Traducido del inglés al español - www.onlinedoctranslator.

com

Aplicación de simulaciones condicionales a

decisiones de capital para depósitos de ni-
sulfuro y ni-laterita

O. Tavchandjian, A. Proulx y M. Anderson

AbstractoAntes de la adquisición de datos de perforación de producción y muestreo de control de

leyes, la densidad espacial de los datos suele ser insuficiente para abordar adecuadamente los
problemas relacionados con la variabilidad a corta escala. La interpolación de grados, ya sea
realizada mediante kriging ordinario u otras técnicas de regresión lineal o no lineal, generalmente
adolece de un importante sesgo condicional o de suavizado excesivo. Cuatro ejemplos presentados
en este artículo muestran que las simulaciones condicionales brindan una alternativa viable y
poderosa para evaluar la sensibilidad de variables clave que son críticas para las decisiones tomadas
antes de seguir adelante con gastos de capital significativos. Estas variables incluyen la selección del
método y equipo de minería más apropiados, la estrategia de corte óptima y las limitaciones de
variabilidad a corto plazo en la alimentación de la planta de proceso. Los resultados también
demuestran que se pueden utilizar simulaciones condicionales para evaluar el riesgo asociado con
muchos de los aspectos técnicos del proyecto y su desempeño financiero.

Introducción

Los enfoques tradicionales para la evaluación de depósitos minerales utilizan métodos de estimación no
geoestadísticos y/o geoestadísticos para proporcionar estimaciones óptimas de la ley de los bloques locales.
Cuando la densidad de perforación es demasiado escasa para el nivel de detalle requerido para la mina

O. Tavchandjian (&)
CVRD Inco, 2060 Flavelle Boulevard, Sheridan Park, L5K 1Z9
Mississauga, ON, Canadá
correo electrónico: tavchandjiano@inco.com

A. Proulx
CVRD Inco, 5000, R8N 1P3 Thompson, MB, Canadá Correo
electrónico: aproulx@inco.com

anderson
Voisey's Bay Nickel Company, Suite 700, Baine Johnston Centre, 10 Fort
William Place, A1C 1K4 St John's, NL, Canadá Correo electrónico:
manderson@inco.com

©Instituto Australasia de Minería y Metalurgia 2018 319

R. Dimitrakopoulos (ed.),Avances en la Planificación Estratégica Minera Aplicada,
https://doi.org/10.1007/978-3-319-69320-0_21
320 O. Tavchandjian et al.

En la planificación, estos métodos no logran representar adecuadamente la variabilidad espacial de

la pendiente estimada. Las decisiones mineras tomadas utilizando las estimaciones fluidas
resultantes pueden llevar a suposiciones falsas sobre el depósito mineral. Las estrategias de
interpolación alternativas destinadas a reducir el efecto de suavizado, como usar menos muestras en
el elipsoide de búsqueda o interpretar la geología en un modelo determinista, generalmente dan
como resultado una distribución de leyes con un sesgo condicional significativo (Krige1996).
Como ocurre con muchos otros depósitos de metales, el éxito o el fracaso de un proyecto minero
de sulfuro de Ni o laterita de Ni depende en gran medida de algunas variables clave, todas ellas
relacionadas en última instancia con el precio y la calidad del metal. Una caracterización adecuada de
la variabilidad espacial en la distribución de leyes puede conducir a supuestos de minería y/o
procesamiento más realistas y a una reducción del riesgo del proyecto. Las evaluaciones de
proyectos, que pueden demostrar a la dirección de la empresa y a los inversores que el riesgo se
reconoce y cuantifica, y que el plan de implementación incluye una estrategia para gestionar ese
riesgo, tienen más posibilidades de avanzar a las etapas de construcción y producción.
Los métodos de simulación condicional ("CS") tienen como objetivo reproducir la variabilidad de
la ley in situ en lugar de obtener estimaciones locales óptimas. Los resultados finales son modelos de
realizaciones probables iguales, que reproducen el histograma y variograma de datos de muestra de
entrada y están condicionados a valores de puntos de muestra locales. Una caracterización adecuada
de la variabilidad espacial de la ley proporciona a los ingenieros de minas y metalúrgicos modelos
realistas para la planificación minera y la información necesaria para abordar los problemas de
procesamiento relacionados con la variabilidad a corto plazo en la ley de alimentación a la planta de
procesamiento (por ejemplo, Abzalov y Mazzoni2007; Audet y Ross2007).
Este artículo presenta cuatro ejemplos de aplicaciones prácticas de CS en depósitos de sulfuro de
Ni y laterita de Ni realizadas por Inco durante los últimos siete años. Estos ejemplos cubren una
amplia gama de proyectos, desde la optimización de planes de minería a cielo abierto y subterráneo
hasta la evaluación de riesgos sobre la variabilidad de la ley de alimentación diaria tanto para
instalaciones de beneficio de minerales como de procesamiento químico. El éxito de la
profundización de la mina Birchtree en el norte de Manitoba dependió de la selección conjunta del
límite de extracción y la tasa de producción óptimos y de un cronograma de extracción flexible.
También se requería un modelo confiable para evaluar adecuadamente los beneficios ponderados
por riesgo de elevar el límite en un yacimiento con una variabilidad significativa a corta escala. Se
enfrentaron desafíos similares en la profundización del yacimiento Thompson 1D en el mismo
campamento minero. En este caso, las CS también se utilizaron al principio del proceso de evaluación
para comparar el desempeño económico de los métodos de minería a granel y selectivo. Durante el
estudio de viabilidad de una operación a cielo abierto en Voisey's Bay, en el norte de Labrador, se
identificó la variabilidad a pequeña escala de la alimentación de la concentradora como un área de
riesgo para el proyecto. En particular, variaciones significativas en la relación Cu a Ni a diario,
semanal o mensualmente podrían resultar en pérdidas de recuperación de procesamiento. La
optimización del número de frentes de minado simultáneos, el tamaño de los acopios y la secuencia
de minado se investigó con base en los resultados de CS para minimizar el impacto de la variabilidad
de la alimentación en la recuperación de la molienda.

En el Proyecto Goro en Nueva Caledonia, el mineral de Ni extraído del perfil de

laterita se procesará mediante una tecnología de lixiviación ácida a alta presión (HPAL).
Aplicación de simulaciones condicionales al capital… 321

El rendimiento de la tecnología HPAL depende de la química de la alimentación, incluido el

contenido de Ni y Co como dos minerales de interés económico, pero también de otros
elementos importantes como los óxidos de Mg, Fe y Al debido a su impacto en el consumo de
ácido y Ni-Co. recuperación. Dado que la química es altamente variable entre las distintas
capas del perfil de alteración e incluso dentro de algunas capas entre diversas fracciones de
tamaño, se reconoció que una caracterización adecuada de la variabilidad a corta escala tanto
en la geometría como en la composición de la capa es un factor clave para una viabilidad
exitosa. estudio de este proyecto.

Metodología de simulación condicional

Los CS geoestadísticos se desarrollaron hace más de 30 años para realizar análisis de

sensibilidad y riesgo. En una simulación condicional, la reproducción de ciertas características
estadísticas de la población global tiene prioridad sobre la precisión local. Además de respetar
el histograma, un modelo de simulación geoestadística reproduce el variograma (es decir,
reproducción de la correlación espacial) y respeta los datos reales existentes (es decir,
condicionamiento).
Además del método original de bandas giratorias (Journel y Huijbregts1983), ahora existen
varios métodos establecidos para llevar a cabo simulaciones geoestadísticas, incluidos los
métodos secuenciales (gaussianos e indicadores), el algoritmo de descomposición LU
(Goovaerts1997; Armstrong y Dowd1993; Chiles y Delfiner 1999), y más recientemente,
simulación secuencial generalizada (Dimitrakopoulos y Luo2004; Benndorf y Dimitrakopoulos
2007, este volumen). No es la intención de este informe detallar los pros y los contras de cada
técnica. Se pueden encontrar comparaciones en varias publicaciones. Gotway y Rutherford (
1993) hacen una comparación de seis métodos de simulación diferentes realizados en una
variedad de conjuntos de datos. Este estudio reveló la sensibilidad de los resultados a
algoritmos de simulación particulares y demostró algunas ventajas de los algoritmos basados
en Gaussiano condicional (es decir, bandas giratorias y Gaussiano secuencial) sobre los otros
métodos. Para este estudio se seleccionó el enfoque de bandas giratorias. Algunos autores
(Deutsch y Journal 1992; Ravenscroft1993) han calificado el método como intensivo en
informática con limitaciones incorporadas, es decir, número y orientación de bandas, número
de puntos de discretización a lo largo de las bandas, rotación del eje de anisotropía. Gotway y
Rutherford (1993) indican que la mayoría de estos problemas están relacionados con los
algoritmos inadecuados utilizados y no con el método de banda giratoria en sí. El algoritmo
utilizado en este estudio está ligeramente modificado de Lantuejoul (1993). El programa
utilizado para los cuatro proyectos presentados en este documento no se ve afectado por
ninguna de las limitaciones enumeradas anteriormente.
El algoritmo de banda giratoria implica una serie de pasos que incluyen el reconocimiento
de diferentes dominios geológicos, la selección de las variables a simular, la transformación
gaussiana de estas variables, la simulación no condicional de estas variables gaussianas y su
combinación lineal, el condicionamiento para los datos reales mediante Kriging Simple y su
postprocesamiento para reconstituir las variables originales. Además, las simulaciones
presentadas en este artículo se benefician de la aplicación de un
322 O. Tavchandjian et al.

algoritmo de despliegue (Datamine1997) para simular mejor los controles geológicos

sobre la distribución de leyes. En cada paso, se realizan una serie de comprobaciones
para validar con éxito el modelo.

Calibración y Validación de Simulaciones Condicionales

Para validar las simulaciones condicionales, se lleva a cabo un ejercicio de calibración siempre que
haya datos de producción disponibles, ya sea en una porción extraída del mismo depósito o en un
depósito análogo. Las áreas seleccionadas para estos análisis posteriores suelen estar bien
perforadas y se benefician de un mapeo extenso de aberturas subterráneas. También se podrá
utilizar el registro de la producción acreditada por la fábrica, si está disponible. La metodología
aplicada es la siguiente:

• crear un conjunto de datos basado en exploración eliminando todas las perforaciones de producción de relleno;

• realizar modelos poligonales, kriging y CS a partir del conjunto de datos de exploración y

evaluar los recursos recuperables en varias leyes de corte;
• realizar modelos poligonales, kriging y CS a partir del conjunto de datos de producción y
evaluar los recursos recuperables en varias leyes de corte;
• comparar los resultados históricos acreditados de producción, poligonales, kriging y CS basándose tanto en el
conjunto de datos de exploración como en el conjunto de datos de producción; y
• compare el mapeo detallado real en las aberturas de las minas con los patrones espaciales producidos
por todos los modelos.

La mina de datosMTEl optimizador de paradas flotantes (FSO) se utiliza en las operaciones de Inco
para evaluar rápidamente el recurso recuperable de todos los yacimientos y modelos simulados en
varias leyes de corte. El FSO es análogo al algoritmo de cono flotante utilizado en situaciones de tajo
abierto. El FSO no proporciona un plan minero final sino más bien un producto "casi terminado", que
requiere refinamiento pero proporciona una herramienta eficaz para comparar escenarios mineros
alternativos en un ejercicio de planificación conceptual. Para validar los parámetros utilizados en el
FSO, se realiza un ejercicio manual de planificación minera en una de las simulaciones. La
comparación de las ejecuciones de FSO con la planificación manual verifica los parámetros de FSO.
Todas las ejecuciones posteriores de FSO en los modelos de simulación y los modelos de estimación
utilizan estos mismos parámetros.
En las Figs.1y2para dos depósitos de sulfuro de Ni. Cuando se utiliza un
conjunto de datos de exploración, los patrones espaciales creados por CS
son más realistas y representan mejor la dilución interna anticipada. Los
resultados muestran que cuando hay poca información disponible para la
estimación, la continuidad espacial de la mineralización tanto de alta como
de baja ley se exagera en los modelos poligonales y MIK. Esto da como
resultado una sobreestimación de la ley recuperable y una subestimación
del tonelaje recuperable.
Aplicación de simulaciones condicionales al capital… 323

Curvas de tonelaje de análisis posterior

1.2 Curvas de pendiente de análisis posterior
3.50

1.0
3.00

GRADO DE RECURSO RECUPERABLE

TONELADAS DE RECURSOS RECUPERABLES

0,8

2.50

0,6
Millones

2.00
0,4

1,50
0,2

0.0 1.00
1.00

1.25

1,50

1,75

2.00

1.00

1.25

1,50

1,75

2.00
% Ni CORTE %Ni CORTE
NN_EXPL IK_DEFN NN_EXPL IK_DEFN
CRÉDITO DEL MOLINO IK_EXPL CRÉDITO DEL MOLINO IK_EXPL
CS 6 CS7 CS 6 CS7
90% LCV 90% UCL 90% LCV 90% UCL

Figura 1Comparación de curvas de tonelaje y ley obtenidas con los distintos métodos con crédito de fábrica en la zona
de calibración. CS 6 y 7 representan el rango del 90% de los resultados simulados, mientras que los límites de control
del 90% representan un±10% de diferencia con respecto a la simulación mediana

Figura 2Evaluación comparada del mapeo de mineral real, poligonal (NN), MIK y CS en la zona de
calibración
324 O. Tavchandjian et al.

Aplicación de CS a la selección del método de minería óptimo

para depósitos subterráneos de sulfuro de Ni

La primera aplicación de CS a depósitos de sulfuro de Ni está relacionada con estudios de

prefactibilidad realizados en dos minas Inco en el norte de Manitoba, Canadá. En ambos casos, los
estudios tienen como objetivo evaluar la viabilidad económica de la minería a mayor profundidad en
los depósitos existentes y evaluar diferentes planes mineros y cronogramas de producción en la
extensión del depósito basándose únicamente en perforaciones de exploración avanzada. El
yacimiento Birchtree Mine 83 y el yacimiento Thompson Mine 1D están ubicados en Thompson
Nickel Belt. Los yacimientos en este cinturón consisten en sulfuros de níquel con cantidades variables
de inclusiones ultramáficas alojadas en unidades metasedimentarias de edad proterozoica.
En estos dos casos sólo se simula el porcentaje de Ni, ya que es el único metal de
importancia económica. Los dominios de mineralización se identifican utilizando modelos
geológicos conceptuales de génesis de mineral con litología y estructura como las
características más importantes que controlan el emplazamiento final de la mineralización.

Comparación de métodos de minería en el yacimiento inferior 1D

Cifra3resume los resultados de un estudio comparativo realizado en la parte inferior del

depósito 1D entre un método de minería a granel y selectivo. Como referencia, en estos
gráficos también se representan los resultados obtenidos con los modelos poligonal y
Kriging de indicadores múltiples (MIK).
La serie de curvas de ley y tonelaje que se muestran en la Fig.3se obtienen realizando un
análisis FSO de cada modelo de simulación e interpolación con un conjunto consistente de
parámetros que incluyen las dimensiones mínimas del rebaje, los incrementos del rebaje, las
dimensiones mínimas de los desechos de los pilares, la pendiente objetivo y las asignaciones
máximas de desechos internos. Estos parámetros se han calibrado en una selección de
secciones y planos frente a la interpretación manual realizada por ingenieros de minas
experimentados.
El modelo MIK proporciona globalmente una estimación similar a la CS para el escenario de
minería masiva, pero una estimación significativamente diferente para el escenario de minería
selectiva. Como era de esperar, la aplicación del FSO a un modelo poligonal también arroja
resultados significativamente diferentes. Las diferencias obtenidas de los distintos métodos están
relacionadas con su diferente manejo de la variabilidad a corta escala y por tanto de la dilución
interna entre zonas mineralizadas. Si bien las técnicas poligonales claramente exageran la
continuidad de la mineralización de alta ley como se esperaba, el modelo MIK también subestima la
dilución interna cuando el espaciamiento de perforación es demasiado grande para el nivel de
detalles requerido para la planificación minera, como es el caso en la evaluación de la minería
selectiva. Estos resultados implican que tomar una decisión de desarrollo basada únicamente en un
modelo MIK presentaría un riesgo significativo de seleccionar incorrectamente el método de minería
más beneficioso para el proyecto.
Aplicación de simulaciones condicionales al capital… 325

(a) Recursos recuperables del FSO

Opción de minería a granel
(b) Recursos recuperables del FSO
Opción de minería a granel

14.5 3.30

3.10
12.5
2.90

10.5 2,70

GRADO %Ni RECUPERABLE

TONELADAS RECUPERABLES

2.50
Millones

8.5
2.30

2.10

1,90

4.5
1,70

1,50
2.5

1.00

1.25

1,50

1,75

2.00
1.00

1.25

1,50

1,75

2.00

% Ni CORTE
%Ni CORTE
CS 19 CS 20 MIK
CS 19 CS 20 MIK
NN 90% LCV 90% UCL NN 90% LCV 90% UCL

Figura 3aComparación de curvas ley-tonelaje en minería a granel obtenidas con los distintos métodos de evaluación.
CS 19 y 20 representan el rango del 90% de los resultados simulados, mientras que los límites de control del 90%
representan un±10% de diferencia con respecto a la simulación mediana.bComparación de las curvas ley-tonelaje de
corte y relleno obtenidas con los distintos métodos de evaluación. CS 19 y 20 representan el rango del 90% de los
resultados simulados, mientras que los límites de control del 90% representan un±10% de diferencia con respecto a la
simulación mediana

Con base en los resultados de CS, se seleccionó la minería mecanizada de corte y relleno como el
método de minería más adecuado para la profundización del yacimiento 1D. Un equipo de geólogos
e ingenieros de minas experimentados con experiencia en producción en este yacimiento investigó
más a fondo un conjunto de secciones y planos de simulaciones seleccionadas para realizar algunos
estudios de sensibilidad y optimizar el plan de mina propuesto, incluidos los sistemas de manejo de
minerales y rocas, ventilación, etc. Los parámetros económicos y técnicos se utilizaron luego como
datos de entrada en el análisis de flujo de caja descontado. Con base en los resultados de CS, se
calculó un rango de ROR y NPV para cuantificar el riesgo asociado con los supuestos del caso base
junto con las posibles ventajas y desventajas.

Comparación de perfiles de producción en el yacimiento

Birchtree 83

Para la profundización del depósito Birchtree 83, la comparación de los métodos de minería arrojó
resultados similares a los del depósito 1D Lower, pero el potencial de alta ley no se consideró
suficiente y el riesgo era demasiado alto para justificar un enfoque de minería selectiva. En este
estudio de prefactibilidad, el beneficio de CS se obtuvo al revisar el perfil de producción. Debido a la
gran distancia entre agujeros en profundidad, los modelos MIK y poligonales
326 O. Tavchandjian et al.

sufren de un sesgo condicional significativo. Como resultado, se crean artificialmente grandes áreas
de mineralización de alta ley. Un plan de producción basado en estos modelos tiene como objetivo
explotar primero estas zonas profundas de alta ley. El CS produce un modelo radicalmente diferente
del depósito que muestra una distribución de leyes mucho más consistente de arriba a abajo (Fig.4).
Con base en los resultados de CS, el perfil de producción se modificó para aumentar la tasa de
producción y explotar el yacimiento tanto de abajo hacia arriba como de arriba hacia abajo. Este
yacimiento ha estado en producción durante dos años y los resultados operativos han confirmado la
validez de los resultados de CS y el sesgo en las estimaciones MIK y poligonales.

Como en el caso del depósito 1D, los planificadores de la mina pudieron completar un estudio de
prefactibilidad que incluía estimaciones sobre los costos de capital, la tasa de extracción, la secuencia
de extracción y el perfil de producción con base en los resultados de CS. Estas estimaciones no
adolecen de una subestimación de la variabilidad espacial en la distribución de las leyes del metal y,
por lo tanto, proporcionan estimaciones más realistas que las estimaciones anteriores basadas en
modelos poligonales y MIK.

MODELO DE BLOQUE SIMULACIÓN nº 1 SIMULACIÓN nº 2

%Ni
De A
0.0 0.3
0.3 1.0
1.0 2.0
2.0 100.0

Figura 4Comparación de los modelos MIK y CS en la profundización del yacimiento Birchtree 83

Aplicación de simulaciones condicionales al capital… 327

Aplicación de CS al modelado de la variabilidad a corto plazo

en la alimentación de un concentrador de sulfuro

La segunda aplicación de CS en depósitos de sulfuro de Ni es una investigación sobre la

optimización de la secuencia minera y la validación del diseño del concentrador en el proyecto
Inco Voisey's Bay en el norte de Labrador. El objetivo es validar la secuencia de extracción para
garantizar que la variabilidad a corto plazo en la composición de la alimentación del
concentrador se mantenga dentro de un rango aceptable.

Dominios minerales y proceso de simulación

La concentradora de Voisey's Bay se abastecerá durante los primeros 16 años de operación mediante
producción a cielo abierto del depósito Ovoid. Este depósito está alojado en un complejo intrusivo de
troctolita, que se divide en tres dominios diferentes con proporciones variables de sulfuros masivos y
diseminados. En cada dominio, las zonas masiva y diseminada se simularon por separado. El enfoque
de banda giratoria está limitado por un modelo de coregionalización lineal (Wackernagel1998) para
mantener las correlaciones espaciales observadas en los datos de entrada entre el porcentaje de Ni,
el porcentaje de Cu, el porcentaje de Co, el porcentaje de S y el porcentaje de Fe.

Variabilidad a corto plazo en la alimentación del concentrador

Para maximizar la recuperación de Ni en el concentrador, normalmente es deseable

homogeneizar la química de la alimentación a corto plazo. En particular, la variabilidad
de la relación Cu a Ni influirá en la recuperación de los dos metales en sus respectivos
concentrados. Se generaron veinte realizaciones de CS en los tres dominios del depósito
Ovoid y se utilizaron para simular la variabilidad diaria, semanal y mensual en la química
de la alimentación del concentrador en función del plan de mina inicial y el perfil de
producción (Fig.5).
Los resultados preliminares obtenidos sirvieron para validar y modificar el plan inicial de
mina, incluyendo la secuencia de minado y el número de frentes de operación en los sulfuros
diseminados y masivos. Estas simulaciones también demostraron la validez del diseño de la
concentradora y su capacidad para hacer frente a la variabilidad diaria prevista en la
producción minera. El uso de CS también proporcionó un rango en la tasa de producción, la
ley del metal y las recuperaciones de procesamiento necesarias para realizar simulaciones
Monte-Carlo en el análisis de flujo de efectivo descontado del proyecto.
328 O. Tavchandjian et al.

5
4.5
4
3.5
3
2.5
2
1.5
1
0,5
0
0 100 200 300 400 500 600 700
Tiempo (días)
A diario Semanalmente Mensual

figura 5Variabilidad a corta escala en la composición de la alimentación del concentrador en VBN

Aplicación de CS a la Optimización del Plan de Vida de Mina

para un Proyecto de Ni-Laterita

Se utilizaron ampliamente simulaciones condicionales para el proyecto Goro Ni-Laterite

ubicado en la isla francesa de Nueva Caledonia con el fin de optimizar y validar varios aspectos
del plan de vida útil de la mina. Estos aspectos incluyeron la estimación de la recuperación del
mineral del fondo, el control de leyes y la variabilidad a corto plazo en la química de
alimentación de la planta de proceso.

Proceso de simulación y entorno geológico

El depósito de laterita de Goro alberga tres capas geológicas de importante interés

económico. Durante el proceso de planificación de la mina, se reconoció que las capas de
transición y de saprolita, cuando se cribaban en una fracción de tamaño adecuada,
representaban en su totalidad la mineralización de clasificación del mineral. Debido al espesor
reducido de estas capas, probablemente se explotarían con un solo banco. Como resultado,
sólo se realizaron simulaciones 2D para estas dos capas. Debido a su mayor espesor y a la
presencia de una porción variable de la parte superior de la capa graduada por debajo del
corte seleccionado, se requirieron simulaciones 3D en la capa de laterita amarilla.
La metodología de simulación utilizada para el depósito de Goro se puede resumir de la siguiente
manera:

1. Simulación 2D de las cinco capas del perfil;

2. Simulación 2D de la química promedio de las capas de laterita amarilla, transición y saprolita, es
decir, porcentaje de Ni, porcentaje de Co, porcentaje de Fe, porcentaje de SiO.2, porcentaje MgO,
porcentaje Al2oh3, porcentaje Cr2oh3y porcentaje MnO;
Aplicación de simulaciones condicionales al capital… 329

3. regresión lineal de la deriva vertical en química basada en simulación 2D y posición

desplegada del nodo dentro de la capa de laterita amarilla simulada; y
4. Simulación condicional 3D de residuos de la regresión lineal realizada en el paso
anterior y creación de una simulación 3D completa de la química de la capa de
laterita amarilla.

El uso del proceso de despliegue fue fundamental para producir un perfil de laterita realista y una
distribución de leyes vertical; sin embargo, agregó complejidad al proceso de simulación, ya que
cada simulación 2D del perfil de la capa se originó a partir de un nuevo sistema de referencia.

Se utilizaron modelos de corregionalización lineal tanto para las simulaciones 2D, para
mantener la correlación espacial entre las propiedades físicas y químicas de las distintas
capas, como para las simulaciones 3D en la capa de laterita amarilla para mantener la
correlación vertical entre los diferentes elementos químicos.

Aplicación a la planificación minera

Una aplicación inicial a la planificación minera fue utilizar simulaciones 2D para apuntar
a las áreas con mayor probabilidad de combinar níquel de alta ley, con alta recuperación
minera y gran espesor de saprolita. Se seleccionaría preferentemente la zona más
favorable como zona de inicio del tajo abierto. La combinación de resultados obtenidos
del espesor de capa, recuperación de saprolita y simulaciones de ley indicó claramente
que el extremo suroeste del depósito presenta la mejor mineralización económica para
los primeros años de producción.
Las 40 simulaciones completadas para el depósito de Goro se clasificaron según la variación creciente de
la topografía del lecho rocoso, es decir, el fondo de la capa de saprolita. Cifra6muestra una sección
transversal del perfil interpretado para varios espaciamientos de perforación (es decir, 2 m, 12 m, 24 m y 100
m, respectivamente) para la simulación número 29, seleccionada como el caso mediano para los criterios de
variación.
Se observa una disminución dramática en la variabilidad de la geometría de la capa a
medida que disminuye la densidad de perforación. Esta variabilidad afectaría la recuperación y
la dilución de las tres capas mineralizadas y también el riesgo de clasificación errónea de la
mineralización limonítica y saprolítica con fines de almacenamiento. Dado que el modelo de
recursos se basa en perforaciones espaciadas a 100 m, sufrirá un alto nivel de suavizado
excesivo en la geometría de las capas.
Estos hallazgos preliminares indican el valor que proporcionan las simulaciones condicionales en la
planificación minera conceptual del depósito ('minería de escritorio') para evaluar el impacto y la
aplicabilidad de las leyes de corte, las alturas de los bancos, el tamaño de los equipos y la clasificación de
limonita/saprolita para el almacenamiento y medir los factores de dilución minera y pérdida de mineral. Se
proporcionaron a los ingenieros de minas dos secciones transversales de este a oeste y dos secciones
transversales de norte a sur cortadas a través de estas simulaciones para que las utilizaran como base para
la planificación. Estas cuatro secciones se reprodujeron utilizando la segunda peor, la mediana y la segunda
mejor simulación clasificadas según los criterios de varianza.
330 O. Tavchandjian et al.

(a)240m
200m

160m

(b)240m
200m

Gorra de hierro roja

Amarillo laterita

laterita

(C) 240m
Transición
saprolita
Base
200m

160m

(d)240m

200m

160m

Figura 6aEjemplos de sección transversal SN para una distancia entre orificios de perforación de 2 m;bejemplos de sección transversal SN
para 12 m de distancia entre orificios de perforación,Cejemplos de sección transversal SN para una separación de 24 m entre barrenos;d
Ejemplos de sección transversal SN para 100 m de distancia entre pozos de perforación.

Aplicación al control de calificaciones

En la capa de laterita amarilla, inicialmente se había propuesto un límite de Ni variable para

mantener una proporción constante de limonita/saprolita para la alimentación de la planta de
proceso anualmente. El límite propuesto oscilaba entre 1,15 Ni y 1,45% Ni. El método sugerido en el
plan inicial de mina para definir la parte superior del mineral se aplicó a las simulaciones asumiendo
una cuadrícula de control de ley de 25 m. A partir de los pozos de perforación simulados, la parte
superior del mineral se definió por la primera intersección en el pozo de dos metros consecutivos
con una nivelación por encima del corte propuesto. El volumen y la ley promedio recuperada entre la
parte superior del mineral y el fondo de la capa se compararon en cada caso con el promedio de
todos los nodos simulados, es decir, la realidad supuesta.
Cifra7muestra los resultados obtenidos para el corte de Ni que oscila entre 1,15 y 1,50%.
Esta figura muestra claramente que aplicar una ley de corte superior a 1,3% Ni daría como
resultado una estimación poco realista de la ley de producción y produciría una reducción
significativa del volumen recuperable. Aunque este enfoque se puede utilizar para aumentar
la ley de producción combinada de limonita y saprolita al reducir la relación limonita/saprolita,
también resulta en una pérdida significativa de material de clasificación del mineral. Esta
limonita para clasificación de mineral sería tratada como sobrecarga y
Aplicación de simulaciones condicionales al capital… 331

figura 7Comparación de la ley de %Ni

cabeza de Ni estimada para 1.6
varios porcentajes de corte de Ni
del modelo de bloque y 1.5
Estimado desde
simulaciones
1.4 modelo de bloque
Estimado desde
20 simulaciones
1.3
1 1.1 1.2 1.3 1.4 1.5
% de corte de Ni

utilizado como relleno. Las alternativas deberían considerar el almacenamiento para utilizar esta
mineralización como mineral incremental. Con base en estos resultados, se adoptó una nueva estrategia de
control de leyes para utilizar una ley de corte no superior al 1,3% de Ni para definir la parte superior del
mineral en la capa de laterita amarilla.

Aplicación para predecir y gestionar la variabilidad de la

alimentación del autoclave

Otra aplicación importante de las simulaciones 2D en Goro fue estimar la variabilidad de la

alimentación de la planta de proceso. Para cumplir con la producción planificada, la disponibilidad de
mineralización de saprolita con el perfil químico adecuado es clave. Las simulaciones condicionales
proporcionan una herramienta para evaluar la variabilidad en la alimentación de las plantas en
cualquier escala determinada (por ejemplo, semanal, mensual o anual). Con el pushback minero
propuesto y 20 realizaciones de simulación, se evalúa la variabilidad del metal recuperable enviado a
la planta de preparación para cada año.
Como era de esperar, el promedio de las 20 simulaciones indica resultados similares a los
obtenidos con el modelo kriged para todo el dominio simulado. Sin embargo, en períodos de
producción más cortos, los resultados presentados en la Fig.8indicó que sin almacenamiento, un
posible déficit de saprolita superaría el diez por ciento en el 25 por ciento de las simulaciones. La
elección del período para evaluar la disponibilidad de alimento es crítica ya que este potencial déficit
se vuelve aún más importante durante un período de dos meses. La única forma de mitigar este
problema potencial es mediante el almacenamiento, la mezcla y una programación cuidadosa de la
producción de saprolita en el frente minero. Es fundamental que los proyectos mineros identifiquen
estos problemas potenciales en la etapa de planificación en lugar de tener que solucionarlos en una
operación en curso.
El CS 2D y 3D de todo el perfil también se utilizó para generar una simulación combinada
de la producción minera a diario utilizando tres escenarios diferentes basados en cuatro
frentes mineros simultáneos en un área de prueba que representa aproximadamente un año
de producción. El área de prueba fue seleccionada por ser representativa de los primeros
ocho años de producción según el plan minero más actual. La alimentación diaria se utilizó
para simular existencias y alimentación diaria en autoclave. Los resultados se utilizaron para
validar el plan de producción con respecto a los requisitos de ácido y los objetivos de
producción de Ni.
332 O. Tavchandjian et al.

Figura 8 Disponibilidad de
(a) Variabilidad anual
volumen de saprolita a partir de 20
simulaciones independientes para a 900.000
modelo de bloque

Volumen (m 3)
un período de un año y bun periodo
de dos meses 800.000
+ /-
700.000 10%

600.000
2 4 6 8 10 12 14 16 18 20
Número de simulación

Variabilidad de dos meses

(b)
modelo de bloque
250.000
Volumen (m 3)

200.000
+ /-
10%
150.000

100.000
24 6 8 10 12 14 16 18 20
Número de simulación

Conclusiones

En las cuatro aplicaciones presentadas en este artículo, se pone énfasis en demostrar cómo el uso de
simulaciones condicionales ha llevado a la capacidad de tomar mejores decisiones comerciales y
técnicas que las de modelos basados en métodos de interpolación tradicionales. Un plan adecuado
de vida útil de la mina se basa en tener una buena comprensión de la variabilidad de las leyes; los CS
permiten caracterizar adecuadamente la variabilidad espacial de las leyes.
CS permite a los profesionales cuantificar el riesgo y realizar análisis de sensibilidad significativos
sobre las finanzas del proyecto. La CS utilizada como herramienta adicional en las evaluaciones de
proyectos mineros permite a la alta dirección evaluar mejor el riesgo asociado con los proyectos
mineros.
Para ganar confianza en los resultados de la simulación, siete años de aplicaciones de CS en las
operaciones de Inco Limited han puesto de relieve dos claves fundamentales para el éxito:

1. reconocer que las simulaciones condicionales son sólo modelos y cuestionar

constantemente la estacionariedad y otros supuestos del modelo; y
2. siempre que sea posible, realizar estudios de calibración basados en análisis retroactivos de
yacimientos con historial de producción.

AgradecimientosLos autores desean reconocer la contribución y el apoyo del personal clave de Inco
para la aplicación exitosa de simulaciones condicionales a estos proyectos: Alan Aubut, Scott Bishop,
Jean-Yves Cloutier, John Kelly, Andre Lauzon y Brian Plamondon. También nos gustaría agradecer a
Lawrence Cochrane por su ayuda en la edición final de este artículo.
Aplicación de simulaciones condicionales al capital… 333

Referencias

Abzalov M, Mazzoni P (2007) El uso de simulación condicional para evaluar el riesgo de proceso asociado
con variabilidad de leyes en el depósito de ilmenita detrítica de arenas del corredor, Mozambique. En:
Dimitrakopoulos R (ed) Modelado de yacimientos y planificación estratégica de minas, 2ª ed. Instituto
Australasiano de Minería y Metalurgia, Melbourne, págs. 95-102
Armstrong M, Dowd PA (eds) (1993) Simulaciones geoestadísticas. Editores académicos de Kluwer,
pág.255
Audet M, Ross AF (2007) Depósitos lateríticos de Ni-Co de Koniambo, Nueva Caledonia: un estudio de caso de
modelación geológica hasta la clasificación de recursos minerales. En: Dimitrakopoulos R (ed) Modelado
de yacimientos y planificación estratégica de minas, 2ª ed. Instituto Australasiano de Minería y
Metalurgia, Melbourne, págs. 235–244
Benndorf J Dimitrakopoulos R (2007) Nuevos métodos eficientes para simulaciones condicionales de grandes
yacimientos. En: Dimitrakopoulos R (ed) Modelado de yacimientos y planificación estratégica de minas, 2ª
ed. Instituto Australasiano de Minería y Metalurgia, Melbourne, págs. 61–67
Chiles JP Delfiner P (1999) Geoestadística: modelación de la incertidumbre espacial, Wiley, 695 p DATAMINE
MTLtd (1997) Manual de usuario para módulo desplegable. En: Deutsch CV, Journal AG
(eds) GSLIB: Biblioteca de software geoestadístico y guía del usuario. Oxford University Press,
Nueva York, 134 p (1992)
Deutsch CV, Journel AG (1992) GSLIB: Biblioteca de software geoestadístico y guía del usuario.
Prensa de la Universidad de Oxford, Nueva York
Dimitrakopoulos R, Luo X (2004) Simulación gaussiana secuencial generalizada en tamaño de grupo n y
Pantalla: aproximaciones de efectos para simulaciones de campos grandes. Math Geol 36(5):567–591 Goovaerts P
(1997) Geoestadística para la evaluación de recursos naturales. Prensa de la Universidad de Oxford,
Nueva York, pág. 483
Gotway CA, Rutherford BM (1993) Simulación estocástica para obtener imágenes de incertidumbre espacial:
comparación y evaluación de algoritmos disponibles. En: Armstrong y Dowd (eds) Taller de
simulación geoestadística de actas. Editores académicos de Kluwer, págs. 1–22
Journel AG, Hjuibregts CJ (1983) Geoestadística minera. Academic Press, San Diego, CA, p 600 Krige
DG (1996) Un análisis práctico de los efectos de la estructura espacial y de los datos disponibles y
accedido, en sesgos condicionales en kriging ordinario. En: Baafi E, Schofield N (eds) Actas
geoestadísticas Wollongong '96. Editores académicos de Kluwer, págs. 799–810
Lantuejoul C (1993) Simulación no condicional de aleatorio multigaussiano isotrópico estacionario
funciones. En: Armstrong y Dowd (eds) Simulaciones geoestadísticas de procedimientos. Editores
académicos de Kluwer, págs. 147-177
Ravenscroft PJ (1993) Simulación condicional para minería: implementación práctica en industrias
ambiente. En: Armstrong, Dowd (eds) Taller de simulación geoestadística de actas.
Editores académicos de Kluwer, págs. 79–88
Wackernagel H (1998) Geoestadística multivariada, segunda edición ed. Springer, Berlín Heidelberg,
pág.291