye usando técnicas de ajuste semi-automático y
modelos esféricos anidados y efecto pepita.
La tercera etapa (validación cruzada) consiste en estimar
las leyes de cada dato por cokriging, utilizando solamente
la información de los otros datos, y comparar las leyes
estimadas con las leyes reales. Como resultado, se obtiene
que el cokriging entrega estimaciones insesgadas de las
leyes de hierro (y, por consiguiente, de la densidad de la
roca, que es una función lineal de la ley de hierro), lo cual
se ve reflejado en que la nube de dispersión entre las leyes
estimadas y las leyes reales presenta una recta de regresión
cercana a la identidad (Figura 2).
Figura 2. Nube de dispersión entre leyes estimadas y reales. La
recta de regresión (azul) coincide con la línea diagonal.
3.2 Método 2: estimación directa de contenidos
Un método alternativo para estimar los recursos consiste
en trabajar directamente sobre los contenidos de hierro y
sílice, los cuales tienen la ventaja de ser variables aditivas
(es decir, el valor de la unión de varios bloques es igual a
la suma de los valores de cada bloque) (Carrasco et al.,
2008). En este caso, las etapas a seguir son:
1) Cálculo de los contenidos de hierro, sílice y hierro
recuperable en las muestras de sondajes
2) Modelamiento de las relaciones entre contenidos
medios
3) Modelamiento de variogramas directos y cruzados
4) Validación cruzada para verificar la calidad del
934
modelamiento
5) Estimación por cokriging de bloques
6) Corrección de las estimaciones negativas de
contenidos
7) Determinación de las leyes y de la densidad de
roca a partir de los contenidos estimados, usando
la relación entre densidad y ley de hierro
8) Cálculo y reporte de los recursos de hierro total y
hierro recuperable.
Con respecto a la segunda etapa, se identifica las siguientes
relaciones lineales entre contenidos promedios:
mSi + 0.431mFe = 145.9
m FeRec = 0.973 m Fe
Tal como en el método anterior, el ajuste de variogramas se
realiza en las direcciones horizontales y verticales, usando
modelos esféricos y pepíticos anidados. En cuanto a la
validación cruzada, se obtiene estimaciones insesgadas y
una nube de dispersión entre contenidos estimados y reales
con una regresión cercana a la identidad (Figura 3).
Figura 3. Nube de dispersión entre contenidos estimados y
reales. La recta de regresión (azul) coincide prácticamente
con la línea diagonal.
4 Resultados
Para ambos métodos, el cokriging se aplica para estimar
una grilla de 331800 bloques de tamaño 15 × 15 × 10 m3.
Los recursos estimados por ambos métodos se indican en
la Tabla 3. A pesar de que las diferencias en el tonelaje
total estimado por ambos métodos son pequeñas (error
relativo del orden de 0.5%), existen mayores discrepancias
en las cantidades estimadas de hierro total y hierro
recuperable (error relativo mayor a 5%).
Para explicar estas diferencias, se debe considerar que, en
el primer método, no se estima correctamente las leyes de
cada bloque, debido a que dichas leyes no son variables
aditivas (habría que considerar un promedio de las leyes
ponderadas por la densidad). Asimismo, al multiplicar las cuales tiene sentido calcular una sumatoria sobre todos los
estimaciones de leyes y de densidad, se es susceptible de bloques. Entre las recomendaciones para completar este
generar un sesgo en la estimación. Estas desventajas estudio, se sugiere efectuar simulaciones de los contenidos
desaparecen al aplicar el segundo método, el cual tiene de hierro total y hierro recuperable. Esto permitiría
mayor sustento en este caso. construir escenarios y hacer análisis de riesgo económico,
mediante el cálculo de curvas tonelaje-ley asociadas a
Tabla 3. Tonelajes, cantidades y leyes medias, estimados por leyes de corte dadas.
ambos métodos.
Método 1 Método 2
Tonelaje (MTon) 2339.0 2351.3 Agradecimientos

Cantidad de hierro
504.3 535.9
Este trabajo fue financiado por los proyectos Innova-Corfo
total (MTon) 09CN14-5838 y Fondecyt 1090013, y fue desarrollado en
Cantidad de hierro
el Advanced Laboratory for Geostatistical Supercomputing
443.1 456.9 de la Universidad de Chile.
recuperable (MTon)

Ley media de
20.6 21.1
hierro total (%) Referencias
Ley media de hierro Carrasco, P.; Chilès, J.P.; Séguret, S. 2008. Additivity, metallurgical
18.9 19.4
recuperable (%) recovery, and copper grade. In: Proceedings of the 8th
International Geostatistics Congress, p. 465-476. Santiago.

4 Conclusiones Chilès, J.P.; Delfiner, P. 2012. Geostatistics: Modeling Spatial

Debe tenerse cuidado al momento de estimar los recursos
en yacimientos para los cuales la densidad de roca no es
constante. En estos casos, es recomendable trabajar con los
contenidos (leyes multiplicadas por la densidad), para los
Uncertainty. Wiley: 699 p. New York.
Emery, X. 2012. Cokriging random fields with means related by
known linear combinations. Computers & Geosciences 38 (1):
136-144.

Tabla 1. Estadísticas básicas de los datos de sondajes.

Variable Número de datos Mínimo Máximo Media Desviación estándar
Ley de hierro total (%) 8373 0.05 69.19 27.13 18.47
Ley de sílice (%) 6847 0.15 79.96 30.85 15.44
Recuperación 1219 0.08 1.00 0.88 0.11
Densidad (t/m3) 8373 2.44 4.69 30.85 15.44

Tabla 2. Matriz de correlación entre variables.

Ley de hierro total Ley de sílice Recuperación Densidad
Ley de hierro total 1 -0.942 0.522 1
Ley de sílice -0.942 1 -0.462 -0.942
Recuperación 0.522 -0.462 1 0.522
Densidad 1 -0.942 0.522 1

935