i

Modelamiento para Recursos Minerales de un Depósito Minero

El presente trabajo trata sobre el modelamiento de los recursos minerales entorno a un

depósito minero, para lo cual se dispone de una data llamado “Ploteo3.csv”, del cual se va a
filtrar ya que a mi persona solo me interesaría la variable “Phi”, con una elevación de 688.5
± 2.5 m, para todos los tipos de rocas.

Se comienza primero quitando los altos erráticos, es importante hallar los valores altos
erráticos, ya que estos pueden afectar todos los cálculos, estos se producen debido a errores
en la toma de datos o por alguno en el tipeo, para lo cual es importante aplicar la estadística
y verificar la muestra, lograr una con poca variabilidad, muy compacta, es decir confiable y
evitar posteriores errores.

Después se hace uso de los variogramas, la cual es una herramienta geoestadística

que permite analizar el comportamiento espacial de una variable sobre un área definida,
obteniendo como resultado un variograma experimental el cual se va a aproximar a un
modelo de variograma.

Luego dándole un nuevo formato a la data, se procede al uso del software Datamine EM y
SGEMS para lo que son los métodos inverso distancia, vecino más cercano y por kriging
ordinario, esto lo llevamos a un modelo de bloques con determinados parámetros asignados
por mi persona, luego vamos a obtener el modelo numérico por cada método.
 2

1. INTRODUCCION

La minería siempre ha buscado encontrar el mineral de la forma más segura y sin recurrir a
muchos gastos, es aquí la importancia de la geoestadística, ciencia que nos otorga un
conjunto de herramientas y técnicas que sirven para analizar y predecir los valores de una
variable que se muestra distribuida en el espacio o en el tiempo de una forma continua.

Dentro de estas técnicas están por el método de distancia inversa, el vecino más cercano y
por kriging ordinario, que se usarán este trabajo, cada método consta de determinados
parámetros buscando siempre acercar lo más posible una ley supuesta con la que en
realidad se tendrá, pero que no posible hasta el momento de la explotación.

2. OBJETIVOS

 Analizar la data filtrada estadísticamente, geológicamente, y numéricamente por

diferentes métodos.
 Modelar los recursos según el tipo de roca y la variable Vsh en este caso.
 Generar las curvas toneladas ley por los diferentes métodos y la curva swath plot.

3. ANÁLISIS EXPLORATORIO DE DATOS y VARIOGRAMAS

 3

En este caso USAR TODA LA INFORMACION DEL PLOTEO PARA HACER

ESTADISTISCA Y VARIOGRAMAS.

En esta parte del informe se describirá el proceso para identificar los dominios que definen
las estructuras mineralizadas o de interés en el yacimiento minero. Para ello, usaremos
estadísticas para poder analizar y describir los dominios geológicos desde una perspectiva
de análisis espacial. Estadística Global, así como modelamiento de variogramas con esa
misma Data. No se requiere proceso de identificación de altos erráticos. Pero si debe
sustentar que sus variogramas al menos no han usado valores extremos cercanos al límite
de detección u altos erráticos evidentes detectado en un análisis de histograma simple.

MAPA DE UBICACIÓN

ROCK TYPE

PHI
 4

3.1. Estadística Básica de la Variable Asignada

Estadística global de la data:

La estadística global se refiere a

medidas de tendencia centrales
(mediana, media y moda),
medidas de dispersión
(Varianza, desviación estándar
y CV) e histograma desde
SGEMS para su variable ante
de hacer variogramas.

3.2. Variogramas
 5

Describir el proceso de estimar variograma experimental de su variable con toda la

información filtrada en datos extremos con algún concepto de top cutting o capping o retiro
de valores cercanos al límite de detección. Así como el modelado en variogramas teóricos.

Variogramas Experimental. Detalles de su elaboración (saltos, ángulos tolerancias).

Omnidireccional solamente. Opcional análisis por direcciones.

PARÁMETROS PARA LOS VARIOGRAMAS EXPERIMENTALES

Vemos en el azimuth de 45 un modelo cercano al esférico.

 6

Variograma Modelado: Parámetros del ajuste de variogramas (meseta, alcance, efecto

pepita) en tablas y figuras.

 Figura Modelado Geometricos corregida de entrega 1 con leyendas apropiadas y

Rotulado de cuadriculas (coordenadas) (solidos creados y tipos de rocas).

 Tabla de la definicion geometrica del modelo (dimensiones de bloques, numero de

bloques en direcciones X, Y, y Z, extension, como resultado de interpretar limites
de coordenadas y area de influencia de su deposito
 7

PROTOTIPO

 Figura de Variograma Experimental y Ajustado (en este caso el Variograma

calcular con toda la base de datos realizado en SGEMS)
 8

4. MODELAMIENTO GEOMETRICO

A partir de este punto, solo debe usar la información de puntos en la elevación dada.
Debe llegar a mostrar y describir su interpretación en Solidos. Mostrar planos y definición
de los dominios geológicos, parámetros que uso para interpretarlo. Volúmenes/Toneladas
Resultado de Este modelamiento por tipo de Roca. Concluye son su tabla de la definición
de la geometría del modelo de bloques. Usada para transferir la información del solido al
modelo.

MODELADO AGRUPADO POR ROCK TYPE

 9

5. MODELAMIENTO NUMERICO

Estimación de leyes por método métodos conocidos tales como NN, ID y Kriging
Ordinario, en base a los datos filtrados en la elevación asignada a cada alumno. NN es
opcional en el presente. Muestra planos del modelamiento de leyes (variable interpolada)
con leyendas y grilla apropiadas leer la geometría visualmente.

PARÁMETROS DEL MODELO DE BLOQUES

 Estimación por Inverso de Distancias (ID)

MODELO DE BLOQUES PARA PHI POR EL MÉTODO IDW
 10

 Estimación por Vecino más cercano (NN)

MODELO DE BLOQUES PARA PHI POR EL MÉTODO NN

 Estimación por Kriging Ordinario (OK)

MODELO DE BLOQUES PARA PHI POR EL MÉTODO KO
 11

 Figura apropiada para evidenciar la geometria del modelo en SGEMS y su leyenda

 Figura Modelo Interpolado de OK en SGEMS y su Leyendas

 12

Se debe incluir la informacion de:

 Tabla de Definicion del variograma teorico usado para el metodo Kriging.

 Tabla de Definicion de los parametros de Interpolacion por Kriging Ordinario.

 13

 Tabla de Definicion de los parametros de

Interpolacion por NN.

 Figura apropiada para evidenciar la geometria del modelo en datamine (clara

legible)
 14

Herramientas que requierre: StudioEM, SGEMS, Excel y Python.

Reportes acompañados por Descripcion e interpretacion de los resultados al hacer
comparaciones.

5.1. Reportes de Toneladas y Leyes

5.2. Reporte de Curva Tonelaje Ley por Método – Tablas y Figuras por Métodos

CURVAS PARA EL METODO-KO

 15

CURVA TONELAJE LEY

60000000 0.4
0.35
50000000
0.3
40000000
0.25
TONELADAS

LEY DE PHI

30000000 0.2
0.15
20000000
0.1
10000000
0.05
0 0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
CUT OFF (T/G)

VOLUME(N) PhiKO(N)
 16

CURVAS PARA EL METODO-NN

CURVA TONELAJE LEY

60000000 0.45
0.4
50000000
0.35
40000000 0.3
TONELADAS

LEY DE PHI
0.25
30000000
0.2
20000000 0.15
0.1
10000000
0.05
0 0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
CUT OFF (G/T)

VOLUME(N) PhiNN(N)
 17

CURVAS PARA EL METODO-IDW

CURVA TONELAJE LEY

60000000 0.4
0.35
50000000
0.3
40000000
0.25
TONELADAS

LEY DE PHI

30000000 0.2
0.15
20000000
0.1
10000000
0.05
0 0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
CUT OFF (T/G)

VOLUME(N) PhiID(N)
 18

5.1. Reporte de Curva Swathplot por Método

SWATH PLOT
0.4 0.4
0.35 0.35
0.3 0.3
0.25 0.25
LEY DE PHI

0.2 0.2
0.15 0.15
0.1 0.1
0.05 0.05
0 0
0 0.05 0.1 0.15 0.2 0.25 0.3 0.35 0.4
CUT OFF (T/G)

PhiID(N) PhiKO(N) PhiNN(N)

 19

6. CONCLUSIONES Y RECOMENDACIONES

✔ Podemos mencionar que con el uso de estos Software facilitamos el

análisis de una data numerosa. Esto permite ahorrar tiempo, por

consiguiente, ser más eficiente.

✔ Al obtener gráficos nos permite sacar conclusiones luego de analizar

las diferencias y tendencias que podemos encontrar, en base a ello nos

permitirá una mejor toma de decisión.

✔ El software Studio EM y SGEMS nos permite una mejor

interpretación, pudiendo aplicar muchas herramientas para calcular,

ya sea como la interpolación.