Documenti di Didattica
Documenti di Professioni
Documenti di Cultura
de mineral:
Un método alternativo
Introducción
Hasta la fecha no existe una forma fácil o práctica, que pudiera servir de guía para clasificar
reservas, de medir la confianza en las estimaciones. Por consiguiente, actualmente es difícil
encontrar una práctica estándar para la clasificación de las reservas de mineral. Mejor dicho,
cada compañía o profesional de reservas de mineral ha adoptado una propia metodología para
clasificar las reservas dentro de alguna pauta u otra, aplicando ese método de yacimiento en
yacimiento con algo de refinamiento.
Los objetivos de este taller son dobles. El primer objetivo es proponer una medida alternativa
para accesar la incertidumbre de las leyes de bloque estimadas. Repasaremos la variancia
Kriging tradicional y sus límites como indicador de la incertidumbre. Esta plática se seguirá por
la metodología de computar la Combined Variance (Variancia combinada) propuesta. El segundo
objetivo de este taller es demostrar la aplicación de esta variancia nueva en un yacimiento de
oro, y su uso en la clasificación de las reservas de oro o recursos.
La variancia Kriging
Como técnica de estimación, el Kriging ordinario se distingue por su intento de producir un
conjunto de estimaciones para el cual la variancia de los errores es mínima. Al usar el modelo de
la Random function (RF) (Función al azar probabilística), se puede expresar la variancia del
error como función de los parámetros de modelo RF s2, Cij, y las ponderaciones wi (Isaaks y
Srivastava, 1989):
donde n es el número de muestras, s2 es la variancia total de la muestra, Cij son las covariancias
de muestra en muestra, Cio son las covariancias entre muestra y bloque, y wi son los
ponderaciones asignados a las muestras. A la variancia minimizada del error mediante el uso de
la técnica de multiplicadores Lagrange se le refiere por lo regular como la variancia Kriging
ordinaria:
La Figura 7 muestra el
histograma resultante y la
estadística del Relative Variabil-
ity Index (RVI) para el oro
mediante el uso de todos los
bloques kriged en la zona min-
eralizada. Estos valores RVI
despliegan una distribución
torcida. Para clasificar nuestras
reservas en las categorias
probadas, probables y posibles,
hay que obtener dos valores: un
valor para separar las categorias
probados/probables, y otro valor
para separar las categorias
probables/posibles. Como la
regla, usaremos el medio RVI de
todos los bloques kriged para el
límite probados/probables. Este
Figura 7. Distribución alternativa del valor es 0.23. Ahora nos falta
Índice de variabilidad relative (VI) for gold determinar el valor para el límite
probables/posibles. Mediante el
uso del ploteo logritmo de
probabilidad cumulativa de los valores RVI, identificamos un punto de kink ( falla) en la curva
de probabilidad. Este punto corresponde al valor RVI de 0.39 por la intersección de dos líneas
rectas, ubicadas en las porciones inferior y superior de la curva de probabilidad. A propósito,
esto corresponde a aproximadamente la percentila 90 de la distribución RVI en este yacimiento.
Proven Reserves (Reservas probadas): bloques con RVI values # media RVI
Probable Reserves (Reservas probables): bloques con valores RVI entre el medio y
la percentila 90 RVI
Possible Reserves (Reservas posibles): bloques con valores RVI > percentila 90
RVI
Para preparar los resultados de la Distancia al compósito más cercano, usamos una
metodología similar para determinar el rango de los valores a usarse para la clasificación de
las reservas. Por consiguiente, aplicamos la distancia del medio (55m) en las categorías
apartes de probadas/probables separadas, y la percentila 90 de la distancia (91m) en
categorías apartes de probables/posibles.
Aparte de las toneladas y ley, también reportadas en las Tablas 2 y 3 son la distancia promedio
al compósito más cercano y el número promedio de compósitos usados en la interpolación.
Primero vemos los resultados de la clasificación RVI. De esto resultados podemos ver que la
distancia promedio se hace más grande de categorías probada a probable, y de categorías
probable a posible. Al contrario, el número promedio de compósitos usados por bloque disminuye
en lo que pasemos de la categorías de probadas a la de probables, que pasando de la
categoría probables a posibles. Esto es lo que se pudiera esperar. Éste es un aspecto inherente
de este método debido al uso de la variancia Kriging en el cálculo del Relative Variability Index.
Al comparar los resultados de estos dos métodos en estas tablas, encontramos que las
diferencias son significativas entre los dos métodos en las categorías particulares. Sin em-
bargo, cuando las categorías probadas y probables sean combinadas, los resultados se han
parecido más, uno al otro. En general, con la clasificación RVI resulta que un mineral de ley
relativamente marginal se ha colocado en la categoría posibles, indicando una mayor
incertidumbre con respecto al corte usado. Por consiguiente, al saber que se está tomando en
cuenta la variabilidad local de las leyes al determinar las categorías de las reservas, la técnica
RVI debe proveer una estimación y clasificación de las reservas más presentable.
Conclusión
El concepto de la Combined Variance (Variancia combinada) puede ser muy conveniente
para evauluar la incertidumbre en los bloques. Adicionalmente, el Relative Variability Index
(Índice de variabilidad relativa) (RVI) puede ser una herramienta efectiva para clasificar las
reservas de mineral o recursos en las categorías de probadas, probablesy posibles. Los
valores de la Combined Variance y el RVI son fáciles de computar e implementar.
La única desventaja del uso del método de Combined Variance y RVI es que, requiere el
cálculo de la variancia Kriging. Por consiguiente, la aplicación más fácil de este método es
cuando el Kriging ordinario es usado para asignar leyes al bloque. Sin embargo, es posible
computar una Combined Variance para el método del Inverse Distance Weighting (IDW)
(Ponderación inversa a la distancia) mientras que la variancia Kriging sea computada primero
usando los mismos parámetros de interpolación. El programa IDW debe entonces ser modificado
para leer la variancia Kriging para cada bloque, para calcular la Combined Variance resultante.
Alternativamente, el programa IDW puede ser modificado para escribir el primer componente
de la Combined Variance [Ec. 3]. Este valor entonces se toma y se multiplica por la variancia
Kriging. La raíz cuadrada de este producto proporciona la Combined Variance.
Esta técnica de clasificación de las reservas de mineral mediante el uso del Relative Variability
Index (RVI) ha sido aplicado en otros tipos de yacimientos, incluyendo el cobre, molibdeno,
cinc y plata. Los resultados han tenido sido más razonables que aquellos de los métodos
convencionales, tal como la Distancia al compósito más cercano. Esto es a causa de que la
técnica RVI no sólo toma en cuenta la variabilidad local, sino también incorpora todo los
criterios ventajosos para clasificar las reservas, tales como la distancia, el número y la
configuración de los compósitos alrededor del bloque, así como también la correlación espacial
de los compósitos.