Post on 20-Sep-2018
transcript
Desarrollos recientes en el
campo de la estimacion de
recursos mineros Sociedad Geologica del Peru
10 Febrero 2015, Lima Ing. Daniel Guibal, FAusIMM (CP)
Corporate Consultant – SRK Consulting
Daniel Guibal
• Geoestadistico
• MSc (Matematicas y Geoestadistica), Ecole Nationale Superieure des Mines de Paris, 1973
• Ingenieur Civil des Mines (Ingeniero de Minas), Ecole Nationale Superieure des Mines de Nancy, 1971
• Centro de Geoestadistica (hasta 1982)
• Minero Peru (1974 – 1976)
• Consultor in Australia desde 1983 (Siromines, Geoval, SRK Consulting)
• FAusIMM (CP), GAA
Introduccion
• No se van a cubrir aqui todos los
desarrolos recientes..Tiempo!
• Eleccion de algunos temas que
me parecen muy importantes
Factores fundamentales
• Codigos para Informar sobre Recursos Minerales y Reservas de Mena (JORC 2012, CMMI/NI 43-101, SAMREC, CRIRSCO, BVL)
• Poder de las computadoras: Hardware y Software
Codigos (Jorc 2012)
• Tres principios basicos
– Transparencia
– Materialidad
– Competencia (CP, QP, PC)
• Tabla 1: normas (Si un tema no se
comenta, debe explicarse por que), in
particular: precision (?) de la estimacion.
• Recurso debe “tener perspectivas
razonables para una eventual extracción
económica”
Codigos (Jorc 2012) (2)
• Consecuencias para estimacion
– Mas atencion a la calidad de los datos
– Mediciones topograficas, de orientacion, desvio
– Muestreo, QA/QC: mucho progreso en ese
campo
• Negativo: resistencia al uso de metodos
innovativos, todavia no establecidos por
miedo a auditoria (No se justifia, pero..)
• Clasificacion de recursos (Criteria? Perro
manchado o “spotted dog”)
Modelamiento Geologico -
Dominios
• Tradicional metodo:
Planes, Secciones, W/F
• Problemas: numero de orientaciones limitado, toma tiempo en complejos contextos geologicos, formas son sujetivas, a veces inconsistentes a 3d, actualizacion dificil.
Modelamiento Geologico 3D
Modelamiento explicito vs..
Modelamiento implicito 3D
VS.
Manual Matematico
Modelamiento Implicito
• Ventajas: – Rapidez, actualizacion facil, verdadero 3D
– Economico comparado a 2.5D
– Menos posibilidad de introducir sesgos
– Se puede incorporar observaciones geologicas
– Muy poco manual input
– Permite definicion mas rigorosa de dominios geologicos
– Los modelos pueden reproducirse sin problemas (auditoria)
– Se pueden probar multiples modelos, lo que permite une evaluacion cuantitativa de los riesgos
Modelamiento Implicito (2)
• Desventajas: – Todavia existe en un limitado numero de
software, pero cambia muy rapidamente
– Problemas con geologias muy complejas (modelamiento explicito no funcionaria tampoco)
– Deterministico, no probabilistico – Problema de cambio de soporte si se hace contorno de leyes
– Desconfianza de parte de un sector de geologos
– Todavia en desarollo
– Se necesita una formacion a la tecnica y
– “Demasiado bonito para ser verdad”
Ejemplo - gOcad
Modelling of Archean greenstone belt, Canada
Faulted S-grid of coal seam Australia
Fault network, greenstone belt, Canada
Ejemplo: 3D Geo Modeller
Geomodeller model of fault network around Porcupine-Destor camp, Canada
Geomodeller model of the Udokan copper resource , Russia
Ejemplo: Leapfrog
Leapfrog iso-surfacing of grade shells (Au ppm) from drill hole data
Lithological solids in a copper porphyry system built from drill hole and map data using Leapfrog
Geometalurgia
• Muy a menudo, tratamiento/ metallurgia = parte la mas costosa de un proyecto (Ej: cobre)
• Modelos de variables geometalurgicas (minerales, dureza, etc)
• Problema de datos (Se necesitan!)
• Problema de modelos (variables son a veces semi-cuantitativas a lo mejor)
Problemas de estimacion
• Analisis de contactos: duro
Analisis de contactos
Blando (Soft)
Kriging
• Analisis quantitativo del vecindaje
(AQV?)
– Optimizacion de los parametros de
kriging: tamano de bloque, radios de
busqueda, numero de datos..
– Calidad del kriging: varianza de kriging,
eficencia de kriging
or slope of regression
Recursos recuperables
• Problema del kriging: pequenos bloques!
Mucho alisado, lo que implica que la curva
tonelaje – ley es sesgada
• Solucion: estimar distribucion de bloques
dentro de paneles mas grandes: metodos
no lineales
• 2 tipos de metodo:
– Indicador kriging
– Metodo Gausiano: condicionamiento uniforme
Simulaciones condicionales
• Desarrollo ha tomado tiempo, pero ahora
se pueden utilisar a larga escala
• Reproducen variabilidad (histograma,
variogramas, correlaciones) y son
condicionales
• Aplicaciones:
– Analisis de riesgo, clasificacion de recursos
– Control de leyes en un tajo abierto
– Estudios de selectividad
– Estimacion de Recursos (particularmente for
minas subterraneo
Conclusion
• Hay todavia mucho por hacer
• Tecnologia sigue avanzando: mas y
mejores datos de todo tipo
• Desafio para el futuro: la integracion de
fuentes de datos muy diversos
• El (La) geologo/a o ingeniero/a de
recursos va a tener mas y mas
responsabilidades, ya que son ellos que
manejan todas las herramientas
requeridas.
GRACIAS
Algunas Preguntas?