Reconciliación proactiva como herramienta para integrar operaciones de minería y molienda

La conciliación es realizada por la mayoría de las empresas mineras del mundo y se basa en el cálculo del llamado
“factor de llamada de la mina” (MCF). El MCF representa la relación entre la ley, el metal contenido o la masa de
mineral producido con la ley, el metal contenido o la masa de mineral estimada por los modelos de recurso. Para
predecir con mayor precisión lo que la planta de procesamiento podrá producir, el MCF se puede aplicar a estimaciones
futuras en una práctica llamada "conciliación reactiva".

Holtham et al. “la reconciliación del estado compara lo que se ha logrado con lo que se esperaba lograr, de modo que
tanto los procesos de planificación como los de producción puedan refinarse y mejorarse continuamente”

Los buenos resultados de conciliación que se basan en un sistema de conciliación confiable son la clave para que las
empresas mineras demuestren que la información proporcionada sobre recursos, reservas y desempeño de la operación
es precisa, exacta y auditable.

describió cómo un software de conciliación implementado en una mina de diamantes facilita el proceso de conciliación
de modelos geológicos, planes de mina, datos de producción y resultados de la planta, mostrando los beneficios
obtenidos al cerrar el ciclo entre la conciliación y la mejora continua del proceso[5].

Aunque se llevaron a cabo muchos estudios de reconciliación en todo el mundo, fue Morley[9]quien introdujo y
estableció el concepto de 'pronóstico' o 'conciliación proactiva', que es un proceso iterativo que permite la corrección
de los procedimientos de muestreo y estimación de una manera que mejora la predictibilidad del modelo [9,10]y en el
que se basaron algunos de los estudios citados.

Los problemas de reconciliación son muy comunes en la industria minera, especialmente cuando se trata de metales
preciosos o yacimientos con alto efecto pepita o heterogeneidad. Resulta que estos problemas ocurren muy a menudo
como resultado de prácticas de muestreo y/o modelado de recursos inadecuados

El sistema de reconciliación para el oro contenido muestra lo siguiente:

(1) Alta adherencia entre los modelos geológicos (MI = 100%).

(2) Baja dilución planificada (PI = 96%).
(3) Sin dilución operativa y alta recuperación minera (OI = 103%).

(4) Excelente reconciliación entre la mina y el molino (MR = 99%).

El mismo análisis se puede hacer para el cobre, con base en los resultados deTabla 2. Así, el sistema de reconciliación
para el cobre contenido muestra:

(1) Alta adherencia entre los modelos geológicos (MI = 94%).

(2) Dilución planeada baja (PI = 97%).
(3) Muy baja dilución operativa y alta recuperación minera (OI = 99%).
(4) Buena conciliación entre la mina y el ingenio (MR = 90%).

Este ejemplo demuestra que la reconciliación exitosa se basa en la integración de las operaciones de geología, minería
y molienda. La conciliación proactiva es una herramienta eficaz para que la empresa demuestre que la información
proporcionada sobre recursos, reservas y desempeño operativo es confiable y auditable.

Los problemas de conciliación siempre existirán en las operaciones mineras, pero el aspecto más importante para la
evaluación es identificar sus causas y minimizar sus efectos.

Como parte de una nueva rutina mensual, la compañía ahora monitorea los indicadores de conciliación como
indicadores clave de desempeño (KPI) y evalúa las matrices de conciliación cada trimestre para desarrollar pronósticos
más confiables para los trimestres futuros. Anualmente, dichas matrices se utilizan para evaluar la revisión de la LOM
y la conciliación de recursos y reservas.

Los problemas de reconciliación de la mina al molino a menudo tienen múltiples causas, pero los problemas pueden
resolverse, o al menos minimizarse, si se lleva a cabo una buena estrategia.

Un enfoque multivariante para la evaluación y el monitoreo de la calidad del agua en la industria minera y de
procesamiento de minerales
Debido a la escasez de recursos hídricos y las regulaciones gubernamentales más estrictas, el reciclaje de agua en la
industria minera se está convirtiendo en una solución clave para ahorrar agua y construir concentradores de cero
emisiones. Sin embargo, tal acción puede tener impactos dramáticos en el desempeño y mantenimiento de los
concentradores debido a las variaciones en la calidad del agua de proceso. Este estudio revela la conveniencia de (1)
análisis de datos multivariados para la evaluación e interpretación de grandes conjuntos de datos de calidad del agua y
(2) estadísticas multivariadas para monitorear la calidad del agua.

El objetivo de la presente investigación fue investigar la aplicabilidad del análisis de datos multivariados y las
estadísticas en la evaluación y el seguimiento de la calidad en la industria minera y de procesamiento de minerales. Los
dos puntos relevantes que separaron esta investigación de estudios anteriores fueron (1) centrarse en monitorear la
calidad del agua con el fin de controlar el rendimiento de la planta y no para cumplir con las regulaciones ambientales
y (2) tratar con datos de series de tiempo y no con datos espaciales.

Los resultados de este estudio mostraron que el método de análisis multivariado fue capaz de detectar cambios en la
calidad del agua debido a modificaciones en los circuitos de agua. Identificó los cuatro cambios principales que se
implementaron en los circuitos de agua de la mina y que afectaron significativamente la calidad del agua de proceso
durante el período 2002-2018.

La tabla de residuos Q y la T de Hotelling2 permiten monitorear tanto el rango de operación de las entradas como la
correlación entre variables, es decir, el estado termodinámico de esa agua.

La gestión del agua in situ y en línea es la aplicación más potencial de análisis y estadísticas multivariante en el futuro.
Un programa de computadora que combina MSPC, balance de agua en el sitio de la mina y los cálculos termodinámicos
podrían ayudar a proporcionar una gestión automática del agua del sitio. Los gráficos de seguimiento proporcionados
por MSPC podrían usarse como una herramienta para detectar fallas y mal funcionamiento del sistema de agua de
proceso.

Si los resultados muestran que una estrategia simple de mezcla de agua no funcionaría, entonces el programa alertaría
al personal de la planta para que inicie el tratamiento del agua. El programa debe calcular automáticamente la cantidad
de agua, el grado de tratamiento y el plan de mezcla después del tratamiento. Por lo tanto, la calidad del agua y el
equilibrio del agua podrían mantenerse automáticamente en un rango de control.