Estimación de

recursos minerales

Ing. Alfonso Lozada P.

Ing. en minas y metalurgia UNAM

Lozada Alfonso
Contenido
• ¿Qué es la Geoestadística?
• Recursos y Reservas
• Obtención y manejo de datos
• Compositación
• Dominios de estimación
• Modelo de bloques
• Semivariograma
• Modelos de semivariogramas
• Métodos de estimación
• Validación de modelo
• Estimación de variables diversas
Imagen propia

Lozada Alfonso
Geoestadística
Imagen propia

Comprende a un conjunto de herramientas y técnicas que sirven

para analizar y predecir los valores de una variable que se muestra
• MINERÍA • ESTUDIOS
distribuida en el espacio de una forma continua. • PETRÓLEO FORESTALES
• PESCA • SALUD PÚBLICA
La geoestadística es la aplicación de la teoría de las variables AGRICULTURA
• • INGENIERÍA CIVIL
regionalizadas, un fenómeno es regionalizado cuando se desplaza
• CIENCIAS DEL • TELEDETECCIÓN
en el espacio, manifestando una cierta estructura. Su propósito es
estimar o predecir espacialmente, sin sesgo y con un error mínimo, MAR • CARTOGRAFÍA
el valor de una variable en coordenadas donde no se conoce la • HIDROGEOLOGÍA • FINANZAS
información. • MEDIO AMBIENTE • METEOROLOGÍA
Se establece que la distribución estadística de la diferencia de una
variable (ley) entre muestras es similar y depende de la distancia
que las separa y su distribución, en un dominio donde se tenga
estacionariedad.

Lozada Alfonso
Recursos y Reservas
Un recurso mineral es una concentración u ocurrencia de un material
de interés económico, un sólido con características como geometría,
ubicación, ley, tonelaje, densidad, etc. Y que eventualmente podrían
ser viables para ser extraídos, estos son clasificados según la
confiabilidad de la información que tenemos del yacimiento en:
• Inferidos
• Indicados
• Medidos
Las reservas son una parte de los recursos medidos y/o indicados que
es viable de ser extraído según un estudio de pre factibilidad o
factibilidad, donde se justifique su explotación con una utilidad
atractiva. Estas también se clasifican según su grado de confiabilidad
de la información disponible y según ciertos factores, se clasifican en:
(Rossi, Deutsch, 2014)
• Probables
• Probadas

Lozada Alfonso
Obtención y manejo de
datos
La calidad de la estimación depende de la calidad de la
información obtenida y de los procedimientos para gestionarla.
El código JORC (Código de Australia para Reporte de
Resultados de Exploración, Recursos minerales y Reservas de
mena) menciona que se deben tener procedimientos bien
establecidos para los siguientes puntos.
• Técnicas de muestreo (perforación y recuperación de
muestras).
• Registro de información (logueo y construcción de base de
datos).
• Calidad y Verificación de los datos de ensayos de
laboratorio (QA/QC).
• Seguridad y resguardo de muestras obtenidas
(Almacenamiento de núcleos).
NI-43-101
JORC, (2012).

Lozada Alfonso
QA/QC
El proceso de estimación requiere un estricto programa de
aseguramiento y control de calidad, para dar confianza en la precisión y
exactitud de la información obtenida de los barrenos. El programa Imagen propia
QA/QC debe cubrir lo siguiente:
• Condiciones de muestreo en el campo.
• Preparación de la muestra.
• Revisión de precisión y exactitud de ensayes.
• Reporte de seguimiento de precisión y exactitud de laboratorio.
• Transferencia de información a bases de datos.
Los materiales que se usan son los llamados estándares, duplicados y
blancos.
Aparte de estos controles se tiene que validar la base de datos en
busca de errores en los intervalos, las ubicaciones, los valores y
formatos, en caso de que hubiera algún detalle en el proceso de captura
de la información.
Imagen propia

Lozada Alfonso
Compositación

Procedimiento donde el valor original de ley (assays) se

promedia en tramos específicos, la homogeneización del
soporte o escala de la información y la corrección de
intervalos incompletos es el principal objetivo.
En las minas se espera trabajar con selectividad (mineral-
tepetate), en el caso de minas a cielo abierto la selectividad
es fijada como la altura de banco, en el caso de las
subterráneas esta en función del método de minado, en
general la altura de rebaje, por ello la longitud del compósito
se fija como una de estas dos dimensiones.
Compositos más cortos pueden ser usados para incrementar
la población de muestras disponibles para la variografía y la
estimación, estos permiten tener mayor exactitud para https://www.seequent.com/compositing-numeric-and-assay-data-in-leapfrog-geo/

representar contactos geológicos, pero tampoco son

deseables compósitos muy pequeños.

Lozada Alfonso
Compositación

Un punto importante es cortar los compositos con los dominios

geológicos, si se hace, se evita la dilución de leyes, los https://mimir.id/product/explisit-geological-modelling-eng/
contactos de estimación están mejor definidos y con mejor
control de ley. Esto podría generar muchos compósitos más
pequeños que la longitud especificada, algo que no es
deseable.
Una práctica común es usar los compositos con longitud 50%
o más de la dictada como límite aceptable, descartando los
compósitos más pequeños que eso, pues puede haber
problemas de representatividad por el soporte mucho más
pequeño del general de las muestras.
Los outliers o valores extremos, son valores atípicos que se
desvían de la tendencia general de las otras muestras, no son
errores de captura o de ensaye, se debe definir los límites para
considerarlo outlier y su tratamiento para que no haya una
sobre o sub estimación.
https://www.geovariances.com/en/mineral-resource-estimation-in-situ-and-recoverable/

Lozada Alfonso
 https://www.micon-international.com/top-10-tips-for-mineral-resource-estimation/

Dominios de
estimación
El proceso de definir dominios de estimación equivale a modelar
las variables geológicas que representan los controles de
mineralización.
Es la definición de zonas de estacionariedad dentro del
yacimiento, esto se refiere a cómo agruparemos la información
dentro de una zona específica dentro del yacimiento, este
agrupamiento se basa generalmente en:
• Zonas de oxidación
• Litologías
• Alteraciones
• Límites estructurales
Los dominios definen el tonelaje mineralizado disponible,
raramente alguna técnica geoestadística compensa una mala
definición de estacionariedad. (Cowan, 2023)

Lozada Alfonso
Dominios de estimación
Identificación de volúmenes espacialmente coherentes,
estadísticamente similares y geológicamente distintos de otros
volúmenes a su alrededor.

Las etapas para clasificar los tipos de dominios son:

1) Selección de atributos que rigen la mineralización, como tipo de Imagen propia

mineralización y alteración.

2) Análisis estadístico de ley para cada categoría de cada atributo

geológico.

3) Combinación de categorías de cada atributo geológico por

similitud estadística y contacto espacial, aquí se ve la posible
reducción de las categorías por similitud.

4) Combinación de atributos geológicos por similitud estadística y por

contacto.

5) Validación de dominios a nivel geológico y estadístico.

(Rossi, Deutsch, 2014)

Lozada Alfonso
Modelo de bloques
Describen volúmenes con pequeños cubos, discretización de
los valores de variable, son muy útiles para:
• Estimación de recursos.
• Planeación mina.
• Optimización de tajo.
Un aspecto importante que impacta en el tamaño del bloque
son los conceptos de recuperación y selectividad, se tiene la
Unidad Minera Selectiva (UMS), que se define como el
volumen más pequeño de material que puede ser extraído de
forma selectiva como mineral o tepetate. Aspectos que
influyen son:
• Tamaño de equipo.
• Control de ley.
• Características de operación (altura de banco).
Imagen propia

Lozada Alfonso
Modelo de bloques
Los bloques pueden sub bloquearse, esto con el objetivo de adaptar
el modelo a la geometría del depósito o de los dominios dados y
mejorar la representatividad, esto según la complejidad de la
geometría del yacimiento.
El modelo debe contener información necesaria como leyes,
densidad in situ, así como sus dimensiones y ubicación espacial,
Imagen propia
adicional a esto, se pueden tener variables como las de la tabla.
V. Geológicas V. Metalúrgicas V. Geotécnicas Otros
Litología Dureza de roca Angulo de talud Aire o bloque minado
Grado de oxidación Bond ball mil work index RMR Valor económico
Alteración Recuperación metalúrgica RQD Tipo de recursos
Tipo de mineralización Contenido metálico GSI Tipo de reservas

Lozada Alfonso
Semivariograma
Un aspecto esencial en la geoestadística es medir la cantidad de
variabilidad espacial o continuidad para la estimación, el variograma
experimental es la herramienta más robusta para la medición de la
variabilidad.
La incertidumbre sobre un valor Z no muestreado se modela mediante la
distribución de probabilidad de una variable aleatoria, es una función
aleatoria e implica que las variables aleatorias están dentro de un área que
se considera estacionaria.
Una función aleatoria es un conjunto de variables aleatorias definidas sobre
un campo de interés en Z(u), u es el elemento de interés en un área A, el
objetivo final de un modelo es hacer una declaración predictiva sobre
ubicaciones donde se desconoce el resultado real de Z(u).
El análisis estructural consiste en estimar y modelar una función que refleje
la correlación espacial de la variable regionalizada, en dependencia de las
características de estacionariedad del fenómeno se modelará la función de https://mine-class.com/wp-content/uploads/2017/03/geo2.pdf

covarianza.

Lozada Alfonso
Semivariograma

La función general de semivariograma se muestra en la figura.

Donde N(h) es el número de pares Z(xi) y Z(xi + h) separados
una distancia h.
Principales partes del semivariograma:
• Meseta (sill) es la varianza total de los datos que
corresponde una correlación lineal cero.
• El rango (a) es la distancia a la cual la correlación es cero.
• El efecto pepita (nugget) es la variabilidad debido a la
separación entre muestras, es una varianza a pequeña
escala.

(Rossi, Deutsch, 2014)

Lozada Alfonso
Semivariograma

Consideraciones para realizar semivariograma:

(Akoth Oloo, Xie, 2018)
• Los pares de muestras se agrupan según la distancia dentro de un
intervalo con tolerancia y dentro de una dirección.
• Se estima para valores menores que la mitad de la distancia
máxima entre muestras.
• Se considera un mínimo de 25 intervalos y un mínimo de 10 para
determinar con precisión el rango y meseta del variograma.
• Se considera que debe haber entre 30 y 50 pares de puntos como
mínimo por intervalo.
• Se debe analizar, entender a detalle al información origen para ver
tendencias y comportamiento de los datos, desde un punto de vista
geológico. (Díaz, 2020)

Lozada Alfonso
Modelos de semivariogramas
Cosiste en modelar una función que refleje la correlación
espacial de la variable regionalizada. Solo ciertas funciones
pueden ser consideradas modelos válidos de
semivariogramas.
Se requiere modelar por que las estimaciones requieren un
valor del semivariograma para todas las distancias y
direcciones posibles, por ello es necesario interpolar la función
γ(h) para todos los valores h.
Generalmente se trabajan estos modelos:
• Esférico
• Exponencial
Imagen propia
• Gaussiano
• Efecto Pepita

Lozada Alfonso
Modelos de semivariogramas
Modelo esférico Modelo exponencial Modelo gaussiano

γ(h) = 3 − , 0≤ℎ≤𝑎 γ(h) = 𝑆 1 − 𝑒𝑥𝑝 , ℎ≥0 γ(h) = 𝑆 1 − 𝑒𝑥𝑝(− ) , ℎ≥0

=S , h>a

(Díaz, 2020)

Lozada Alfonso
Métodos de estimación
La meta es predecir la ley futura y el tonelaje de material que puede ser (Rossi, Deutsch, 2014)
minado, bajo el criterio de la ley de corte.
Hay una desviación condicional en las estimaciones, ocurre cuando el valor
real esperado no es igual al valor estimado, este fenómeno esta presente en
todos los procedimientos de estimación lineal, provocando un efecto de
suavizado.
Hay varios métodos de estimación tradicionales de fácil implementación,
que se usan como validación, como son:
• Método de polígonos. Áreas de influencia de cada muestras.
• Inverso a la distancia. Dato ponderado según distancia de muestras. (Cancino, Alvarado, Navea, Campos, 2015)

• Vecino más cercano. Variante polígonos, asignación a bloque por

cercanía de muestra.

Lozada Alfonso
 (Rossi, Deutsch, 2014)

Kriging
La descripción del Kriging en general, en todas sus
variantes, es calcular los valores desconocidos,
minimizando su error en la varianza. Donde:
Z*(u) = valor del dato estimado.
Los principales tipos de kriging son: Z(ui) = valor del dato conocido.
m = media constante.
• Kriging Simple. λ = factor ponderador.
• Kriging Ordinario.
• Kriging universal.
• Kriging Factorial.
• Kriging no lineales.
o Gaussianos.
o Kriging Indicador.
o Kriging Log normal. (Zelenika, Vidacek, Ilijaš, Pavić, 2017).

Lozada Alfonso
Simulación
La modelos simulados proveen la misma información que los otros métodos de estimación,
pero también genera un modelo de la incertidumbre, que puede ser utilizado en diferentes
etapas de la mina, como son:
• Control de ley en operación.
• Análisis de riesgo en la clasificación de recursos.
• Evaluación de reservas recuperables.
• Incertidumbre de reservas minables en estudio de factibilidad.
Las simulaciones reproducen la variabilidad original observada en las muestras, los valores
extremos de la distribución original son conservados. Los modelos deberían representar
correctamente la media, la varianza y otras características estadísticas de los datos.
Se usan los métodos siguientes:
• Simulación Gaussiana secuencial.
(Rossi, Deutsch, 2014)
• Bandas giratorias.
• Simulación secuencial directa.
• Simulación de variables categóricas.

Lozada Alfonso
Validación de modelo
La estimación de recursos debe reflejar las propiedades, parámetros y
características del yacimiento con suficiente fiabilidad para resolver las tareas
necesarias.
La validación del modelo incluye la evaluación del tamaño y orientación de los
bloques, para ver si son apropiados respecto a la geometría del yacimiento y si se
utilizo la técnica de interpolación correcta.
Para la validación del modelo se tienen las siguientes opciones:
• Comparación Visual. Relación visual entre leyes y ubicación de muestras y
modelo.
• Swath plots. Gráficos que muestran la distribución de las leyes de muestras y
modelo a lo largo de un eje dado.
• Comparación de estadísticas básicas. Las leyes promedio en el modelo
deben ser cercanas a las leyes en la información de origen. Es importante
comparar diferentes tipos de estimación por dominios y los histogramas
resultantes, deben ser semejantes en distribución.
(Mehmet, 2024)

Lozada Alfonso
 (Mehmet, 2024)

Lozada Alfonso
Estimación de variables diversas
La caracterización geotécnica del macizo rocoso es uno de los
aspectos más importantes en los proyectos mineros, uno de los
sistemas de clasificación más usados es el Rock Mass Rating
(RMR), el cuál consiste en una suma de los siguientes factores:
• Rock Quality Designation (RQD)
• Frecuencia de Fracturas (FF)
• Uniaxial Compressive Strength (UCS)
• Condiciones de juntas (JC)
• Condición de agua subterránea (WC)
El uso directo del kriging ordinario para estimar el RMR no es
posible debido a que es una variable no lineal, lo cual podría
traer importantes errores en la estimación.
https://civilgeeks.com/2021/04/24/clasificaciones-geomecanicas-de-macizos-rocosos/

Lozada Alfonso
Estimación de variables
diversas
La correcta forma de estimar el parámetro sería:
• Estimar o simular cada parámetro (RQD, FF, UCS,
etc), ya que si son variables lineales.
• Asignar la puntuación de acuerdo la valor
calculado para cada parámetro y obtener la
puntuación final del RMR.
Para estimar las variables, los dominios debe ser
definidos por la calidad mecánica de la roca, no por la
mineralización, sino principalmente por la geología
estructural de la zona, en unidades geotécnicas.
Se requiere hacer el semivariograma para cada
variable en cada unidad geotécnica y después
estimarlas.
Imagen propia

Lozada Alfonso
Referencias
1. Martín A Díaz Viera, Curso de Geoestadística. Análisis Variográfico 1/2 (2020) [video], YouTube. https://www.youtube.com/watch?v=ULYe-ZNTap0

2. Nube Minera, Dominios de estimación de recursos minerales con machine learning (2021) [video], YouTube. https://www.youtube.com/watch?v=gYaL1C-UZcI

3. Egaña, Matias & Ortiz, Julián. (2013). Assessment of RMR and Its Uncertainty by Using Geostatistical Simulation in a Mining Project. Geomechanics and Geoengineering. 8. 83-90.
https://www.researchgate.net/publication/311509604_Assessment_of_RMR_and_Its_Uncertainty_by_Using_Geostatistical_Simulation_in_a_Mining_Project

4. Mario E. Rossi, Clayton V. Deutsch, Mineral Resource Estimation (2014), Springer.

5. JORC, 2012. Australasian Code for Reporting of Exploration Results, Mineral Resources and Ore Reserves (The JORC Code)

6. Mehmet Ali Akbaba, (2024), Model validation in mineral resource estimation [article], LinkedIn. https://www.linkedin.com/pulse/model-validation-mineral-resource-estimation-akbaba-
qp-cpg-geology--9p5cf/?trackingId=UTzxCyaaCQ3SmNkWPKxlcA%3D%3D

7. Jun Cowan, (2023), How to decrease uncertainty in geological modelling [article], LinkedIn. https://www.linkedin.com/pulse/how-decrease-uncertainty-geological-modelling-jun-cowan/

8. Zelenika, Kristina & Vidacek, Renata & Ilijaš, Tomislav & Pavić, Petar. (2017). Application of the deterministical and stochastical geostatistical methods in petrophysical modeling,
case study Upper Pannonian reservoir, Sava Depression. Geologia Croatica. 70. 105-114. 10.4154/gc.2017.10.

9. F. Cancino, D. Alvarado, J. Navea, L. Campos. (2015). Estudio del comportamiento del ponderador inverso a la distancia elevado a la potencia “n”, en el calculo de la ley media y en
la interpolación de recursos mineros. Departamento de Ingeniería de Minas, Facultad de Ingeniería, Universidad de Atacama, Copiapó.

10. Akoth Oloo, Margaret & Xie, Congjiao. (2018). A Method to Integrate Geological Knowledge in Variogram Modeling of Facies: A Case Study of a Fluvial Deltaic Reservoir.
International Journal of Geosciences. 09. 337-353. 10.4236/ijg.2018.96021.

11. https://www.seequent.com/compositing-numeric-and-assay-data-in-leapfrog-geo/

12. https://www.micon-international.com/top-10-tips-for-mineral-resource-estimation/

13. https://mine-class.com/wp-content/uploads/2017/03/geo2.pdf

14. https://civilgeeks.com/2021/04/24/clasificaciones-geomecanicas-de-macizos-rocosos/

Lozada Alfonso