Revista El Ingeniero de Minas
ARTÍCULO Técnico
Ore Control con Incremento Económico
Aplicando Simulación Condicional
Geoestadística
Ph.D Alfredo Marín Suárez
Universidad Nacional de Ingeniería
I. RESUMEN
Este trabajo está basado en la aplicación de la
Simulación Condicional Multivariable, usando el
método Bandas Rotantes, a la gran minería en
diciembre 1978, en el yacimiento de hierro de
“Pilvara” al Nor Oeste del continente australiano
y, plasmada en mi tesis de doctor ingeniero,
desarrollado bajo la dirección del Doctor
George Matheron.
Para esto se transforma las leyes con
Anamorfosis Inversa (“nscore”), se construye
variogramas en todas las direcciones y luego se
aplica la Simulación Secuencial Gaussiano
basado en el Método de Bandas Rotantes, que
explicaremos en este trabajo. Finalmente se
hace una transformación por Anamorfosis
Directa (“nscore”) y así poder emitir una serie de
reportes de resultados para la operación minera,
a partir de 30 a100 puntos simulados por cada
bloque unitario (“smu”).
Mineral a concentradora, Mineral a lixiviación,
Mineral a pad rom, Mineral a Stock y Desmonte a
botaderos. Mineral con variabilidad real
controlada para la planta de tratamiento
metalúrgico.
Planos con ley simulada y variabilidad en cada
bloque unitario (“smu”)
Planos de la probabilidad y ley media encima de
un Cut off requerido.
Pág. 36
Artículo
CIENTÍFICO
Planos del intervalo de confianza de la ley
simulada por cada bloque unitario(“smu”),
Planos de errores, es decir de la precisión de la
ley simulada por cada bloque unitario (“smu”),
que permite también clasificar las reservas.
En suma, estos planos van a permitir una mejor
definición de los polígonos con su tonelaje y ley
media, así como realizar un ORE CONTROL con
mejor “blending” en el planeamiento de minado
a corto plazo. Aplicación Piloto en Cerro Verde,
Las Bambas, Tantahuatay(2022-2023)
Una versión de la simulación presentada
también se está aplicado a variables de
Geotecnia de la Mina Antamina (2019-2023).
Estos resultados probabilísticos obtenidos
conllevan al Análisis de Riesgo de Proyectos
Mineros.
Se uso C++, FORTRAN, Python, y software
auxiliar libre SGEMS.
II. INTRODUCCIÓN
Durante la planificación de la explotación de una
mina, es necesario prever las dispersiones de las
reservas a la salida de diversos procesos de
extracción, almacenaje, etc. Si se conociera
perfectamente el yacimiento minero esta tarea
sería llevada sin mucha dificultad, pero esto no
ocurre en la realidad; solo se conoce el
yacimiento cuando este ya ha sido explotado.
ARTÍCULO CIENTÍFICO
Artículo Técnico
Entonces, al no disponer de esta información se
puede optar por simular el yacimiento,
condicionando a los datos observados para
darle mayor robustez a los resultados.
Para tal efecto usamos el modelo probabilístico
propuesto por la Geoestadística, que consiste en
interpretar la repartición espacial de la ley de un
mineral 3(x) como una realización de una
función aleatoria Z(x), x E Rn caracterizado por
sus dos primeros momentos. La simulación
condicional consistirá en obtener varias
realizaciones de la función aleatoria Z(x) que
tengan el mismo histograma y los mismos
momentos de orden 1 y 2 que la realidad,
condicionados por los datos experimentales
30(x), es decir que los valores simulados 3(x)
deben ser iguales a los valores experimentes
30(x) en los puntos de observación.
El número de realizaciones 3(x) del yacimiento
simulado estará limitado solamente por las
necesidades del usuario y por los recursos
computacionales disponibles.
La metodología es presentada en forma
genérica, ha sido utilizada para estudiar grandes
yacimientos de fierro de Mt. Newman Mining Co,
en la región de Australia Occidental. Y ha sido
plasmada en mi tesis de doctor ingeniero (1978),
que desarrollé bajo la dirección del autor de la
Simulación Condicional, George Matheron.
En este trabajo se ilustra la aplicación en un
yacimiento tipo Pórfido de Cu andino, cuya ley
estudiada es el Cu total, yacimiento
representativo de los grandes yacimientos tipo
Pórfido, tales como el Watintza, Cerro Verde,
Toquepala, Cuajones, Chuquicamata, Escondida,
entre otros.
III. ESTIMACIÓN O SIMULACÓN
Si nosotros representamos las leyes de los datos
en la primera gráfica y luego en la segunda
gráfica las leyes estimadas en los puntos X,
tendremos lo siguiente:
Figura 1. Ventaja de la Simulación Condicional
Revista El Ingeniero de Minas
Se observa que con los valores estimados se
suaviza las fluctuaciones de la variable ley, es
decir que con ellos no podemos cuantificar la
variabilidad de la ley, perdiendo una propiedad
tan valiosa. En cambio, la simulación condicional
si reproduce las fluctuaciones con las
características estadísticas y estructurales de la
realidad, haciendo posible mejorar ampliamente
la calidad del “blending”, planeamiento de
minado, entre otras aplicaciones.
IV. METODOLOGÍA DE LA SIMULACIÓN
CONDICIONAL
1. ANÁLISIS ESTADÍSTICO DE DATOS
Se realiza el análisis estadístico como parte de la
llamada ingeniería de datos que consiste en
analizar las leyes que caracterizan al tipo de
yacimiento, información que debe encontrarse
regularizada (compositada) proveniente
principalmente de los huecos de perforación de
la voladura (Blast hole) aparte de la información
de las leyes de los taladros de exploración
mediante correlaciones, histogramas, detección
de poblaciones anómalas y de grado de
lognormalidad principalmente.
2. DECLUSTER
Que consiste en desagrupar las leyes, afectando
a las leyes un peso que depende del área o
volumen que representa. Es denotar que
también el Kriging hace esta función.
3. PROCESO DE ANAMORFOSIS INVERSA
• Anamorfosis Inversa (“nscore”)
• Consiste en transformar el valor de las leyes
observadas en valores gaussianos.
• La función de transformación en rigor es un
Polinomio Hermite. Para verificar si la
transformación ha sido correcta, construimos el
histograma de valores transformados y saldrá
gauss con media cero y desviación típica 1.
Figura 2. Histograma de las leyes transformadas
por Anamorfosis Inversa
Pág. 37
 Revista El Ingeniero de Minas
A continuación, se presenta la anamorfosis
inversa de las leyes de mineral, como puede
verse a cada ley real se resigna un valor
gaussiano, como se observa en la figura:
Figura 3. Anamorfosis gaussiana inversa
4. VARIABLES REGIONALIZADAS Y SUS
MOMENTOS
Se interpreta a las variables regionalizadas 3(x)
como realizaciones particulares de una función
aleatoria (F.A.) estacionaria, aplicando la
hipótesis estacionaria de orden 2.
Que está relacionado con (b) mediante:
Ejemplo de un variograma de las leyes
transformadas por anamorfosis gaussiano, con
una pepita y dos estructuras esféricas:
Figura 4. Variograma de las leyes
transformadas por anamorfosis gaussiano
Pág. 38
ARTÍCULO CIENTÍFICO
Artículo Técnico
5. VARIOGRAFÍA
La variografía se realiza con las leyes que
resultan de la aplicación de la anamorfosis
inversa gaussiana, en un dominio geológico del
yacimiento. Consiste en construir los
variogramas promedio en las diferentes
direcciones de yacimiento a fin de detectar la
dirección de mayor alcance, es decir, la dirección
del eje a1 del elipsoide de variogramas, seguido
de la definición del eje a2 y a3 del elipsoide.
Cuando la modelación de los variogramas
presenta dos o más estructuras se considerarán
elipsoides adicionales por cada estructura
encontrada.
Luego se determina los radios de un elipsoide
esta vez de búsqueda, que permiten encontrar
información para condicionar la simulación. Se
recomienda que el elipsoide de búsqueda sea
sub múltiplo del elipsoide de variogramas para
un mejor condicionamiento.
Figura 5. Ejemplo de dos elipsoides
correspondientes a dos estructuras del
variograma
Los que permiten hacer maching learning, al
obtener conocimiento del dominio geológico
estudiado, constituido por los parámetros de los
variogramas en las diferentes direcciones, es
decir, sus elipsoides de influencia.
6. GENERACIÓN DE VALORES SIMULADOS
A este nivel se puede usar la Simulación
Secuencial Gausiana, bastante simplificado y
que básicamente consiste en lo siguientes pasos:
Se configura un camino aleatorio para cada
nodo
Se usa el kriging de estimación y varianza para
definir una distribución gaussiana en el primer
nodo, a partir de la data existente.
Artículo
ARTÍCULO Técnico
CIENTÍFICO Revista El Ingeniero de Minas

3. Mineral a pad rom

4. Mineral a Stock
5. Desmonte a botaderos
V.1 PLANOS DE TRABAJO OBTENIDOS A
PARTIR DEL NUMERO DE PUNTOS (De 30 a
100) SIMULADOS POR BLOQUE UNITARIO
Figura 6. Histograma Gaussiano a partir de
kriging y varianza y acumulado para Montecarlo
Se repite la estimación y muestreo Monte Carlo
para generar valor simulado secuencialmente
para cada nodo en su camino aleatorio. De 30 a
100 valores por bloque unitario.

Figura 9. Leyes y variabilidad por cada bloque

unitario

Figura 7. Variograma para kriging y Nodos

aleatorios
Se repite la estimación y muestreo Monte Carlo
para generar valor simulado secuencialmente
para cada nodo en su camino aleatorio. De 30 a
100 valores por bloque unitario.
7. ANAMORFOSIS DIRECTA
Finalmente transformamos la ley gaussiana
simulada para cada bloque unitario a su valor
real con la Anamorfosis Directa, tal como se
muestra las flechas de la figura:
Figura 10. Probabilidad encima de un cut off

Figura 8. Anamorfosis Gaussiana Directa

V. APLICACIONES DE LA SIMULACIÓN
Reportes de ore control a obtener:
1. Mineral a concentradora -> Chancadora
millchan
2. Mineral a lixiviación -> Chancadora hidrochan Figura 11. Ley Media encima de un cut off

Pág. 39
 Revista El Ingeniero de Minas ARTÍCULO CIENTÍFICO
Artículo Técnico

V.2 CASO DE VERIFICACIÓN VISUAL DE LA V.3 INTERVALO DE CONFIANZA DE LA

SIMULACION CONDICIONAL SIMULACIÓN
Se calcula el intervalo de confianza de la ley
simulada, es decir, la precisión de la ley por cada
bloque, cálculo que va a permitir también
clasificar las reservas en probadas y probables.
En suma, estos planos van a permitir una mejor
definición del perímetro de la explotación local
con su tonelaje y ley, así como realizar un ORE
CONTROL con mejor blending para el
planeamiento de minado a corto plazo.

Figura 12. Leyes simuladas del mismo color que Figura 14. Plano de Ley Simulada y Errores por
el de los datos “blasthole” bloque unitario

Figura 15. Plano de Intervalo de Confianza de la

ley simulada para cada bloque unitario

VI. CONCLUSIONES
Existen más aplicaciones, así los resultados
probabilísticos obtenidos conllevan al Análisis de
Figura 13. Con valores numéricos adicionales Riesgo de Proyectos Mineros.

Pág. 40
ARTÍCULO
Artículo CIENTÍFICO
Técnico Revista El Ingeniero de Minas

Se ha iniciado la aplicación con una Prueba de la Compañía Buenaventura..

Piloto(2022-2023), a través de un curso Taller de
Geoestadística con Simulación Condicional,
aplicada al Ore Control con “Blending” en el
planeamiento de minado a Corto Plazo, en las
minas de cobre de Cerro Verde y Las Bambas,
igualmente se ha iniciado su aplicación en el
yacimiento de oro de Tantahuatay-Coimolache
Una versión de la simulación presentada también
se está aplicado a variables de Geotecnia de la
Mina Antamina (2019-2023).
El software fue construido en FORTRAN y PYTHON,
con la ayuda de software libre SGEMS, para los
cálculos complementarios y presentaciones gráficas.

XV CONAMIN
MINERÍA SOSTENIBLE,
INNOVADORA E INTELIGENTE

TRUJILLO - PERÚ
DEL 24 AL 28 DE JUNIO
2024

Pág. 41
 Revista oficial del XV Conamin 2024

¡TÚ TAMBIÉN PUEDES SER

PARTE DE

EDICIÓN!
LA SIGUIENTE

NUESTRO ALCANCE

Ingenieros de
¡Conoce más minas y
Proveedores superintendentes
de nosotros!

Contacto:
986 359 925 CEO de
Gerentes de
las principales las principales
unidades compañías
revistaminas@ciplima.org.pe