Documentos de Académico
Documentos de Profesional
Documentos de Cultura
• Gy, P., 1982., Sampling of Particulate Materials Theory and Practice, Developments in
Geomathematics 4. Elsevier Scientific Publishing Company, 431 p.
• Gy, P, 1998. Sampling for Analytical Purposes, 153 p (John Wiley & Sons).
• Ingamells, C O and Pitard, F, 1986. Applied Geochemical Analysis, 733 p (John Wiley and Sons).
• Pitard, F., 1993. Pierre Gy s Sampling Theory and Sampling Practice, Heterogenity, Sampling
Correctness, and Statistical Process Control. CRC Press, 488 p.
Esta presentación fue preparada por Pablo Carrasco (Geólogo UCN) y cedida a la cátedra
de EYM de la U. de Santiago.
INTRODUCCIÓN
¿Qué es el muestreo?
• El muestreo es fundamentalmente, un ejercicio
de reducción de masa que se consigue a través
de medios técnicos adecuados.
• i = Tasa de descuento
300.
250.
Precio= 1 U$/Lb
Pérdidas MU$
100.
50.
0.
CASO 2 INEXACTITUD EN
MUESTREO DE COLA (RELAVES DE
COBRE)
Caso de estudio muestreo de
relaves
• Una estación de muestreo de ½ millón de dólares se instaló para medir la ley de cola y la densidad de
la pulpa en un yacimiento de la zona central de Chile
• La estación se construyó porque las colas iban a ser vendidas a otra compañía que las trataría aguas
abajo, por lo tanto la ley y el tonelaje tenían que ser estimados de manera correcta
• La estación de muestreo fue diseñada de acuerdo a las reglas de muestreo equiprobable de la TOS*
• El flujo era de 96.000 tpd y la ley de la cola se asumía en 0.15 % cobre mediante balance metalúrgico
tradicional
• La estación comprobó que la estimación tradicional de la cola era errónea, siendo en realidad 0.2 % de
cobre (sesgo de 0.05 % CuT)
• Probablemente en el pasado este sesgo era mayor, ya que las técnicas metalúrgicas eran menos
eficientes y además se explotaba mayoritariamente mineral de enriquecimiento secundario de alta ley
é (1 + i )n - 1ù
NPV = ê ú• A
ë i û
éæ (1 + 0.1)20 - 1 ö ù
NPV = êçç ÷ * 38.544 MU $ú » 2207 MU $!
0.1 ÷
ëêè ø ûú
Ejemplos de Pérdidas económicas por imprecisión e inexactitud en el
muestreo
CASO 3 IMPRECISIÓN DE
MUESTREO DE POZOS DE
TRONADURA
Pérdidas económicas por
muestreo deficiente en Pozos æ 1 - e-10*0.1 ö
B = (22 * 0.8 *1 * 0.4272 - 7.05) * 2.835 * çç
+
÷÷ B + » 8.4MU $
è 0.1 ø
B+
æ 1 - e-10*0.1 ö
B = (22 * 0.8 *1 * 0.37314 - 7.05) * 4.385 * çç
-
÷÷ B - » -13.4MU $
è 0.1 ø
B- B + - B - » 21.8MU $
æ 1 - e -10*0.1 ö
B = (22 * 0.8 *1* 0.48079 - 7.05)* 9.225 * çç
+
÷÷ » 82.33MU $
è 0 .1 ø
B+
æ 1 - e-10*0.1 ö
B = (22 * 0.8 *1 * 0.34525 - 7.05) *10.715 * çç
-
÷÷ » -65.95MU $
è 0.1 ø
B-
B + - B - » 148.28MU $
¿Por qué pasan estas cosas, si el muestreo es tan
importante y hay tanto dinero involucrado?
Desafíos Culturales (Aspectos que
es necesario cambiar)
• El muestreo es visto como una actividad vulgar, mal remunerada, realizada
por personas de escasa preparación académica y de bajo “status” dentro de
una empresa
Muestreo de finos
con poruña
Uso de datos de muestreo de
producción
• Programación de producción
– Discriminación
• Mineral a Planta
• Mineral a Acopios
• Estéril a Botaderos
Cortador
Muestreo de colas
• Colas filtradas
Muestreo de concentrados
• Muestreo de concentrado en puerto de
embarque
Muestreo de pilas agotadas
• Dificultades:
– Pilas ROM à granulometría muy heterogénea (colpas + finos)
– Pilas de lixiviación chancadas à heterogéneas producto de
canalización de soluciones y presencia de barro
Muestreo de pilas agotadas
• Muestreo con retroexcavadora y paleo
alternado.
Pila Zanja de
muestreo Muestras
Muestreo de cátodos
• Muestreo de ley de cobre e
impurezas
• Impurezas no están distribuidas en
forma homogénea
• Muestreo se automatiza à no es
equiprobable, en general
ERRORES DE MUESTREO
Errores de muestreo
• Error Fundamental
• Error de extracción
• Error de delimitación
• Error de segregación
• Error de preparación
Pierre Gy: Creador de la teoría de
muestreo
Biography:
Family: b. Paris, July 25, 1924; s. Felix and Clemence (Gourdain) Gy; m. Sylvia Duchesne,
1946; children: Genevieve, Anne, Caroline.
Education: Degree in Chem. Eng. Paris Sch. Physics & Chemistry, 1946; Ph.D. Physics, U.
Nancy, 1960; Ph.D. Math., U. Nancy, 1975.
Memberships: Mem. AAAS; Am. Inst. Mining Engrs. (hon); Can. Inst. Mining and Metallurgy;
N.Y. Acad. Sciences.
Honours: Medal, Mining and Metall. Inst. Japan, 1958; 2 gold medals Soc. de L’industrie
Minerale, 1963, 1976, Lavoisier medal French Soc. Chemistry, 1995.
Publications: 9 books; 175 papers; innumerable lectures, courses
Professional career: Chem.engr. CMCF, Congo, 1946-49; research engr. Minerais & Metaux.,
Paris, 1949-1952; from head mineral processing labs to tech. mgr., 1952-1962; industrial
sampling and blending consultant, Cannes, 1963-present.
Founder: Internat. Sampling Inst., France.
Avocations: Photography, mountain climbing
Pierre Gy: Creador de la teoría de
muestreo
Error Fundamental de muestreo
Fórmula de Pierre Gy
• Resulta de la heterogeneidad de constitución del mineral que se
desea muestrear. Se denomina fundamental, pues es el único error
que nunca se cancela
• Este error permanece aún cuando la operación de muestreo es
perfecta
• Es el único error que se puede estimar a priori
• Ejemplos:
Apertura insuficiente en un
separador de rifles.
• Separador de riffles
Correcto Incorrecto
Esquema de la perforación de un
pozo de tiro
Delimitador Incorrecto.
Delimitación con bandeja radial
• Delimitación – Bandeja Radial
Error de segregación y agrupamiento se combate con
homogenización en la etapa de preparación
Segregación
Ejemplo de error de delimitación
Extracción con Tubos
Segregación Segregación
por densidad por tamaño
• Heterogeneidad de distribución en un flujo
• Toma de muestra puede producir sesgo
• En plantas, al existir divisores de flujo, se puede tener flujos con distintas
características que producen ineficiencias
Error de preparación y análisis
químico
• Error de preparación
– Incluye los errores de contaminación, perdidas de finos, alteración química o física,
errores humanos y fraude
• Error de Análisis
– Se genera por operaciones analíticas tales como ensaye químico, determinación de
humedad, análisis granulométrico, estimación de la densidad de pulpa, etc. Puede
ser fuente de sesgos importantes. Impacto Económico del Sesgo.
300.
250.
Precio= 1 U$/Lb
Pérdidas MU$
100.
50.
0.
“Pon un poco de
oro en esas
muestras”
PROTOCOLOS DE MUESTREO Y
CONTROL DE CALIDAD
Protocolos de muestreo y control
de calidad
• Protocolos de Muestreo (deberían de definirse según TOS
minimizando el error fundamental de muestreo)
– También se deben minimizar los demás errores de
muestreo mediante muestreo “equiprobabilístico”
• Control de calidad:
– Control Granulométrico de Chancado y Molienda
– Rechazos Gruesos
– Análisis en Duplicados
– Muestras Estándar
Protocolos de muestreo
• El protocolo es un proceso de varias etapas de conminución y
reducción de masa
– Ej. muestra inicial de 40 kg se reduce a 0.5 g para análisis de Cu
2
æ s ö æç 1 1 ö
÷
ç ÷ =ç - 3
÷ * f * g *c *l * d
è a ø è Ms ML ø
Test de Heterogeneidad
Test de Heterogeneidad
El objetivo del test es calcular la constante de muestreo c(d) a varios tamaños d
usando las siguientes ecuaciones:
1) IHL = C (d ) * d 3
2) C = f * g *c *l
dl
3) l= , donde d l , es el tamaño de liberación del mineral de interés.
d
dl
4)
c(d ) = f * g * c *
d
5) k = f * g * c * dl
k
6)
c(d ) =
d
3 3
d1 + d 2
7)
d =3 , d1 y d2, son los tamaños de la fracción en que se realizó
2
el test de heterogeneidad.
Constantes de muestreo para
óxidos de cobre
• Cuando no se tenga información se puede usar C = 10 para diseñar un
protocolo seguro para óxidos de cobre
C(d=1) v/s Contenido
CuT
10 Y = 10
At-W-Fox Cr-W
Br-Cpy-Bo
5
Cr Cr-W
W
Cr-Ar-W FoxCr
Ar-Cr-W-At W Ar-W
Constante CuT
At-Ar Cr-w
1 At-Cr-Ar
At-Ar Cr-W
At-Ar Ar-Cr-At
At-Ar
Cr-Cpy
0.5
Ar-Cr-W-At Ar-Cr Simbología.
At-Ar R. Tomic
Mina Sur
C. Antiguo
Damiana
Gaby
Cr-Ar-W Cr-Ar-At San Antonio
Ar Arcillas de Cu
At Atacamita
0.05 Cr Crisocola
W Wad
Br Brochantita
Cpy Calcopirita
Bo Bronita
Cc Calcosina
0.01
0.1 0.5 1 2 3 4
% CuT
Constantes de muestreo para
sulfuros de cobre.
• Cuando no se tenga información se puede usar C=7.5 para cobre y la
ecuación de potencia para Mo y As
Constante de Muestreo v/s Contenido
Y = 25 X -0.34309
El Teniente
(Andesita)
100 Chuquicamata
(UG - 33)
Chuquicamata
(UG - 56)
El Teniente
Constante de Muestreo
Y = 7.5
(UG - 59) (UG - 33)
Chuquicamata
(UG - 63) El Teniente
(Andesita)
Andina
(3er Panel (Sondajes))
Chuquicamata
Simbología Chuquicamata
(UG - 56)
(UG - 42)
1 Cobre
Molibdeno
Arsénico
0.1
0.001 0.01 0.1 1
Contenido (%)
Nomograma de muestreo
(Protocolo seguro para CuT Óxidos C=10)
Protocolo seguro de preparación de muestras de pozos de tiro
y sondajes de aire reverso. Óxidos
0.01 10 %
d=1/2 "
1E-3
d=10 #
Varianza Error
1E-4
d=150#
Error Total=6.3 %
1E-5
Masa
1
d=1/2"
100.1%
Varianza Error
0.01 d=10#
1E-3
d=150#
1E-4
Error Total=7.32 %
1E-5
1 10 100 1000 10000
Masa (gr)
• Cada muestra debe estar formada de n fragmentos elegidos al azar de tal manera
que la suma de las masas de los fragmentos sea aproximadamente igual en todas
las muestras. Numerar las muestras del 1-64 (ó de 1-100)
• Realizar análisis químico de cada muestra. Usar ensaye a fuego con finalización
gravimétrica para el oro.
QAQC PARA MUESTREO DE
SONDAJES
Controles usados en sondajes
diamantinos.
• Se realizan duplicados de pulpa, rechazos y
doble caras (ciegos)
2,0
1,0
0,0
0,0 1,0 2,0 3,0 4,0 5,0
% CuT Original
5
Dif Rel %
-5
-10
22
24
29
39
39
44
52
59
57
64
65
66
77
78
91
89
01
99
00
38
61
65
64
07
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
1,
1,
1,
1,
1,
2,
% CuT
Ejemplos de Control de Calidad
(Preparación mecánica + análisis químico)
Control Dup
Scatter OR vs DUP Elemento CuT
Datos n 319
3,5
Minimo % 0.0005
y = 0,9919x + 0,0017
Máximo % 3.016
3 R² = 0,9982 Prom Original % 0.272
Prom Check % 0.271
2,5
Prom Diferen % 0.001
CuT Duplicado
2 Desvest % 0.015
Varianza 0.00023
OR vs DUP Coef. Variación % 3.94
1,5
Lineal (OR vs DUP) Error Relativo % 0.20
1
0,5
0
0 0,5 1 1,5 2 2,5 3 3,5
CuT Original
Muestras Estándar
Análisis de Cobre Total - LEY ALTA
2,60
2,57 Media ±2s
2,54
2,51
2,48
2,45
2,42
2,39
2,36
2,33
2,30
2,0
1,0
0,0
0,0 1,0 2,0 3,0 4,0 5,0
% CuT Original
5
Dif Rel %
-5
-10
22
24
29
39
39
44
52
59
57
64
65
66
77
78
91
89
01
99
00
38
61
65
64
07
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
0,
1,
0,
1,
1,
1,
1,
1,
2,
% CuT
Ejemplos de Control de Calidad
(Preparación mecánica + análisis
químico)
Scatter OR vs DUP
3,5
y = 0,9919x + 0,0017
3 R² = 0,9982
2,5
CuT Duplicado
OR vs DUP
1,5
Lineal (OR vs DUP) Control Dup
Elemento CuT
1
Datos n 319
Minimo % 0.0005
0,5
Máximo % 3.016
Prom Original % 0.272
0 Prom Check % 0.271
0 0,5 1 1,5 2 2,5 3 3,5
Prom Diferen % 0.001
CuT Original
Desvest % 0.015
Varianza 0.00023
Coef. Variación % 3.94
Error Relativo % 0.20
Diferencias ordenadas por fecha
Error relativo ordenado por fecha
Diferencias ordenadas por ley
Error relativo ordenado por ley
Error Relativo % Ordenado por Ley
30.00
20.00
10.00
%
o
ivt
la 0.00 Err_ relativo %
e
R
r Max_Tol_Err+
o
rr
E Max_Tol_Err-
-10.00 10 per. Mov. Avg. (Err_ relativo %)
-20.00
-30.00
5 1 5 6 8 1 6 2 9 5 4 2 3 1 8 1 2 4 9 1 1 9 5 5 8 4 2 2 4 1 4 1
0 0 0 0 0 1 1 .0 2 3 .0 5 6 8 9 2 4 6 8 2 5 .2 2 6 0 7 4 0 6 2 0 3
0 .0 .0 .0 .0 .0 .0 0 .0 0
. 0 .0 0
. .0 .0 .1 .1 .1 .1 .2 .2 0 .3 3
. .4 .4 .5 .6 .6 .7 .8 .1
.0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 0 1
0
CuT
Un proceso de control no tan
bueno
Un proceso de control malo
Gráfico del material de referencia
a lo largo del tiempo
MR 2 = 0,657 %CuT s = +/- 0,014 % CuT
0,728
0,714
+3s
0,700
0,686
0,672
% CuT
0,658
0,644
0,630
0,616
0,602 -3s
0,588
0,574
1 3 5 7 9 11 13 15 17 19 21 23 25 27 29 31
Medidas Realizadas
Gráfico del material de referencia
a lo largo del tiempo
• El STD 19 tiene un CV 1.61 % y un error relativo de 0.67 %, es decir con
excelente precisión y una leve tendencia de medir a la baja 0.005 %. No
se observan fallas.
Gráfico del material de referencia
a lo largo del tiempo
• El STD 1 tiene un coeficiente de variación de 2.14 % y un error
relativo de -1.43 % mostrando sesgo sistemático de 0.02 CuT.
Comentarios
• !" para los scatterplots debe ser idealmente mayor que 0.99
para Cu – Mo y mayor que 0.98 para elementos más
complejos como As