Simulación Condicional Aspectos Generales y Aplicaciones

23rd Simulación Condicional

Annual Aspectos generales y aplicaciones
Seminar
Introducción
Los yacimientos simulados son modelos computarizados que representan un yacimiento
o un sistema. Estos modelos se utilizan en lugar del sistema real para representarlo con
algún fin. Los modelos de simulación se construyen para lograr las mismas características
de distribución, dispersión y relaciones espaciales de los valores de concentración
en el yacimiento. Los modelos simulados en forma condicional, además, tienen los
mismos valores en el lugar de ubicación conocida de los datos de las muestras. Están
condicionados a los valores de la muestra original. La diferencia entre los modelos de
estimación y las simulaciones condicionales radica en sus objetivos.
Los objetivos de la simulación
Las estimaciones locales y globales de las reservas recuperables muchas veces resultan
insuficientes durante la etapa de planificación de una mina nueva o de una sección
nueva en una mina en explotación. Con frecuencia, para el ingeniero en minas, así como
también para el químico y el metalúrgico, es esencial poder predecir las variaciones de las
características de las reservas recuperables en las distintas etapas de la operación.
Por ejemplo, en el procesamiento de yacimientos de hierro de baja ley, mantener el
producto final dentro de estrictas normas de calidad puede resultar una tarea compleja,
cada vez que haya presentes impurezas tales como fósforo. El proceso de mezcla y la
flexibilidad de la planta dependerán de la variancia en la dispersión de las leyes recibidas
en todas las escalas (diaria, mensual, anual).
En consecuencia, resulta esencial contar con una definición detallada de un método
de control de minado adecuado. Para un diseño preliminar, es admisible utilizar valores
promedios para realizar una evaluación. Cuando se trata de definiciones detalladas, no
obstante, estos promedios no son suficientes debido a las fluctuaciones locales.
Si se supiera la realidad in-situ, las dispersiones requeridas, y por ende los métodos de
trabajo más adecuados, podrían determinarse mediante la aplicación de varios procesos
simulados a esta realidad. Desgraciadamente, el conocimiento perfecto de esta realidad in-
situ no está disponible durante las etapas de planificación de la operación. La información
disponible en ese momento generalmente es incompleta y está limitada a las leyes de
unas pocas muestras. Las estimaciones que se deducen a partir de ella son demasiado
imprecisas o uniformes para el cálculo exacto de las dispersiones que se requiere.
Simulación o estimación
La estimación y la simulación son herramientas complementarias. La estimación resulta
apropiada para evaluar las reservas minerales, particularmente reservas globales in-situ.
La simulación apunta a representar correctamente la variabilidad espacial y resulta más
adecuada que la estimación cuando se trata de decisiones en las cuales dicha variabilidad
es un aspecto crítico. Resulta igualmente valiosa para el análisis de riesgo.
El objetivo de la estimación, tal como el kriging, es obtener valores “promedio” que
estén tan cerca como sea posible de los valores verdaderos aunque todavía desconocidos.
El resultado es una representación única y uniforme de la distribución espacial de la ley en
el yacimiento.
La simulación condicional, por otro lado, proporciona la misma media, el mismo
histograma y el mismo variograma que las leyes reales (basándose en el supuesto de que
las muestras son representativas de la realidad.) Por ello, identifica las características
principales de dispersión de estas concentraciones verdaderas.
La simulación condicional brinda una gama de representaciones no-uniformadas de las
leyes en el yacimiento. Estas representaciones se denominan realizaciones. Cada una ellas

Page 1
 Simulación Condicional Aspectos Generales y Aplicaciones

tiene la misma probabilidad de ser un posible “yacimiento” del que se obtuvo el conjunto 23rd
de muestras originales.
Annual
Seminar

En general, los objetivos de la simulación y de la estimación no son compatibles. A partir

de la Figura 1 se puede observar que, si bien la curva de la estimación esta, en promedio,
cerca de la curva real, la de la simulación es una mejor reproducción de las fluctuaciones de
la real. La curva de la estimación es preferible para localizar y estimar reservas, mientras
que la de la simulación es mejor para estudiar las características de dispersión de estas
reservas, teniendo en cuenta que la curva real sólo se conoce en los puntos de los datos
experimentales.
Figura 1. Perfiles real, simulado y estimado (línea gruesa entera=realidad, línea entera normal =simulación condicional,
línea entrecortada=kriging, o=datos de acondicionamiento)

Usos característicos de los yacimientos simulados

Un yacimiento simulado condicionalmente representa un modelo numérico conocido
sobre una cuadrícula muy densa. Como la simulación sólo puede reproducir estructuras
modeladas conocidas, la cuadrícula de simulación está limitada por las dimensiones de la
estructura más pequeña que se ha modelado. A este modelo numérico pueden aplicarse
diversos métodos de muestreo, selección, minado, acarreo, mezcla, control de mineral, y
demás, para verificar su eficiencia antes de aplicarlos al yacimiento real.
Algunos ejemplos de usos típicos de los yacimientos simulados son los siguientes:
• Aplicación en control de leyes para determinar las líneas de excavación que con
mayor probabilidad pueden maximizar las ganancias o minimizar las pérdidas en
dólares.
• Estudios comparativos de distintos métodos de estimación y enfoques para los
problemas de planificación de la mina.
• Estudios del grado de muestreos necesario para un objetivo dado.
• Aplicación para generar modelos de porosidad y permeabilidad.
• Aplicación en producción de reservorios de petróleo.
• Estudios para determinar la probabilidad de exceder un límite de una normativa y
aplicación en el desarrollo de estrategias para el control de emisiones.
• Estudios para cuantificar la posibilidad de variación de impurezas o contaminantes
en los metales o en el carbón entregado a un cliente en distintas escalas y lapsos.
• Predicción de reservas recuperables.
Además de simular la ley, también se pueden imitar variables categóricas tales como
litografía, alteración o mineralización. Es necesario comprender que los resultados
obtenidos a partir de los yacimientos simulados se aplicarán a la realidad solamente en

Page 2
Simulación Condicional Aspectos Generales y Aplicaciones

23rd tanto estos yacimientos reproduzcan las características esenciales del sistema real. En
consecuencia, cuanto más se sabe sobre el yacimiento real, mejor será el modelo y más
Annual cerca de la realidad estará la simulación condicional. A medida que mejora la calidad de la
Seminar simulación condicional, no sólo las estructuras reproducidas de la variabilidad se acercan
a las de la realidad, sino que también mejoran las características cualitativas (geología,
alteración, y demás) que se pueden introducir en el modelo numérico. Es necesario
destacar que la simulación no puede reemplazar a una buena campaña de muestreos del
yacimiento real.
Corrida de muestreo con simulación gausiana secuencial
Los algoritmos de simulación disponibles en MineSight® son la Simulación gausiana
secuencial (SGS) y la Simulación por indicador secuencial (SIS). A ellos se accede a
través de un sub-menú no convencional dentro del programa MineSight® Compass™. No
obstante, el apoyo técnico está disponible exclusivamente para los usuarios que recibieron
entrenamiento o aquellos que tienen conocimientos sobre el tema.
La figura 2 muestra una toma del Administrador de procedimiento (Procedure Manager)
de MineSight® Compass™ que aparece al seleccionar el grupo Simulación condicional
(Conditional Simulation). Actualmente es un menú no convencional al que se accede a
través de los archivos csim.mnu o csim2.mnu preparados para la Simulación condicional.
Tenga en cuenta que las funciones de este menú pueden luego personalizarse o ser
modificadas según sea necesario.

Figura 2. Funciones del sub-menú Simulación condicional (Conditional Simulation)

El SGS se realiza empleando datos normalizados, o los datos transformados en
distribución normal. Los resultados de la transformación de los datos en distribución
normal, por lo general, se generan en un archivo ascii, pero pueden cargase en archivos de
composito MineSight®. El actual programa SGS puede manejar los datos normalizados de
las leyes originales y “re-transformarlos” a los datos originales.
Antes de correr una simulación condicional, es necesario realizar un análisis del
variograma de los datos normalizados. Los parámetros de los variogramas de datos
normalizados se utilizan para la simulación. Si bien los resultados de la simulación pueden
generarse en un archivo ascii, muchas veces es necesario configurar un modelo de bloque
3-D para almacenar esos resultados. El tamaño del bloque utilizado para el modelo de la
simulación condicional, en general, es mucho más pequeño que el tamaño de la Unidad
de minado selectivo (Selective Mining Unit –SMU-) debido a que debe representar el
yacimiento a escala de ese punto. Si se cuenta con un modelo de bloque 3-D, se pueden

Page 3
 Simulación Condicional Aspectos Generales y Aplicaciones

guardar directamente los resultados de la simulación. Una vez que los valores simulados 23rd
se encuentran en el archivo del modelo, se utilizan los programas habituales MineSight®
para verificar, desplegar, plotear y resumir los resultados. La ley simulada de los bloques
Annual
puede combinarse en una unidad de minado selectivo (SMU) de cualquier tamaño para su Seminar
posterior análisis. La Figura 3 muestra una vista de plano del banco 2600 a partir de una
muestra de un ejercicio de Simulación Condicional.

Figura 3. Simulación condicional del banco 2600 en un proyecto de muestra.

Actualizaciones previstas
Está previsto incorporar capacidades al paquete de simulación; esas capacidades se
enumeran a continuación:
Reducción de datos repetitivos
Elevaciones relativas para utilizar tanto en SGS como en SIS
Acceso directo al modelo en SIS
Medias locales o probabilidades para un kriging simple en SIS
SGS con una variable co-ubicada
Nos interesa recibir sus comentarios sobre este tema, lo que permitirá a Mintec, Inc.
evaluar los problemas que los clientes pudieran enfrentar y sugerirles soluciones útiles.
Referencias
Arik, A., 2003, “Kriging vs. Simulation: How optimum is our pit design?”(Kriging vs.
Simulación: ¿Cuán óptimo es nuestro diseño de pit?) 4th CAMI Symposium
Proceedings, Calgary, Alberta, Canada.
Arik, A., 2001, “Performance Analysis of Different Estimation Methods on Conditionally
Simulated Deposits,” (Análisis de desempeño de distintos métodos de estimación en
yacimientos simulados condicionalmente) SME Transactions, Vol. 310.

Page 4
Simulación Condicional Aspectos Generales y Aplicaciones

23rd Arik, A., 1999, “Uncertainty, Confidence Intervals and Resource Categorization:
A Combined Variance Approach,” (Incertidumbre, intervalos de certeza
Annual y categorización de recursos: un enfoque de varianza combinada) ISGSM
Seminar Symposium, Perth, W. Australia.
Dagdelen, K., Verly, G., and Coskun B., 1997, “Conditional Simulation for Recoverable
Reserve Estimation,”(Simulación condicional para estimación de reservas
recuperables) SME Annual Meeting, Preprint 97-201.
David, M., 1977, Geostatistical Ore Reserve Estimation, (Estimación goeestadística de
reservas minerales) Elsevier, Amsterdam.
Davis, B.M., 1992, Confidence Interval Estimation for Mineable Reserves, (Estimación de
Intervalos de confianza para reservas explotables) SME Annual Meeting, Preprint
#92-39.
Isaaks, E.H., Srivastava, R.M., 1989, Applied Geostatistics, (Geoestadística aplicada) New
York, Oxford University Press.
Journel A.G. and Huijbregts Ch.J. (1978). Mining Geostatistics, (Geoestadística minera)
Academic Press, London.
Kim, Y.C, Knudsen, H.P. and Baafi, E.Y. (1980). Application of Conditional Simulation to
Emission Control Strategy Development, (Aplicación de la simulación condicional
al desarrollo de estrategias de control de emisiones) University of Arizona, Tucson,
Arizona.
Lloyd, C.D., McKinley, J. M. and Ruffell, A. H. (2003). “Conditional simulation of
sandstone permeability” (Simulación condicional de la permeabilidad de rocas
sedimentarias) Proceedings of IAMG 2003.

Page 5