Upload
phungkhanh
View
230
Download
0
Embed Size (px)
Citation preview
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?