Professional Documents
Culture Documents
INTRODUCCIN
Variabilidad a Pequea
Escala
Optimizacin Protocolo de Muestreo
Error Analtico
Intro 1
Optimizacin Protocolo
de Muestreo
Efecto Pepa In-Situ (Nugget)
Error Fundamental
Intro 2
Implementando El
Protocolo de Muestreo
Error de Delimitacin
Error de Extraccin
Intro 3
Manteniendo la
Integridad de la Muestra
Errores de preparacin
Error de Contaminacin
Error de Prdida
Error de Alteracin
Error Humano
Fraude y Sabotaje
Intro 4
Error Analtico
Alcance versus Principio
Interferencias aditivas
Interferencias Proporcionales
Lnea Base de Temperatura de Secado
Tcnica de Disolucin
Composicin de Residuos de Disolucin
Contaminacin y Prdidas
Intro 5
Variabilidad a Gran
Escala
Error de Interpolacin
Tiempo
Espacio
Error Peridico
Error de Pesaje
Intro 6
Estableciendo
Prioridades
Efecto del
Problema
Grande
Si
de todas maneras!
pero haga un
estudio
de factibilidad
S
Pequeo
No
Pequeo
Grande
Intro 7
Estableciendo
prioridades para
muestreo de oro o
metales base.
Efecto del
Problema
SPC
6 sigma
TQM
Grande
FE
PE
GE
Modo de Muestreo
Pequeo
DE
EE
AE
Intervalo de
muestreo Efecto
Pepa In Situ
Prueba de Sesgo
Factor de correccin
WE
Pequeo
con protocolo de
firmas
Grande
Intro 8
Administracin
Efectiva
Muestreo
Correcto
Comprensin de
la
Variabilidad
Intro 9
Administracin Efectiva
Identifique Problemas Estructurales
Invierta en Soluciones para los
Problemas Estructurales
Muestreo Correcto
Efecto Pepa In Situ
Error Fundamental
Error de Agrupamiento y Segregacin
Error de Delimitacin
Error de Extraccin
Error de Preparacin
Error de Interpolacin
Error Peridico
Error de Pesaje
Error Analtico
Intro 11
Comprensin de la
Variabilidad
La Variabilidad Genera Costos Visibles
e Invisibles
La Variabilidad es un Problema
y una Oportunidad
DEF-01
Lo Correcto o equivocado...
DEF-02
DEF-03
Pastas
DEF-04
Pastas Aguadas
Las pastas aguadas pueden ser divididas en dos
categoras:
1. Pastas aguadas (lechadas) no decantadas:
El estado de dispersin azarstico de las partculas
slidas en un lquido, pueden ser mantenidas sin
introducir turbulencias o agitacin mecnica.
Generalmente, las partculas slidas son ms
pequeas que 20 micrones.
2. Pastas aguadas (lechadas) decantadas:
Se requiere una agitacin mecnica continua o la
presencia de turbulencias, para mantener un
estado de dispersin azarstica.
En el flujo laminar y especialmente en ductos
horizontales, pueden ocurrir grandes distribuciones
heterogneas, fraccin de tamao y densidad de
las capas, que lleva la dificultad de segregacin
durante el muestreo y el proceso.
Generalmente, las partculas slidas son mayores
de 20 micrones.
Def-05
Lote
Un lote se refiere a una carga de material,
composicin la cual va a ser calculada.
Ejemplos:
Almacenamiento de 50,000-tons de mineral,
Un barreno de diamante HQ de 3 metros,
Un bloque completo de mineral,
Una cara de muestra subterrnea,
Una submuestra de laboratorio,...
DEF-06
Incremento
DEF-07
Muestra
DEF-08
Especimen (muestral)
DEF-09
Propiedad Circunstancial
Ejemplos:
1. La exactitud es una propiedad circunstancial.
2. El resultado de una prueba de (*) sesgo es
tambin una tpica propiedad circunstancial.
3. El resultado de un ejercicio con protocolo de
firma.
DEF-10
Propiedad Estructural
Ejemplos:
1. La heterogeneidad de un material es una propiedad
estructural: de manera que usted debe desarrollar
pruebas para cuantificar esta heterogeneidad.
2. La exactitud de un instrumento de muestreo es una
propiedad estructural: de manera que usted debe
realizar inspecciones para evaluar dicha exactitud
(calibraciones).
DEF-11
Protocolo de Muestreo
Empezando con Lote L
Muestra Primaria S1
Rechazo Primario
Muestra Secundaria S2
Rechazo Secundario
Muestra de Laboratorio S3
Rechazo Terciario
Sub-muestra Analtica S4
Anlisis
Ultimo Rechazo
Resultado Final
DEF-12
BIAS
Muestreo corregido:
DE + EE + WE + PE = insignificante
DEF-13
Componente
Un componente es una parte elemental, o elemento
constituyente que pueda separarse y cuantificarse mediante
anlisis.
Hay componentes fsicos y qumicos.
Ejemplos:
1. El contenido de slice de un embarque de almina.
2. La proporcin de partculas +63 micrones en un
cemento.
Componente Crtico
Es un componente de inters, fsico o qumico, cuya
proporcin es altamente relevante y debe ser estimada.
DEF-14
Contenido
Dado que siempre es ms fcil tratar con valores relativos
y no dimensionales, usaremos la palabra Contenido, para
la proporcin de cualquier componente dado.
Ejemplos:
1. 2% de partculas de +63 micrones en un cemento, se
escribe 0.02
2. 100 ppm de slice en almina pura, se escribe 0.0001
Contenido Crtico
El contenido crtico se refiere al contenido de componente
crtico o componente de inters.
DEF-15
DEF-16
Modelo Discreto
DEF-17
Estimado
DEF-18
Estimador
DEF-19
Heterogeneidad
DEF-20
Comprensin de la
Heterogeneidad
DEF-21
Heterogeneidad
de una poblacin estadstica
1. La heterogeneidad de constitucin CH
2. La heterogeneidad de distribucin DH
DEF-22
DH
CH
CH
DEF-23
Heterogeneidad
de una poblacin Secuencial
h = h1 + h2 + h3
DEF-24
Conceptos
ConceptosFundamentales
Fundamentalesde
de Estadstica
Estadstica
utilizados
utilizadosen
en la
laTeora
Teoradel
del Muestreo.
Muestreo.
Corriente de Flujo
Muestra #1
Muestra #2
en el Terreno
?
?
El Variograma
Varianza V[j]
Sill
Co-varianza o
Correlacin
Varianza
V[j=0]
V[j=0] = Varianza Muestreo/Medicin
Muestra tomada
Corriente de flujo
2.
Varianza
Azar
Tiempo
No azarstico
Cclico
Los errores del muestreo son acumulables, por consiguiente, ellos merecen
cuidadosa atencin.
1.
2.
3.
4.
2.
3.
6.
7.
Definicin de Precisin
Estimador u objetivo.
Definicin de Exactitud
Estimador u objetivo.
Media
Exactitud o sesgo
Exactitud
Lmite de aceptacin
(pero, media de error diferente
a zero)
Sesgado (Parcial)
Preciso
Lmite de aceptacin a un
nivel de confianza de 68%.
Impreciso
La Desviacin Estndar S
de los ensayos es mayor que el
Lmite de Aceptacin.
Una muestra es representativa cuando la media cuadrada del total de Error de Muestreo
no es mayor que la suma de la exactitud aceptable y la precisin aceptable:
r 2 TE m02 TE s02 TE
Estndar de Exactitud
Estndar de Precisin
Bisectriz
45o
Submuestreo + Ensayo de
Laboratorio A
Bisectriz
45o
Submuestreo + Ensayo de
Laboratorio B
Muestreo + Ensayo es lo suficiente exacto y reproducible.
Submuestreo + Ensayo de
Laboratorio A
Bisectriz
45o
Submuestreo + Ensayo de
Laboratorio B
Muestreo + Ensayo no es reproducible: No podemos decir que Muestreo + Ensayo sea
exacto no no bias, ya que no hay correlacin entre ambas series de resultados.
Submuestreo + Ensayo de
Laboratorio A
Bisectriz
45o
Submuestreo + Ensayo de
Laboratorio B
Muestreo + Ensayo es biased y reproducible (Bias Absoluto): En cuanto al muestreo
este caso no es real. Pero ciertamente muestra un Bias Analtico.
Submuestreo + Ensayo de
Laboratorio A
Bisectriz
45o
Submuestreo + Ensayo de
Laboratorio B
Muestreo + Ensayo es biased y reproducible (Bias Relativo): En cuanto al muestreo,
este caso no es real, pero ciertamente muestra un Bias Analtico.
Submuestreo + Ensayo de
Laboratorio A
Bisectriz
45o
Submuestreo + Ensayo de
Laboratorio B
Muestreo + Ensayo es biased y reproducible, pero sigue una ley desconocida. En
cuanto al muestreo, este caso no es real, pero ciertamente muestra un Bias Analtico.
Submuestreo + Ensayo de
Laboratorio A
Bisectriz
45o
Submuestreo + Ensayo de
Laboratorio B
Muestreo + Ensayo es biased y no reproducible: Este es el caso ms frecuente
encontrado en el muestreo.
Si una variable, tal como el contenido de oro de una muestra puede tomar un valor de
varios posibles, es por definicin, una variable azarstica.
Pero, algunos valores son ms probables que ocurran que otros.
Frecuencia
Frecuencia
Modos
Media
Promedio
Aritmtico
El Promedio Aritmtico:
1
N
i 1
Xi
El Promedio Cuadrtico:
XQ
1
N
N
iN
X i2
El Promedio Geomtrico:
log X G
1
N
i 1
log X i
El Promedio Pesado:
XM
i 1 M i
N
El Promedio Armnico:
XH
N
i 1
1
Xi
i 1
Mi Xi
X
N
i 1
2
1
N
S
Xi X
i 1
N 1
2
3
4
La Distribucin Normal
Punto de
inflexin
Media
=Modo
=Mediana
+- 1S 68.26%
+- 2S 95.46%
+- 3S 99.74%
+- 1S
%Cobre
El Factor t Estudiante-Fisher
L X tS
Cuando se calcula la varianza de un nmero pequeo de estimados, normalmente distribudos y esta varianza podra no representar completamente la correspondiente distribucin d
probabilidad que se ilustrara por un gran conjunto de estimados.
El Factor t Estudiante-Fisher nos permite minimizar este problema.
Nmero de
Estimados N-1
t at 90%
t at 95%
t at 99%
1.96
6.31
12.7
63.7
1.39
2.92
4.30
9.93
1.25
2.35
3.18
5.84
1.19
2.13
2.78
4.60
1.15
2.02
2.57
4.03
10
1.09
1.81
2.23
3.17
25
1.06
1.71
2.06
2.79
La Varianza Relativa
2
R
S2
X2
SR
S
X
% S R 100
S
X
Ejemplo:
Primario
SFE = +- 20%
Secundario%
SFE = +- 11%
Terciario
SFE = +- 4%
Total
Correcto
O Total %SFE = +- 23%
Incorrecto
X
La media de la muestra
es en s misma una variable azarstica que tiene una
media real y una desviacin estndar m:
n!
x
n x
P x
p
q
x! n x !
Varianza = npq
Valor medio = np
La Distribucin Poisson
P x r
r
r!
r
r!
Probabilidad
0 1234
= 0.5
0 1234
=1
Probabilidad
0 123456
=2
0 123456
=3
Probabilidad
0 12345678
=4
0 12345678
=5
Probabilidad
La Distribucin Lognormal
F[x]
Modo
Media
Desviacin Estndar
Un
UnMuestreo
MuestreoLgico
Lgicoyyuna
una
Estrategia
Estrategiade
deControl
Controldel
delProceso
Proceso
Cada da mucha gente en la exploracin, control de la ley del mineral, control del
proceso, balance metalrgico, compromisos comerciales y monitoreo ambiental
est luchando con este problema.
La respuesta a este difcil problema est dada por los conceptos de:
Propiedades Estructurales (es decir,Causas de los problemas)
Propiedades Circunstanciales (es decir, Efectos de los problemas)
Propiedad Estructural
Ejemplo:
Una propiedad estructural es siempre veraz mientras usted opere con ella. Uno
o varios efectos podran resultar de esta propiedad.
Propiedad Circunstancial
Ejemplos:
Asumamos que usted invierte en un sistema de apilamiento/recuperacin que
introduce una fuerte segregacin en una pila de cobre. La cantidad de
segregacin puede cambiar debido a factores circunstanciales, tales como:
Conclusin:
Conceptos de Propiedades
Primarias y Secundarias
Primaria
Cuando depende slo de la estructura. Por consiguiente es independiente de
las circunstancias.
Secundaria
Cuando depende tanto de la estructura como de las circunstancias.
Si
2. Se
observa la
propiedad
secundaria?
Si
No
No
Ciertamente
Posible
Imposible
Probable
1. El instrumento de muestreo
principal es correcto o
incorrecto?
Correcto
2. Es la muestra
recolectada
secundariamente
exacta o biased?
Exacto
Biased
Incorrecto
Ciertamente
Posible
Imposible
Probable
1. Es el diseo de la
instalacin de
apilamiento/recuperacin
principal correcto o incorrecto?
Correcto
2. Es constante
la alimentacin que
va al proceso
secundariamente?
Incorrecto
Constante
Ciertamente
Posible
Altamente
variable
Imposible
Probable
Constitucin de Heterogeneidad CH
CH
CH
Lote L
Homogeneidad:
ai a L
Heterogeneidad:
ai a L
hi
ai
aL Mi
aL Mi
Pero,:
Mi
ML
NF
Por consiguiente:
hi
ai
aL Mi N F
aL ML
CH L S 2 hi
CH L
1
2
i hi
NF
( ai a L ) 2 M i2
NF
a L2 M L2
i
ai a L M i2
ML
CH L
CH L M i i
IH L
2
NF
aL M L
2
1
1
2
3
V f d 3
M F V f d 3
a
IH L V
a a
L
M L
a L2 M L
ML
ML
M
L
ML
ML
ML ML
ML
IH L V
ML
a L2 M L
Estimemos separadamente X e Y.
V f d 3
f es definida como un factor del forma de fragmento. Es el factor de correccin tomando en cuenta
el hecho de que los fragmentos no son cubos perfectos. Este factor no tiene dimensin.
Cubo:
f=1
Esfera:
f = 0.523
Carbn:
f = 0.45
Mineral de hierro:
Pirita:
f = 0.47
Cuarzo:
f = 0.47
f = 0.50
f>1
3
f d
M L
ML
3
d
M L
ML
La suma podra ser fcilmente estimada ejecutando el anlisis de distribucin del tamao bajo
investigacin. Esto se har posteriormente en la Prueba de Hetereogeneidad.
Para clculos aproximados rpidos la suma podra escribirse as:
3
d
M L
ML
gd 3
g es un factor de correccin teniendo en cuenta el hecho de que todos los fragmentos no son del
mismo tamao como en d. En este enfoque claramente debemos definir lo que es d.
Si d es definido como la apertura cuadrada del harnero que retendra exactamente el 50%
del material investigado por peso, entonces:
Para material calibrado:
g = 0.5
g = 0.25
g no es dimensionable.
a a L M L
2
a L2 M L
la densidad de la ganga.
Y1 M
1 aL 2
aL
Y2 g 1 a L
c M
1 aL 2
aL
g 1 a L
0 Y c
Para anular este rango podramos escribir:
Y c
Con:
0 1
Por definicin,
Un material perfectamente homogneo tiene
amax a L
1 aL
d
d
Esta ecuacin slo es un modelo preliminar y no debera tomarse por aceptado. Muchas
personas en el mundo ha mal utilizado esta ecuacin. Bajo ninguna circunstancia debera
utilizarse, a menos que tenga informacin del procesamiento del mineral a su disposicin, o si
usted ya conoce la constante K de muestreo, introducida en la Prueba de Heterogeneidad.
Liberacin de un mineral
L i b e r a t de
i o n liberacin
fa c to r
Factor
0 .8 5
dl
l
0 .5
0 .0 0 1 c m
0 .1 c m
0 .0 1 c m
1 cm
0.5
dl
l
L ib e r a tio n f a c to r
0 .8 5
M in e ra lC
M in e ra l B
0 .5
M in e ra l A
0 .0 0 1 c m
0 .1 c m
0 .0 1 c m
1 cm
2
SFE
del Error
1 P
IH L
P ML
MS
ML
1
1
IH L
ML
MS
2
SFE
IH L
d3
Tamao de los fragmentos gruesos en centmetros
Factor de Liberacin
Factor Mineralgico
Factor de distribucin del tamao del fragmento
Factor de forma del fragmento
El Error Fundamental FE se define como un error que ocurre cuando la seleccin del incremento es
correcta, y cuando los incrementos que forman una muestra estn hechos de un solo fragmento
seleccionado al azar. Por consiguiente es un caso lmite.
Cuando el muestreo est correctamente implementado, la media m (FE) del Error Fundamental
es insignificante.
1
1
ML
MS
2
SFE
f g c d 3
2
FE
d3
f gc
MS
C f gc
d
MS
2
Log SFE
Log C 3 Log d Log M S
Or:
C1
C2
-1
Conclusin:
Etapa de preparacin
Etapa de Muestreo
Examen
Ejercicio #1 en DE, EE, y PE
Encuentre por lo menos 5 problemas con el siguiente sistema
de muestreo de flujo cruzado rotatorio.
S id e v ie w
T o p v ie w
Vista lateral
PUERTA
DE
INSPECCION
H y d r a u lic
d r iv e
ACCIONAMIENTO
HIDRAULICO
SMUESTRA
a m p le
S t FLUJO
rea m
Ejercicio Prctico 2:
Muestreo de Hoyos de Tronadura
Numere el posible error (DE, EE, WE, o PE?) que ocurre en cada
uno de los siguientes puntos, y d soluciones.
E
D
S e SEGREGACION
g re g a tio n
Id e a l
s a m p le
F oSub-perforacin
r m e r S u b - dantigua
r ill
C Sub-Perforacin
u r r e n t S u b - dactual
r ill
MUESTRA
IDEAL
AMUESTRA
c tu a l
s REAL
a m p le
F r a n c i s P i t a r d 's d r a w i n g
p r o te c te d b y c o p y r ig h t la w , 2 0 0 4
Ejercicio Prctico 3:
Muestreador Primario para
Alimentacin a Planta.
Nombre el error posible (DE, EE, WE, o PE?) que ocurre en cada de los
siguientes puntos, y d soluciones.
1
11
3
6
7
9
10
F r a n c i s P i t a r d 's d r a w i n g
p r o t e c t e d b y c o p y r ig h t la w , 2 0 0 4
Ejercicio Prctico 4:
Muestreador Rotatorio Vezin
Un muestreador muy comn en la industrial minera.
Nombre el error posible (DE, EE, WE, o PE?) que ocurre en cada
uno de los siguientes puntos. Y d soluciones.
6
9
FFLUJO
a l l i n g QUE
s t r e CAE
am
10
11
8
1
F r a n c i s P i t a r d 's d r a w i n g
p r o t e c t e d b y c o p y r ig h t la w , 2 0 0 4
Ejercicio Prctico 5:
Muestreador de Correa-Cruzada
Un sistema de muestreo muy popular, pero peligroso.
Nombre el error posible (DE, EE, WE, o PE?) que ocurre en cada uno
de los siguientes puntos, y d soluciones.
7
6
1
2
3
5
F r a n c is P it a r d ' s d r a w in g
p r o t e c t e d b y c o p y r ig h t la w , 2 0 0 4
Estudio de Caso
Tenemos una rutina de circulacin de muestra en reversa, que pesa alrededor de 60000 gramos. El material es
90% de menos de 1.05 cm. Se espera que el contenido aproximado de oro sea de alrededor de 1,5 g/t. Una
prueba de Heterogeneidad muestra que los fragmentos entre 1.25 cms. (1/2 pulgada y 0.635 cms (1/4
pulgadas), ocasionalmente contenga hasta 350 g/t de oro.
La muestra es sometida al siguiente protocolo:
1. El material es separado cuando se recibe del lugar de perforacin hasta que se obtenga una
muestra de 4000-gramos.
2. En el Laboratorio la muestra de 4000-gramos es molida al 95% menos 0.335 cm (malla 6)
usando una molienda de rodillo.
3. La muestra de menos 0.335 cm (malla 6) es separada en un lote de alrededor de 250 grams.
4. Esta muestra de 250-gramos es pulverizada a 95% menos 0.015 cm (malla 100) usando un
plato pulverizador.
5. Finalmente, se selecciona una sub-muestra de 30-gramos para ensayo de fuego.
Calcule la constante C del muestreo para cada etapa del muestreo. (Use 16.0 como la densidad de las
partculas de oro.)
Calcule el Factor constante K vlido para todas las etapas de la trituracin.
Calcule la desviacin estndar del Error Fundamental para cada etapa del muestreo (expresada en %
relativo).
Calcule la desviacin estndar del Error Fundamental Total (expresado en % relativo).
Cuals son los puntos dbiles de este protocolo? Qu podemos hacer por ello?
Administracin Superior
Mina
Geologa
Lixiviacin
Molienda
Datos Calidad
Objetivos
Flotacin
Fundicin
Extraccin SX
Refinera
Plan de Negocios Minero:
Cronoestadsticas
Cut-off (ley
de corte)
Recuperacin
Nivel de impurezas
Costos
Calidad
Geoestadsticas
Muestreo
Herramientas
Laboratorio
Anlisis Cuantitativo/
Control de Calidad
Modelos
Procesos
Control
Sistema EMPV/Grficos
Efectos
Balance Metalrgico
Contabilidad
La
LaPrueba
Pruebade
deHeterogeneidad
Heterogeneidad
Esta disertacin describe una prueba que es recomendada cuando es difcil estimar el Factor de
Liberacin de un componente de inters. Es particularmente verdadero para componentes
menores, tales como el oro, molibdeno, cobre, arsnico, etc.
La prueba es recomendada para optimizar los protocolos de muestreo durante la exploracin, en la
Mina y en el Molino.
La idea es de estimar la varianza S2FE del Error Fundamental con un experimento. Tal experimento
es delicado y debe ser realizado por un experto.
Un cierto nmero de muestras se renen, ensayadas para cada uno de los componentes de
inters y es calculada una varianza relativa S 2ai de los ensayos.
Bajo condiciones especficas establecidas por el experimento, podemos escribir:
2
S FE
S a2i
ai2
1.
El compuesto fue formado por material de 49 lugares diferentes, dentro de un mismo tipo de
mineralizacin. El compuesto hmedo pesaba 306 kgs. El compuesto fue secado durante la
noche a 11 C . Despus del secado el compuesto pesaba 300 kgs. El contenido de humedad
fue de 2%.
2.
3.
Tamice el sublote de muestra A con harneros a 1.25cm, 0.63cm, o.335cm, 0.17cm, 0.085cm,
0.0425cm, and 0.212cms.
4.
5.
6.
A partir de esta fraccin, recoja 100 muestras. Cada muestra debe estar formada por
fragmentos p seleccionados de a uno al azar, hasta 50 gr. Ennumere estas muestras de 1 a 100,
pese cada una de ellas y registre los valores para p.
7.
Pulverice cada muestra directamente en un anillo cerrado y pulverizador de pliegue en cerca del
95% a menos 106 micrones. Es inaceptable el uso de pulverizadores de plato polvorientos.
8.
9.
Muela todas las fracciones de tamao, y la que queda de la fraccin -1.25 cm+0.63 cm, al 95%
menos 0.30, usando un molino Boyd, y recoja una separacin de alrededor de 1000 gms de
cada una de los tamaos fraccionados. Si la fraccin de tamao ms grande tiene menos de
1000g, use la fraccin completa. Pulverice cada una de las separaciones de 1000g al 95%
menos 106 micrones usando un LM2. Ensaye cada fraccin de tamao en triplicado para cobre
soluble en cido y cobre total.
10.
Tome el sub-lote B y seprelo en 16 partes iguales, usando un divisor rotatorio equipado con 16
segmentos. Usted obtendr 16 partes de 5.625 g. Registre todos los pesos exactos.
11.
Muela cada parte a menos 0.3cm con un molino Boyd , luego pulverice toda la parte al 95%, menos
106 micrones usando dos veces 2.800g en un pulverizador LM5.
12.
Esparza cada parte pulverizada en una bandeja grande, y recoja una muestra de 0.5 g hecha de
alrededor de 12 incrementos al azar, y una muestra de 1.0 g hecha de alrededor de 24 incrementos al
azar. La muestra es ensayada dos veces usando 0.5 g cada vez. As, para el sub-lote B usted obtiene
16 ensayos de 0.5 g cada uno de un lote de 5.625 g. y 32 ensayos duplicados de 0.5 de 16 lotes de 1
g. Registre los 3 ensayos y los pesos de cada una de las 16 partes. Haga lo mismo para el cobre
soluble en cido y cobre total.
13.
Tome el sub-lote C y mulalo a alrededor del 95% menos 0.3cm usando un molino Boyd. Luego
separe C en dos lotes iguales : C1 y C2 de cerca de 30 Kgs cada uno.
14.
Tome el sub-lote C1 y seprelo en 16 partes iguales, usando un divisor rotatorio equipado con 16
segmentos. Obtendr 16 partes de 1.875 g . Registre todos los pesos exactos.
15.
Tome una parte y desarrolle un anlisis de distribucin de tamao usando mallas de 0.63cm, 0.335cm,
0.17cm, and 0.085cm Recombine las fracciones de tamao, para que podamos usar esa parte en los
pasos siguientes.
16.
Pulverice cada una de las partes a alrededor del 95% menos 106 micrones usando un LM5.
17.
Esparza cada una de las partes pulverizadas en una bandeja grande, y recoja una muestra de 0.5 g
hecha de alrededor de 12 incrementos al azar, y 1 muestra de 1.0 g formada por 24 incrementos al
azar. La muestra de 1.0 g es ensayada dos veces usando 0.5 g cada vez. De esta manera, para el
sublote C1 usted obtendr 16 ensayos de 0.5 g cada uno de un lote de 1.875 g. y 32 ensayos
duplicados de 0.5 g de los 16 lotes de 1 g. Registre los tres ensayos y sus pesos para cada una de las
16 partes. Haga lo mismo para cobre soluble en cido y cobre total.
18.
Tome el sub-lote C2 y mulalo a alrededor del 95% menos 0.085cm con un LM5 usando incrementos
pulverizados de 3600g por 45s.
19.
Luego, separe el sub-lote C2 en 16 partes iguales, usando un divisor rotatorio equipado con 16
segmentos. Usted obtendr 16 partes de 1.875 g. Registre todos los pesos exactos.
20.
Tome una parte y desarrolle un anlisis de distribucin usando harneros de 0.17cm, 0.085cm, y
0.0425cm . Registre todos los pesos usados. Recombine las fracciones de tamao, para que podamos
usar esas partes en los pasos siguientes.
21.
Pulverice cada una de las partes al 95% menos 106 micrones usando un LM5.
22.
Esparza cada una de las partes pulverizadas en una bandeja grande, y recoja una muestre de 0.5 g
hecha de alrededor de 12 incrementos al azar, y una muestra de 1.0 g hecha de alrededor de 24
incremementos al azar. La muestra de 1.0 g es ensayada dos veces usando una de 0.5 g cada vez. De
manera que para el sub-lote C-2, obtenga 16 ensayos de 0.5 g; cada uno de un lote de 1.875 g. y 32
ensayos duplicados de 0.5 de 16 lotes de 1 g. Registre los 3 ensayos y los pesos para cada uno de las
partes. Haga lo mismo para cobre soluble en cido y cobre total.
23.
Recombine todos los rechazos del sub-lote C2 sub-lot, para as obtener un lote D de aproximadamente
30Kg D que es de 95% menos 106 micrones.
24.
Luego, separe D en 16 partes iguales, usando un divisor rotatorio equipado con 16 segmenetos. Usted
obtendr 16 partes de 1.875 g. Registre todos los pesos exactos.
25.
Tome una parte y desarrolle un anlisis de distribucin de tamao usando mallas de 0.0425cm,
0.0212, and 0.0106cm. Registre todos los pesos. Recombine las fracciones de tamao, para que
podamos usar esa parte en los pasos siguientes.
26.
Esparza cada parte pulverizada en una bandeja grande, y recoja una muestra de 0.5 g formada por
12 incrementos al azar. La muestra de 1.0 g es ensayada 2 veces usando 0.5 g cada vez. De
manera que del sub-lote D, pueda obtener 16 ensayos de 0.5 g cada uno, de un lote de 1.875 g y
32 ensayos duplicados de 0.5 g de 16 lotes de 1.0 g. Registre los 3 ensayos y los pesos de cada
una de las 16 partes. Haga la mismo para cobre soluble en cido y cobre total.
27.
De cualquiera de los rechazos de menos 106 micrones de la prueba, prepare una muestra de
10000g. Tamice la muestra entera en una malla de 212 micrones: Siempre habr una gran
cantidad de material que no se muela muy bien. Separe los minerales gruesos.Lave este material
grueso. Separe los minerales gruesos mediante paneo. Con el concentrado grueso, prepare
varias secciones pulidas para averiguar la naturaleza exacta del material que no se ha triturado
bien.
La Prueba de Heterogeneidad tiene una importancia crtica en un proyecto. Probablemente necesita ser
efectuada solamente una vez en la vida de un tipo dado de mineralizacin para un proyecto determinado.
Por lo tanto, enfquese en la produccin y deje que el experto lo ayude a hacer esta prueba bien a la
primera vez.
Francis Pitard Sampling Consultants, LLC tiene una prolongada experiencia en la interpretacin de
las Pruebas de Heterogeneidad (por ejemplo., Francis Pitard y Eduardo Magri) y tiene el soporte de
software adecuado para calcular los nomogramas de las muestras y sugerir los protocolos ptimos
de muestreo.
E-mail: fpsc@aol.com
http://www.fpscsampling.com
Voice: 303-451-7893 (USA)
Fax: 303-280-1396 (USA)
Guas de Clculo
Definamos:
S a2i M Si
C f g c
con
2 3
i
a d
C f g c
d
d
d
d
f g c d
K C d
Estudio de Caso
Parte Uno
Sample
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
No of Fragments
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
Weight/g
65.6
73.5
80.63
72.22
89.35
87.58
58.38
66.51
88.82
79.68
100.58
78.81
85.88
97.86
89.83
96.09
74.48
82.11
84.1
86.3
66.98
91.53
75
52.06
88.63
58.17
84.32
57.39
78.56
74.34
86.26
85.28
66.69
80.27
89.65
67.17
82.97
78.52
88.26
69.67
78.07
93.68
63.58
94.13
74.82
78.87
93.56
71.97
60.38
70.81
%T Cu
0.68
0.74
0.72
0.61
0.73
0.74
0.45
0.64
0.71
0.71
0.62
0.97
0.73
0.71
0.66
0.64
0.65
0.76
0.72
0.34
0.62
0.65
0.97
0.77
0.73
0.69
0.75
0.55
0.73
0.73
0.63
0.71
0.83
0.65
0.69
0.89
0.62
0.61
0.57
0.58
0.74
0.68
0.88
0.69
0.37
1.56
0.87
0.84
0.77
0.61
Sample
51
52
53
54
55
56
57
58
59
60
61
62
63
64
65
66
67
68
69
70
71
72
73
74
75
76
77
78
79
80
81
82
83
84
85
86
87
88
89
90
91
92
93
94
95
96
97
98
99
100
Sum
Average
No of Fragments
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
50
Weight/g
92.41
97.21
73.53
76.22
85.86
64.96
67.58
78.03
72.57
79.79
86.82
75.32
74.79
78.29
83.85
75.64
92.32
67.75
73.22
87.96
91.06
73.68
78.57
82.06
73.34
75.96
79.33
82.06
79.38
78.06
88.52
70.72
72.24
70.59
79.85
76.98
70.69
74.02
67.57
103.15
84.39
87.18
70.28
66.5
88.19
75.29
81.74
65.74
77.53
84.82
7873.51
78.74
%T Cu
0.67
0.66
0.59
0.76
0.45
1.69
0.76
0.56
0.46
0.94
0.75
0.74
0.69
0.76
0.79
0.86
0.77
0.67
0.61
0.71
0.65
0.53
0.67
0.62
0.75
0.62
0.83
0.84
0.71
0.62
0.71
0.72
0.78
0.45
0.54
0.64
0.97
0.77
0.76
0.74
0.89
0.69
0.71
0.62
0.58
0.62
0.88
0.74
0.68
0.34
71.07
0.71
Bueno
Bueno, pero
inseguro para
Segregacin
Punto Dbil
Fraccin de Tamao
% Cobre Total
+1.25 cm
32 Kg
0.65
-1.25 +0.63 cm
59 Kg
0.72
-0.63 +0.335 cm
17 Kg
0.75
-0.335 +0.17 cm
13 Kg
0.75
-0.17 +0.085 cm
9 Kg
0.79
-0.085 +0.0425 cm
7 Kg
0.92
7 Kg
1.12
6 Kg
1.27
-0.0425 +0.0212 cm
-0.0212 cm
500
Constant C
400
300
CRe ality
200
2
S FE
MS
d3
100
1cm
Fragment size d
2cm
En su opinin, porqu hay tantas diferencias entre la teora y la realidad, para los valores pequeos del
tamao de fragmento d?
SIZE-01
1 La Calidad de un producto.
2 La Eficiencia de un proceso.
3 El cumplimiento con la clusula de un contrato
comercial.
4 La evaluacin de la exactitud de un sistema de
muestreo.
5 La evaluacin de la representatividad de una
muestra,...
SIZE-02
Eliminacin Preventiva
2 DE:
Delimitacin Correcta
3 EE:
Extraccin Correcta
4 GE:
Homogenizacin
CE1
Muchos incrementos
5 CE2: Optimizacin del intervalo del muestreo.
6 CE3: Elija el modo adecuado de seleccin del
muestreo =
Azar Sistemtico,
Azar Estratificado,
Azar Simple
SIZE-03
EL ERROR FUNDAMENTAL FE
NUNCA SE CANCELA
m (FE) 0
Definiciones:
L c:
Lc
Un fragmento de Lc
MFj:
aFj:
FLc:
aFj = 1
IH L
CLCULO DE
ai
IH L
SIZE-04
aL
2
aL
Mi
ML
Lc a i aF 1
j
in
Lc a i 0
out of
1 aLc
IH L
2
j
a Lc
IH L
1 aLc
2
a Lc
2
*
Mj
IH L
a Lc
M Lc
X Lc
constante
1 aLc
aLc
Mi
i ML
ML
Mj
Mi
i ML
XL
2
X Lc X L
SIZE-05
2
a Lc
IH L
muy pequeo
1 2a Lc
X Lc y
a Lc
X Lc X L
X L debera expresarse en
Mi y
M j no
son conocidos.
Es relativamente fcil cuando tenemos una idea
aproximada de la distribucin del tamao de la
partcula.
Fi
Fj
SIZE-06
Primero definamos:
N Lx: nmero de fragmentos en la clase
Lx
Lx
M FLx
: peso del fragmento promedio
a Lx: proporcin de
FLx
L x en el lote
M FLx M Lx /, N Lx
Por definicin:
cambiando M i
L.
luego
Mi 2
N
M
M
M FLx M Lx
XL
Lx FLx FLx
ML
ML
i ML
x
x
Pero M L M Lx / a Lx,
X L M FLx a Lx
x
luego
SIZE-07
De la misma forma:
X Lc
M j2
j M Lc
N Lc M FLc M FLc
M Lc M FLc
M Lc
M Lc
X Lc M FLc
IH L
1 2a Lc
a Lc
M FLc M FLx a Lx
x
SIZE-08
Con:
d FLc
d FLx same
3
3
IH L f
2 d FLc d FLx aLx
x
a Lc
SIZE-09
a
1 , luego
If a Lc es pequeo:
x Lx
3
IH L f
2 d FLc
gd 3
a Lc
1
1
3
3
2 d FLc gd
f
ML
Ms
a Lc
2
sFE
M L 10 M s
Si
Si
a Lc
es pequeo, entonces
2
sFE
f 1
3
d FLc
M s a Lc
SIZE-10
y
Luego:
a Lc 5% 0.05
d
2
sFE
18 f
Ms
Muestreo de Oro
Teora y Prctica
Financieras
Tericas
Prcticas
Peculiaridades Financieras
Pequeas cantidades de materiales pueden
involucrar grandes cantidades de dinero.
Peculiaridades Tericas
Una diferencia entre los metales preciosos y otros metales, es
que estos tienen material estril en muy bajos niveles.
Debido a esto, dos de los 8 tipos mayores de Errores de
muestreo pueden llegar a ser aplastantes:
Peso de la Muestra
Forma del
Fragmento
Densidades del Oro
y la Ganga
Etapa de Liberacin
del oro.
Tamao de
Fragmento
Contenido de
Oro.
El Error de Agrupamiento y
Segregacin
Es un Error de Muestreo complementario generado por las
diferencias en el contenido entre los incrementos de la
muestra y dependiente de:
El Error Fundamental en s mismo.
El nmero de incrementos por muestra.
La etapa de segregacin de metales preciosos.
Peculiaridades Prcticas
El contenido de metales preciosos de una muestra y el
contenido de metales preciosos del lote
correspondiente, puede ser muy diferente.
El contenido de metales preciosos de una sub-muestra
analtica y el contenido de metales preciosos de la
muestra de la cual fue seleccionada, tambin puede
ser diferente.
La densidad de los metales preciosos es enorme,
promoviendo el fenmeno de segregacin por la
liberacin.
Las partculas de metales preciosos no se muelen bien,
manchan y cubren el equipamiento de muestreo.
Todos estos problemas se aumentan, ya que baja el
contenido de metales preciosos y la distribucin de los
metales preciosos en un material dado se vuelve
irregular.
El Error de Agrupamiento y
Segregacin.
El Error de Preparacin
Evitar
Errores Humanos
Contaminacin
Alteracin de los componentes
Prdida de finos y remoldeos
El Error de Pesaje
La variabilidad del rango de flujo podra afectar la calidad de
la muestra, si los incrementos reunidos no son proporcionales
al flujo. Este error genera biases.
Regular el rango de flujo es la mejor solucin.
Se recomienda el uso de muestreo y sub-muestreo
proporcional.
1 El oro es liberado
2 El oro no es liberado
3 El oro est asociado con otro componente.
El Oro es liberado
En el oro liberado encontramos:
Depsitos aluviales donde el oro est generalmente
libre o completamente liberado con la ganga aluvial.
Minerales de oro no liberados despus que han sido
molidos y pulverizados al tamao de liberacin del oro.
Algunos concentrados de mineral de oro.
IH L f Au g Au Au d 3 Au Au / a L
Donde:
Au
Au
aL
Por consiguiente:
IH L
0.8 d 3 Au / a L
1
1
Ms M L
s 2 FE
0.8 3
d Au
aL
Donde:
Ms
es el peso de la muestra
ML
Si:
M L 10 M s
S 2 FE 0.8 d 3 Au / a L M s
d 3 g IH L / 25
Donde:
dg
Figura 1 - Oro Liberado. Clculo del peso de la muestra con una desvia
estndar designada del Error Fundamental s = + - 15%.
Figura 2 - Oro Liberado. Clculo del peso de la muestra con una desvia
estndar designada del Error Fundamental s = + - 5%.
Figura 3 - Oro Liberado. Clculo del peso de la muestra con una desvia
estndar designada del Error Fundamental s = + - 1 %.
Prdida de Oro
Hay tres diferentes formas en que el oro puede perderse
fcilmente:
Las partculas de oro permanecen en el circuito de
muestreo y preparacin.
El oro liberado se puede perder por la
pulverizacin en un circuito cerrado, con un
harnero de malla de 100 150. Las partculas de
oro tienden a aplanarse con la pulverizacin y el
operador impaciente es a menudo tentado por
botar la segunda o tercera de sobretamao.
El oro liberado mancha los discos pulverizadores,
morteros y mezclas. Este tipo de equipamiento no
debera ser usado con oro liberado, a menos que
el objetivo sea el de dorar el equipo con oro de 24
kilates.
Estudio de un Cuerpo
Mineralizado, usando una
Tcnica de Perforacin Clsica.
Asumamos que tenemos un cuerpo de mineral que
contenga oro libre. El promedio de contenido de oro es
de alrededor de 0.4 Gramos/ton.
Localmente, las partculas ms grandes de oro son de
alrededor de 0.24 cms.
El peso necesario de la muestra no excede un Error
Fundamental FE con una desviacin estndar 2sFE 32%
de alrededor de una tonelada.
Pero una Perforadora equipada con un vstago para
broca con cable de acero de alta calidad (HQ), extrae
muestras de sondaje de 6.35 cms. De dimetro, lo cual
corresponde a una muestra de 25 kgs. Por cada 3 metros
de interseccin.
En este caso, la estimacin del Error Fundamental se
vuelve sin sentido y la distribucin sobre el oro es
probable que obedezca una Distribucin POISSON
introducida artificialmente.
Conclusin #1
Muchos resultados del oro son demasiado bajos y muy
pocos son muy altos.
En tal caso, es muy peligroso sacar alguna conclusin
con muy pocas muestras. Sin embargo, si podemos
M s 25 Kg
acceder a 40 muestras de peso efectivo,
todo es como si analizramos el compuesto de una
muestra de peso efectivo.
M s 1 ton .
Conclusin #2
En este ejemplo, la ley promedio del oro es conocida al
32% con un 95% de posibilidades de ser correcta despus
de analizar completamente 40 muestras de perforacin de
25 kgs.
El Oro no es liberado
La mayora de otros tipos de minerales de oro no son
liberados. Asumamos que el oro no est asociado con
otro mineral.
Asumamos que el lector est familiarizado con la Teora
del Muestreo, de manera que lo difcil es estimar el Factor
de Liberacin del oro.
Los siguientes clculos requieren que encontramos los 2
3 fragmentos ms ricos en oro, entre los 200
fragmentos ms grandes reunidos uno a uno al azar, en
un gran compuesto de la muestra representativa del
material a ser investigado.
Estos 2 3 fragmentos ricos en oro, pueden ser
rpidamente identificados por un corto escaneo XRF.
Despus de la identificacin pueden ser analizados en su
totalidad mediante ensayo de fuego.
El resultado ms alto es llamado a MAX
y est
asociado a un tamao mximo de partcula d
Au g
1
d3
aL
g a MAX Au 1 a MAX
IH L fg
Donde:
f es el factor de forma de la ganga (generalmente
0.5)
g es la distribucin del tamao de partcula de la
a MAX
Au
S 2 FE
1 / Ms 1 / M L
IH L
Si
M L 10 M s
remueva 1 / M L
Donde:
1 / Ms 1 / M L
IH L
IH L f g c d 3
Alguna informacin
1 Cuidado con las informaciones, a menudo no son lo
suficientemente buenas.
2 Se debe entender las variadas fuentes de la variabilidad
de las leyes del oro.
3 Tan pronto como sea posible, desarrolle los
experimentos necesarios para comprender la
variabilidad de las variadas fuentes de las leyes del oro.
4 Entonces, y solamente entonces, optimice su rea,
Mina, Planta y Protocolos de muestreo del Laboratorio.
5 Asegrese que los instrumentos de muestreo sean los
correctos para implementar sus protocolos de muestreo.
6 El muestreo del oro no puede ser improvisado
empricamente. El sentido comn es una buena cosa,
pero siempre se quedar corto para solucionar sus
problemas de muestreo.
?
?
?
?
dm
dm
equivalente a un aglomerado
local
2
FE
1
1
3
f m g m cm d m
MS ML
Y1 M S 2 X Y2 Y2 M S1 X Y1
L
M S 2 X Y2 M S1 X Y1
Mtodo # 2:
Estimacin de Y1 y Y2
Frecuencia
Y1
Y2
L
gt / oro
15%
X
Y
L
2 X L M S 1 V NE M S 1
2
El Enfoque Variogrfico:
Varianza V[j]
Sill
Covarianza o
Correlacin
Varianza
V[j=0]
V[j=0] = Varianza Muestreo/Medicin
S
n
2
FEn
2
HE1
2
NE
2
S
WEn
n
2
GE n
2
S
AEn
V [0]
S
n
2
EEn
2
S
PEn
n
Qu es una mala V0 ?
VNE siendo parte de V0
V[j]
Umbral
Malo
Alerta
Bueno
j
0
Distribucin de Heterogeneidad DH
CH
hnj
CHn
CHn
DH
hi
hn
N1
CH n S 2 hn j
nj
2
n j hn j
C Hn
n CH n
NG
hn
an
aL Mn NG
aL ML
Definimos la Distribucin de Heterogeneidad DHL del lote, como la varianza relativa, no dimensional
de las heterogeneidades hn generadas por NG grupos de fragmentos.
DH L S
hn
N G n a n a L M n2
1
2
n hn
NG
a L2 M L2
CH L DH L C H n
CH L DH L 0
DH L max
CH L
El mnimo de DHL es definido como un mnimo absoluto [DHL]min bajo el cual es imposible
homogeneizar despus el material. Es un lmite inaccesible en el cual cada grupo del lote podra
mirarse como una muestra azarstica. Este mnimo es realmente una variable al azar, la media de la
cual puede relacionarse a CHL como sigue, cuando el nmero de grupos y fragmentos son nmeros
grandes:
mean DH L min
NG
CH L
NF
1 NG
Y
NF
Esta presentacin se vuelve un problema cuando Y = 0. Pero, NG y NF a menudo son nmeros
diferentes, Por consiguiente Y es a menudo un nmero grande en s mismo. Por consiguiente,
elegimos la siguiente presentacin aproximada:
1
N
G
1 Y
NF
1
1Y
CH L DH L CH L
CH L
1Y
1Y
Para calcular DHL debemos multiplicar CHL por un factor entre 1 y 1+Y. Elegimos para escribirlo
YZ.
DH L
1 YZ
N
CH L 1 YZ G CH L
1Y
NF
DH L 1 YZ N G i
ai
a L M i2
a L2 M L2
2
mediaGE
2
2
YZSFE
SGE
Factor de Agrupamiento
Factor de
Segregacin
Conear y Cuartear
Lote
B
A
C
D
Muestra con
incrementos
N=2
2
S GE
2
S SE
Paleo Alterno
Rechazo
2
S GE
2
S SE
N ?
N
S2
S3
Lote
S4
S5
2
S GE
2
S SE
N ?
Seleccione una
muestra al azar
Proporcin de Muestreo =
1/5
Muestra Autoritativa
Lote
Rechazo
Separador Divisor
N=7
2
S GE
2
S SE
Delimitacin Incorrecta
Delimitacin Correcta
De este cuadro, usted puede hacer una clara distincin entre el concepto de:
Error de Agrupamiento y Segregacin Y el Concepto de Error de Delimitacin del Incremento?.
N = 24
2
S GE
2
S SE
24
Ejes de Rotacin
1.085
1.139
1.066
1.126
1.185
1.192
1.182
1.228
1.237
1.241
1.189
1.228
1.194
1.187
1.199
1.177
Promedio:
1.178% Ni
SR total:
4.33%
SFE:
1.08%
SAE:
0.20%
SSE:
4.19%
1.203
1.154
1.214
1.158
Promedio:
SR total:
SFE:
SAE:
SSE:
1.205
1.175
1.201
1.182
1.220
1.209
1.214
1.161
1.189% Ni
2.43%
1.08%
0.20%
2.17%
1.171
1.207
1.164
1.176
Promedio:
SR total:
SFE:
SAE:
SSE:
1.169
1.202
1.174
1.196
1.180
1.195
1.206
1.159
1.185% Ni
1.33%
1.08%
0.20%
0.75%
Conclusiones
Angular o liviano
Redondo o pesado
Ejercicio:
Flujo
Canaleta
Flujo Lento
Los finos cernidos estn dentro de la pila, mientras que los fragmentos
gruesos ruedan hacia abajo por los costados.
Flujo Lento
Flujo Segregado
1.
2.
3.
Conclusiones y Preguntas
Trayectoria
del Material
Mezcla cuarzo-cromita
6
7
Ejemplo:
Es necesario usar un flujo de masa para las tolvas entre dos etapas
del muestreo. De otra manera es necesario vaciar completamente
la tolva que contiene un incremento, antes de introducir otro.
Flujo
Soluciones:
1.
2.
Soluciones:
1.
2.
Soluciones:
1.
2.
Soluciones:
1.
2.
Soluciones:
1.
2.
3.
Soluciones:
1.
2.
75o
1.
2.
3.
4.
Se minimiza la segregacin.
5.
6.
Sin embargo:
Lento
Velocidad Uniforme
Depsitos de
Flujo de Masa
3.5o
Incorrecto
Correcto
Flujo Uniforme
Flujo Segregado
4 to6o
Rpido
Velocidad Uniforme
Lento
Flujo Uniforme
Flujo Segregado
Incorrecto
Correcto
Lento Rpido
Flujo Segregado
Velocidad Uniforme
Flujo Uniforme
10o
Vibrador Magntico
Incorrecto
Correcto
ROM
SAG
Tons/hora Cclico
Consumo Energa Cclico
Alimentacin de distribucin de
tamao partculas cclico al
Molino de Bolas.
El
ElError
Errorde
deDelimitacin
Delimitacindel
delincremento
incremento
en
enla
laMina
Minayydurante
durantela
laexploracin.
exploracin.
Sub-perforacin
anterior.
Actual Sub-perforacin
Dividiendo
Dividiendoun
undepsito
depsitotri-dimensional
tri-dimensionalen
en
22depsitos
depsitosdimensionales.
dimensionales.
Z
X
Y
La
Laperforacin
perforacinde
deestril
estriloouna
unamala
malainvestigacin
investigacin
geolgica
geolgicapodra
podracrear
crearun
unsesgo
sesgode
dedelimitacin.
delimitacin.
Estril
na
Zo alizada
er
n
i
M
La
Lalongitud
longitudconstante
constantede
desondaje
sondaje
podra
podrano
noser
seruna
unabuena
buenaidea.
idea.
100% Recuperacin
65% Recuperacin
97% Recuperacin
Muestra de 3 metros
Est seguro que el compuesto de la muestra de 3 metros
formada por 3 diferentes recuperaciones, es exacta?
La
Laconsistencia
consistenciadel
delcanal
canalde
dela
la
muestra
muestraes
esun
undeber.
deber.
Correcto
Correcto
Incorrecto
Interceptar
Interceptartodo
todoel
elflujo
flujode
delas
lasvirutas
virutas(ripio)
(ripio)
extradas
extradases
esun
undeber.
deber.
Asumir que las pequeas ventanas de muestreo recolectan una muestra representativa de
todos los tamaos de fraccin es una forma intolerable de jugar:
No tiene nada que ver con el muestreo.
Uso
Usode
deun
unbalde
balderadial
radialpara
para
muestreo
muestreode
dehoyos
hoyosde
detronadura.
tronadura.
Sistema
Sistemade
deMuestreo
Muestreosugerido
sugeridopara
para
muestreo
muestreode
dehoyos
hoyosde
detronadura
tronadurayyRC.
RC.
Puerta de
Inspeccin.
Embudo Alimentador
Rodamiento
Cortadores Rotatorios
Rodamiento
Cmara del Flujo Principal
Motor: 15 revoluciones
por minuto como mximo.
Muestra
Rechazos
Sistema
Sistemade
deMuestreo
Muestreosugerido
sugeridopara
paramuestreo
muestreode
de
hoyos
hoyosde
detronadura
tronadurayyRC:
RC:Vista
VistaSuperior.
Superior.
Embudo Alimentador
Cono Desviador
Cono Apex donde cae el flujo.
Muestreo
Muestreode
deun
unApilamiento
Apilamiento(Stockpile):
(Stockpile):
Un
Unproblema
problemamuy
muydifcil
difcilde
dedelimitacin.
delimitacin.
Muestreo
Muestreode
deun
unApilamiento
Apilamiento(Stockpile):
(Stockpile):
Siempre
Siempretenga
tengaacceso
accesoaacualquier
cualquierparte
parte
que
quedesee,
desee,al
alazar.
azar.
Muestreo
Muestreode
deun
unApilamiento
Apilamiento(Stockpile):
(Stockpile):
Uso
Usode
deun
unBarreno
Barreno
Revestimiento protector
Parte Faltante
Muestreo
MuestreoSubterrneo:
Subterrneo:
Uso
Usode
deBroca
Brocade
deMuestreo
Muestreo(Sampdrill)
(Sampdrill)
versus
versuscanal
canalde
demuestreo.
muestreo.
Embolo Toilet de la
taza de goma.
Muestreo
MuestreoSubterrneo:
Subterrneo:
Sampdrill
Sampdrilles
esmucho
muchoms
msconsistente
consistenteque
que
cualquier
cualquiercualquier
cualquiercanal
canalmanual
manualde
demuestreo
muestreo
real.
real.
Muestreo
MuestreoSubterrneo:
Subterrneo:
Comparacin
Comparacinde
deProfundidad
Profundidadentre
entreel
elSampdrill
Sampdrill
yylos
loscanales
canalesde
demuestreo
muestreoaaintervalos
intervalosde
de11metro.
metro.
METROS
Muestreo
MuestreoSubterrneo:
Subterrneo:
Delimitacin
DelimitacinCorrecta
Correctapara
parael
elfrente
frente
del
delcanal
canalde
demuestreo.
muestreo.
Mineral
Material
Estril
Material
Estril
Algunos minerales pueden mostrar un fuerte
enriquecimiento cerca de los contactos.
No confunda el lmite ideal de la muestra (delimitacin
correcta) con la muestra real recolectada (extraccin
correcta).
Muestreo
MuestreoSubterrneo:
Subterrneo:
Hasta
Hastadnde
dndepueden
puedenesperarse
esperarsepartculas
partculas
de
deoro
oroen
enel
elmaterial
materialestril?
estril?
Mineral
Material
Estril
Material
Estril
Perforacin
Perforacinparalela
paralelaaaestructuras
estructurasmineralizadas:
mineralizadas:
El
Elmapeo
mapeode
deuna
unailusin.
ilusin.
Fosos
Fososde
deperforacin
perforacinaatravs
travsde
dela
lamineralizacin:
mineralizacin:
Un
Unmapeo
mapeoms
msrealista
realistadel
delmineral
mineralyyel
elmaterial
materialestril.
estril.
y
z
x
1.
2.
3.
4.
Muestreo
MuestreoUni-dimensional
Uni-dimensional
Corriente
de flujo
Parte consistente
a travs del flujo
Ejemplos
Ejemplosde
demuestreo
muestreotri-dimensional
tri-dimensional
Caso
Caso#1:
#1:Muestreo
Muestreode
deun
uncarro
carrode
deferrocarril.
ferrocarril.
Ejemplos
Ejemplosde
demuestreo
muestreotri-dimensional
tri-dimensional
Caso
Caso#2:
#2:Muestreo
Muestreode
deun
unCargador
CargadorFrontal
Frontal
Apilamiento (Stockpile)
Incremento recogido
Compuesto de la Muestra
Muestreo
Muestreodel
delFlujo
Flujo
Validez
Validezde
dela
laDelimitacin
Delimitacindel
delIncremento:
Incremento:
No
Notomar
tomaren
encuenta
cuentalos
losfragmentos.
fragmentos.
Corriente de Flujo
Estructura
Estructuracorrecta
correctaposicionada
posicionadaen
enuna
una
correa
correatransportadora
transportadoradetenida.
detenida.
Posicionamiento
Hidrulico.
Correa transportadora
detenida.
Muestra de
Referencia
Este sistema puede proporcionar una buena muestra de referencia, cuando se efecta
una prueba de bias.
Muestreador
Muestreadorde
deruta
rutarecta
rectaal
alflujo
flujotransversal.
transversal.
Incremento
de la Muestra
Flujo
Vista Superior
Direccin del
Cortador
El
ElCortador
Cortadorpuede
puededaarse
daarsecon
conel
elexceso
excesode
detrabajo.
trabajo.
Incremento
de la Muestra
Flujo
Vista Superior
Direccin del
Cortador.
El
ElCortador
Cortadoryylas
lasCuchillas
Cuchillasdeben
deben
ser
serlimpiadas
limpiadasen
encada
cadaTurno
Turnode
deTrabajo.
Trabajo.
Incremento de
la Muestra.
Flujo
Vista Superior
Direccin del
Cortador.
El
ElSistema
SistemaAccionador
Accionadordel
delCortador
Cortador
no
nodebe
debeestar
estarbajo
bajodiseo.
diseo.
Flujo
La
LaPosicin
PosicinEstacionaria
Estacionariadel
delCortador
Cortador
debe
debeestar
estarlejos
lejosdel
delflujo.
flujo.
Flujo
El
ElMuestreador
MuestreadorRotatorio
RotatorioVezin
Vezin
Flujo
u
3d
Flujo
Flujo
Incremento de
la Muestra.
Vista Superior
Validez
Validezde
deun
unMuestreador
MuestreadorVezin
Vezin
Circunferencia c
Circunferencia C
c
w
Constante
Rango de Muestreo
C
W
Un
UnMuestreador
MuestreadorComn
ComnVerzin,
Verzin,incorrecto
incorrecto
Vista superior
Flujo
Incremento de la
Muestra.
Si
Siuna
unaparte
partedel
delflujo
flujose
sepierde
pierdeen
enel
elmuestreador,
muestreador,
resulta
resultaun
unsesgo
sesgode
dedelimitacin.
delimitacin.
Incremento de
la Muestra
Flujo
Vista Superior
Direccin
del Corte
El
Elflujo
flujono
nodebe
deberecolectar
recolectarningn
ningnmaterial
materialcuando
cuando
est
estdetenido
detenidoen
enposicin
posicinestacionaria.
estacionaria.
Flujo
Contaminacin
Flujo
Si
Sisolamente
solamentese
sedispone
disponede
deuna
unaposicin
posicin
estacionaria,
estacionaria,el
elcortador
cortadorno
nodebe
deberetroceder
retrocederaatravs
travs
del
delflujo
flujodemasiado
demasiadopronto.
pronto.
Flujo
Sondas
SondasEstacionarias
EstacionariasEn-el-Flujo
En-el-Flujo
Flujo
Muestra
Flujo
Muestra
Flujo
Muestra
La presuncin intolerable:
El flujo no est segregado, por consiguiente, el recolectar
cualquier parte del flujo es bastante bueno.
Introduccin
Introduccinde
deuna
unaturbulencia
turbulenciaen
enel
elflujo
flujo
para
paraminimizar
minimizarla
lasegregacin
segregacinaatravs
travsdel
delflujo.
flujo.
Flujo
Muestra
Se
Sedebe
debelavar
lavarla
lasonda,
sonda,previo
previoaarecolectar
recolectarla
lamuestra.
muestra.
Flujo
Muestra
Puerta
PuertaEstacionaria
Estacionariapor
porflujo
flujo
Punto de Muestreo
Incremento de
la Muestra.
Flujo
El
ElError
Errorde
deAgrupamiento
AgrupamientoyySegregacin
Segregacin
al
alrescate:
rescate:Una
Unaalternativa
alternativaatractiva
atractiva
Cinco Cortadores
X
El flujo de la muestra va
a una etapa de muestreo
similar, ms pequea.
Flujo Principal
Sistema de Muestreo sugerido para el control del proceso del muestreo de lechadas:
Sistema Thermo Gamma-Metrics Anstat.
Canal
Canalde
deMuestreo
Muestreoaatravs
travsdel
delflujo.
flujo.
Flujo
Incremento
de la Muestra
Estabilizando
Estabilizandoel
elrango
rangodel
delflujo,
flujo,antes
antesdel
del
Analizador
Analizadoren
enLnea.
Lnea.
Flujo
Analizador en-lnea
Flujo
Ejercicio:
Ejercicio:
Qu
Quest
estequivocado
equivocadobsicamente
bsicamentecon
conun
un
muestreador
muestreadorde
dealeta?
aleta?
Posicin inactiva,
abierta.
Posicin inactiva,
cerrada.
Flujo
1
Flujo
Incremento de
la muestra.
La
Lamayora
mayorade
delos
lossistema
sistemade
dedesviacin
desviacindel
delflujo,
flujo,
llevan
llevanaaun
unincremento
incrementodel
delsesgo
sesgode
dedelimitacin.
delimitacin.
Incremento de
la muestra.
Flujo
Incremento de
la muestra.
Flujo
Ejercicio:
Ejercicio:
Qu
Quest
estbsicamente
bsicamenteequivocado
equivocadoen
en
este
estemuestreador
muestreadorde
demanguera?
manguera?
Trayectoria de la manguera
2
1
Flujo
Flujo
Incremento de
la muestra.
Ejercicio:
Ejercicio:
Porqu
Porquest
estcorrecto
correctoeste
este
muestreador
muestreadorde
demanguera?
manguera?
Flujo
1
2
Flujo
Incremento de
la muestra.
Ejercicio:
Ejercicio:
Es
Esimportante
importantela
laforma
formadel
delflujo?
flujo?
Incremento de
la muestra.
La
Lasencillez
sencillezdel
delmuestreo
muestreousando
usandoun
un
modelo
modelouni-dimensional.
uni-dimensional.
Incremento de
la muestra.
La
Laherramienta
herramientade
demuestreo
muestreopodra
podrano
norespetar
respetarlas
las
reglas
reglasde
dela
lavalidez
validezde
dela
ladelimitacin.
delimitacin.
Incremento
Incompleto
incorrecto
Incremento
completo
Correcto.
Diseo
Diseocorrecto
correctode
deuna
unapala,
pala,cuchara
cuchara
yyesptula.
esptula.
Diseo correcto
Diseo incorrecto
Esptula
Cuchara
Pala
Ejercicio:
Ejercicio:
Qu
Quest
estbsicamente
bsicamenteincorrecto
incorrectocon
con
los
losincrementos
incrementosseleccionados?
seleccionados?
Similitudes
Similitudesentre
entreel
elproceso
procesode
deincremento
incremento
yyel
elproceso
procesode
deseparacin.
separacin.
Proceso de incremento
1. Seleccin del Punto de Muestreo
Proceso de Separacin
1. Delimitacin de fraccin
2. Separacin de Fraccin
4. Seleccin de la muestra
El
Elpobre
pobreuso
usode
deun
unseparador
separadordivisor:
divisor:
Un
Unsesgo
sesgode
dedelimitacin
delimitacinseguro
seguro
El
Eluso
usode
deun
unbalde
baldereceptor
receptorpara
paraalimentar
alimentaral
al
separador
separadordivisor:
divisor:
Un
Unsesgo
sesgode
dedelimitacin
delimitacinseguro.
seguro.
o, an peor:
El
Eluso
usocorrecto
correctodel
delseparador
separadordivisor
divisorrequiere
requierelas
las
siguientes
siguientescondiciones:
condiciones:
1.
2.
3.
4.
5.
6.
7.
La
Lavalidez
validezde
dedelimitacin
delimitacindel
delconeo
coneoyycuarteo.
cuarteo.
B
A
C
D
Cmo
Cmopueden
puedenlos
losincrementos
incrementossesgados
sesgadosllevar
llevar
aaun
unmuestra
muestraexacta?
exacta?
ara
h
c
u
3
1,
C
uch
,5
ara
,
,7
2,
9..
4,
6,
8..
.
Ilustracin
Ilustracinde
deun
undivisor
divisorrotatorio
rotatorioincorrecto.
incorrecto.
Depsito + Vibro
Transportador.
Flujo
Ilustracin
Ilustracinde
deun
undivisor
divisorrotatorio
rotatoriocorrecto.
correcto.
6
7
Ilustracin
Ilustracinde
deun
undivisor
divisorrotatorio
rotatoriotpico.
tpico.
PUERTA DESLIZANTE
ALIMENTADOR VIBRATORIO
DEPOSITOS REMOVIBLES
TORNAMESA
ACCIONAMIENTO (Encerrado)
El
ElError
Errorde
deExtraccin:
Extraccin:
Ejemplo
Ejemplodurante
durantelalaExploracin
Exploracinyyen
enlalaMina
Mina
100% Recuperacin
65% Recuperacin
97% Recuperacin
Muestra de 3 metros
El
ElError
Errorde
deExtraccin:
Extraccin:
Una
Unabuena
buenarecuperacin
recuperacindel
delncleo
ncleode
delalamuestra
muestra
es
esmuy
muyimportante.
importante.
Agua de
enfriamiento
Cortadores
+
agua
Cabeza
Cnica de
Diamante
Ncleo sin
descomponer
Corte
Cortede
defragmentos,
fragmentos,ooel
elrespeto
respetoaala
la
Regla
Regladel
delCentro
Centrode
deGravedad.
Gravedad.
Es
Esimportante
importantela
laeleccin
eleccinde
dela
labroca
brocade
de
perforacin
perforacinde
dencleo
ncleode
dediamante.
diamante.
Elevador del
Ncleo (muestra
de sondaje)
Los
Losgrandes
grandesriesgos
riesgosde
dela
laperforacin
perforacinde
de
Circulacin
CirculacinReversa.
Reversa.
2.
3.
4.
5.
6.
7.
El
ElEfecto
Efectode
deSacado:
Sacado:
Perforacin
Perforacinde
deNcleo
Ncleode
deDiamante
Diamante
In-Situ
Recuperacin Ideal
Efecto de Sacado
El
ElEfecto
Efectode
deSacado:
Sacado:
Perforacin
Perforacinde
deCirculacin
CirculacinReversa
Reversa
In-Situ
Efecto de Sacado
El
ElEfecto
Efectode
deSacado:
Sacado:
Cuantificacin
Cuantificacin
Ejemplo de Calcopirita
aL
aC
aR
dL
RC
RCeff
RR
RReff
H
D
C eff
R eff
El
ElEfecto
Efectode
deSacado:
Sacado:
Frmulas
FrmulasUtiles
Utiles
RCeff RC 0.5d L
RRe ff R R 0.5d L
WC DhRC2
WCeff Dh RC 0.5d L
CC
WC
RC2
WCeff
RC 0.5d L 2
WRe ff Dh RC 0.5d L
WR
RR2
CR
WRe ff
RR 0.5d L 2
El
ElEfecto
Efectode
deSacado:
Sacado:
Ejercicio
Ejercicio
Clasificacin
Clasificacinde
delos
loscortes
cortesdurante
durantela
la
Perforacin
Perforacinde
deCirculacin
CirculacinReversa.
Reversa.
Perforando
Perforandomaterial
materialblando:
blando:
Arcilla,
Arcilla,Laterita,
Laterita,Tierra.
Tierra.
2
1
Recuperacin
RecuperacinParcial
ParcialyySelectiva
Selectivade
dela
laMuestra.
Muestra.
Contaminacin
ContaminacinHoyo
HoyoAbajo
Abajo
MATERIAL ESTERIL
MINERAL
MATERIAL
ESTERIL.
Distorsin y creacin de
reservas que no existen
Reservas
desconocidas,
reales.
Problemas
Problemasde
deExtraccin
Extraccincon
conlos
losbarrenos.
barrenos.
El
ElError
Errorde
deExtraccin:
Extraccin:
Ejemplo
Ejemplode
deMuestreo
Muestreode
deHoyos
Hoyosde
deTronadura.
Tronadura.
Cortina
Polvo Fugitivo
Cortina
Polvo Fugitivo
El
ElError
Errorde
deExtraccin:
Extraccin:
Se
Sedeben
debenrecuperar
recuperartodos
todoslos
losfinos.
finos.
Vstago
Collector
Cicln Primario
Al Colector
de Polvo
Sellos
Ciclo
Secundario
Al Sistema de Muestreo
Un
Uncontacto
contactogeolgico
geolgicode
dealto
altogrado
gradopodra
podraser
ser
contabilizado
contabilizadodos
dosveces
vecesdurante
durantela
laextraccin
extraccinde
dela
la
muestra.
muestra.
Mineral
Estril
Estril
Cuando
Cuandomuestree
muestreematerial
materialestril,
estril,mantngase
mantngase
alejado
alejadode
delos
loscontactos.
contactos.
Contacto
contabilizado una
vez
Lmite de la muestra 10
cms dentro del material
estril.
Un
Uncaso
casomuy
muydifcil:
difcil:
Muestreo
Muestreoen
enpuntos
puntosdibujados
dibujados
Excavacin en Bloques
Recoleccin de una
muestra de fragmentos de
menos de 5 cms.
Recoleccin de una
muestra de peascos de
ms de 5 cms.
Muestreando
Muestreandoen
enlos
lospuntos
puntosdibujados:
dibujados:
Dibuje
Dibujeun
ungrfico
grficode
decontrol
controlcon
conlos
losresultados
resultadosde
de
ambas
ambasmuestras.
muestras.
% Cu
2.00
1.00
Ley de Corte
B
0
500
1000
1500
2000
2500
3000
3500
4000
4500
5000
Tons
El
ElERROR
ERRORDE
DEEXTRACTION
EXTRACTIONdel
delincremento
incrementoen
enla
la
Planta.
Planta.
Condiciones
Condicionesde
devalidez
validezde
dela
laextraccin
extraccinrelativa
relativaaala
la
caractersticas
caractersticasdel
delcortador.
cortador.
2.
3.
4.
5.
6.
7.
8.
9.
Rectitud
Rectitudde
delos
losbordes
bordesdel
delCortador
Cortador
Correcto
Asumimos que ambos bordes del cortador estn
rectos y perpendiculares a la trayectoria del
cortador.
Incorrecto
La principal condicin a cumplir es asegurar que el
borde de salida est perfectamente
superpuesto al borde principal,
1.
2.
Grosor
Grosorde
delos
losBordes
Bordesdel
delCortador
Cortador
Fragmento
perdido
Borde de
Salida
Fragmento
Ganado
Paredes Interiores
Borde
Principal
Forma
Formade
delos
losBordes
Bordesdel
delCortador
Cortador
Borde de
Salida
Fragmento
fcilmente
perdido.
Borde
Principal.
Fragmento
ganado con
dificultad.
Paredes Interiores
Bordes
Bordesajustables
ajustablesdel
delCortador:
Cortador:
Pueden
Puedenarruinar
arruinarla
lavalidez
validezdel
delsistema
sistemade
demuestreo.
muestreo.
Placa
Ajustable
Material
Acumulado
Trayectoria
del Cortador
Diseo
Diseode
delos
losBordes
Bordesdel
delCortador
Cortador
Diseos Malos
Buen Diseo
YX
70o
Longitud
Longitudde
dela
laAbertura
Aberturadel
delCortador
Cortador
Extraccin Errnea
Prdida de Fragmento
Incremento
Flujo
Extraccin Correcta
Fragmento Recuperado
Incremento
Flujo
El
ElFlujo
FlujoSecundario
Secundariodebe
debeestar
estarrepresentado
representadoen
enla
la
Muestra.
Muestra.
Incremento
Flujo
1. Flujo Principal
2. Flujo Secundario
Inclinacin
Inclinacinde
dela
laAbertura
Aberturadel
delCortador
Cortador
Flujo
Flujo
Incremento
Los
LosCortadores
Cortadoresno
nodebern
debernser
serverticales.
verticales.
Flujo
Incremento
Flujo
El
ElCortador
Cortadorno
nodebera
deberarebalsar
rebalsar
Flujo
Incremento
Flujo
Tiempo
Muchos
Muchoscortadores
cortadoresestn
estnpobremente
pobrementediseados.
diseados.
Flujo
Incremento
Flujo
El
ElCortador
Cortadordebe
debecruzar
cruzarun
unflujo
flujoquieto.
quieto.
Estanque
de Aguja.
ujo
Fl
Buzn
Divergente
Cortador
Plataforma
de Trabajo
Flujo
El
ElCortador
Cortadorde
debalde
baldede
deflujo
flujotransversal
transversalno
nodebera
debera
estar
estarlleno
llenoaams
msde
de1/3
1/3..
Correcto
Incorrecto
Diseo
Diseode
deCortador
Cortadorrecomendado
recomendadopara
paramuestreo
muestreode
de
material
materialpegajoso.
pegajoso.
Y X
Diseo
Diseode
deCortador
CortadorRecomendado
Recomendado
W
Y
Acero muy duro, hojas
del cortador perfectamente
simtricas.
Z
<20
Las
Lasaberturas
aberturasdel
delCortador
Cortadordemasiado
demasiadoestrechas
estrechasno
no
funcionan
funcionanadecuadamente.
adecuadamente.
Requisitos
Requisitosde
deanchura
anchuradel
delCortador
Cortadorpara
parala
lavalidez
validez
de
dela
laextraccin
extraccin(correcta).
(correcta).
W W0 3d
Requisitos
Requisitosde
deanchura
anchuradel
delCortador
Cortadorpara
pararangos
rangosde
de
flujo
flujomuy
muygrandes
grandesen
enlas
lasPlantas
Plantasde
deflotacin.
flotacin.
10000
9000
8000
7000
6000
5000
4000
3000
2000
1000
0
0
10
Requerimientos
Requerimientosde
develocidad
velocidaddel
delCortador
Cortadorpara
parala
la
validez
validezde
dela
laextraccin
extraccinde
delos
losmuestreadores
muestreadores
rotatorios.
rotatorios.
Validez
Validezde
dela
laextraccin
extraccinde
delos
losseparadoresseparadoresdivisores.
divisores.
Correcto
Incorrecto
Los
Losseparadores-divisores
separadores-divisoresson
sonfcilmente
fcilmentemal
mal
usados.
usados.
Los
LosErrores
Erroresde
dePreparacin
PreparacinPE:
PE:
Manteniendo
Manteniendola
laintegridad
integridad de
dela
lamuestra.
muestra.
2.
3.
4.
5.
Secado de slidos,
6.
Filtracin de pulpas,
7.
1.
Ignorancia,
2.
Descuido,
3.
Incomodidad,
4.
Errores no intencionales,
5.
Fraude y sabotaje.
1. Errores de Contaminacin
2. Errores de Prdidas
3. Errores generados por un cambio en la
composicin qumica
4. Errores generados por un cambio en la
composicin fsica
5. Errores generados por una pobre capacitacin
6. Errores que resultan del fraude y sabotaje
equipo, o
1.
2.
3.
1.
2.
3.
4.
5.
2.
3.
4.
5.
Ejemplos:
1.
2.
3.
4.
5.
2.
3.
4.
5.
La prdida de finos ocurre tan pronto como los materiales secos son
transportados, transferidos o enviados en cada libre hacia el
cortador de un muestreador.
Otra fuente de prdidas es el equipo de trituracin, molienda o
pulverizacin. Estas prdidas son aumentadas cuando estas partes
del equipo estn encerradas en sistemas antipolvos que funcionan
bajo un fuerte vaco.
Los sistemas antipolvo deberan usar el mnimo de vaco y pequeos
flujos de aire, que deben ser cuidadosamente controlados por el
operador.
Los molinos de martillo que rotan a alta velocidad y generan fuerte
turbulencia, no son recomendados.
Chancadores de Rodillo
Separadores-Divisores
Pulverizadores de Disco
Molino de Golpe
Continuo
Divisor Rotatorio
Muestra Final
Ejemplos:
1.
2.
3.
2.
Ejemplos:
1.
2.
3.
4.
5.
Oxidacin de sulfuros
6.
7.
2.
3.
4.
5.
6.
7.
8.
9.
El
ElError
Errorde
dePesaje
Pesaje WE
WE
W R
M
V
Anlisis
W R
M
V
Si seleccionamos un modo de seleccin sistemtico de incrementos, basados en
un tonelaje constante, el Error de Pesaje cancela si, y solamente si, el
peso del incremento tambin es constante.
Dado que W es constante, el peso del incremento tambin es constante
solamente si la velocidad del cortador V puede ser establecido
proporcionalmente al rango de flujo R: Esto es ms fcil decirlo que
hacerlo.
Los sistemas de muestreo de tonelaje constante pueden ser clasificados en dos
categoras:
1.
Los Sistemas que usan una velocidad constante del cortador: Estos estn
equivocados. Solamente reubicamos el problema en otro lado. Estos sistemas son
intiles.
2.
Los Sistemas que usan una velocidad proporcional del cortador.: En teora estn
correctos, pero en la prctica presentan enormes dificultades:
Conclusin
2.
Flujo
u3d
Flujo
Flujo
Incremento
de la Muestra.
Vista Superior
R O M
W 1
SA G
W 2
Instalacin de un Pesmetro
Recomendado.
Correa #1
Torre de Muestreo
Menos de 70 metros
Correa #2
Almacenamiento
(Stockpile)
W1
Menos de 70 metros
Alrededor de 12 metros
W2 Correa #3
Alrededor de 12 metros
La Vulnerabilidad del
Pesmetro.
Un Programa de Pruebas
Lgico
Hay tres mtodos de calibracin:
Usando material de peso conocido,
Usando pruebas de cadena, y
Usando pruebas de peso esttico.
Lo que es comn a cualquiera de estos mtodos es la etapa del balance cero.
Un Programa de Pruebas
Lgico:
Balanceo Cero
Un Programa de Pruebas
Lgico:
Requerimientos de la Cadena
La Calibracin por Cadena es mucho mejor que la Calibracin de Peso Esttica.
La cadena debera ser seleccionada para cumplir los siguientes requerimientos:
La cadena debera tener un rango nominal por pie, igual a la carga deseada del
transportadora, y ser marcada como tal dentro de un 0.1% de exactitud del peso
total.
La uniformidad de la cabina en su rango de libras-por-pie deber estar dentro
del 0.25%, y ser mantenida.
La cadena debera ser lo suficientemente larga para extenderse hacia el
segundo poln fijo a los lados de la romana (balanza), como se muestra en la
prxima diapositiva.
La cadena debera ser del tipo rodillo libre o rueda, y tener un espacio no mayor
de 6 pulgadas y divide el separador de polines tan parejo como sea posible.
La cadena debe mantenerse seca y bajo cubierta contra polvo.
La estructura de montaje de la cadena debe ser tal que el posicionamiento
preciso de la cadena pueda ser lograda separadamente.
Por razones prcticas, el peso de la cadena est limitado a alrededor de 250
libras/pie y esto es insuficiente para la calibracin de sistemas de balanzas de
correas grandes ( es decir, 10000 tons/hora y ms).
Sistemas Tpicos de
Calibracin
Extensin de Cadena = nL
Poln Fijo #2
Poln Fijo #2
Prueba de Cadena
Peso Estndar
Poln Fijo #2
Revisin
RevisinCrtica
Crticade
delos
losModos
Modosde
deMuestreo.
Muestreo.
El Muestreo es un proceso de seleccin, pero hay dos categoras de procesos
de seleccin.
Revisin
Revisinde
deProcesos
Procesosde
deSeleccin
SeleccinNo-Probabilsticos
No-Probabilsticos
Muestreo Comercial
Evaluaciones Mineras
Control de Procesos
Control de Ley de Mineral
Plantas Pilotos
Evaluaciones Ambientales
Muestreo Autoritario
Ejemplo: Todas las muestras cero-dimensionales que deben ser submuestreadas en el Laboratorio.
El proceso de incremento:
El lote de material es transformado en un flujo uni-dimensional,
luego un muestreador de flujo transversal recolecta un cierto
nmero de incrementos para formar la muestra.
2.
El proceso de separacin:
El lote de material es particionado en varias fracciones, una de
las cuales es seleccionada al azar como una muestra.
Muestreo Probabilstico de
Lotes No-Mviles.
En la prctica:
Muestreo Sistemtico:
Sistemtico Simple
Sistemtico Azarstico
Azarstico Sistemtico
Area Contaminada
Sector
Area
Sector Caliente:
Autoritario
Estrato
Sub-Estrato
Perforar: Incremento de
la Muestra.
Estrato
Sub-Estrato
Incremento de FlujoTransversal.
Estrato
Introduccin a la Variografa
Aunque la presencia de correlacin en datos cronolgicos era muy conocida, no exista para
cuantificar la cantidad de correlacin de tiempo o espacio, hasta el desarrollo de mtodos geoestadsticos en la minera para el control del proceso. La herramienta ms poderosa y pragmtica
usada en Geo-Estadstica y Crono-Estadstica, es el Variograma.
El Enfoque Cartesiano
Siempre
2. Flujo, estacionario o mvil, formado por lquido, con o sin slidos suspendidos.
3. Flujo, a menudo mvil, formado por gas, con o sin aerosoles suspendidos.
5. Etctera
X. Un conjunto cronolgico de precios para un stock dado, cubre un largo perodo.
h1
h2
h3
Definicin de Variograma
La forma ms natural de comparar dos valores, tales como a1 y a2 que representan,
respectivamente, el contenido de un componente de inters en la Unidad U1 y la Unidad U2,
separada por intervalo dado en el espacio o en el tiempo j, es considerar su diferencia d:
d a1 a 2
Movimiento del Flujo
j
a1
a2
Nu j
am j am
En el siguiente esquema, asumamos que tenemos seis muestras sucesivas del flujo transversal,
recolectadas a un intervalo regular j = 1 = 10 minutos.
2
D
m am j am
Nu j
Con el objeto de comparar esta varianza con la varianza de las estadsticas convencionales, el
semi-variograma se define.
V j D / 2
V [ j]
1
2[ N u j ]
m am j am
Esta frmula se usa para calcular el Variograma Absoluto. El Variograma Absoluto tiene Unidades.
EJERCICIO PRCTICO
% Al2O3
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
4.96
5.07
4.90
4.87
4.86
4.82
4.78
4.76
4.80
4.73
4.79
4.71
4.78
4.75
4.81
4.78
4.73
4.71
4.69
4.77
VARIANZ
A
Ejemplo: El % de una escoria es monitoreado cada dos horas. Los siguientes ensayos % K 2O
cubren un perodo-ventana de 68 horas. Las especificaciones son 0.84% 0.10%. Cul es el
significado del variograma calculado?
Muestra #
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
% K 2O
0.96
0.80
0.93
0.85
0.96
0.98
0.87
0.72
0.74
0.70
0.86
0.99
1.07
0.95
0.83
0.62
0.91
0.93
0.97
0.91
0.85
0.92
0.85
0.75
0.56
1.05
0.91
0.96
0.99
0.86
0.89
0.45
0.79
1.06
VARIOGRAMA
ABSOLUTO :
%
(ESPECIFICACIONES: 0.84% + . 0.10%)
EN K2O EN ESCORIA
Primera Limitacin
Dato no usado
Segunda Limitacin
El promedio de las diferencias cuadradas es conocido con buena precisin, solamente si el nmero
de pareos disponibles es suficiente.
La pauta es:
Nu - j
30
Nu - j
25
Buena precisin
Nu j
20
Precisin Aceptable
Nu - j
15
Pobre precisin
Nu - j
10 menos : Insignificante
Lmite Recomendado
Tercera Limitacin
Problema asociado con la continuidad:
No se recomienda mezclar datos que obviamente pertenecen a series diferentes, como se ilustra en
la siguiente figura.
Para que el Variograma sea potente, la variabilidad de las primeras diferencias debera
permanecer constante a travs del tiempo. Para un protocolo dado, bien establecido, esta
hiptesis generalmente se maneja bien, pero no deber ser tomada como garantizada.
El Variograma Relativo
V [ j]
1
2
2[ N u j ]a L
m am j am
V[j]
V1[j]
V2[j]
V3[j]
Trmino Peridico,
Continuo
V[ j = 0]
Componentes of V0
DE
FE
GE
EE
V0
AE
PE
Muestreo Incorrecto
Muestreo Correcto
La variabilidad irrelevante puede ser reducida por composicin o promedio a corto-plazo. El tamao
de V0 determina la extensin a la cual se necesita. La regla para calcular el error estndar de la
media se aplica.
Variabilidad en la cantera,
Variabilidad de otras materias primas,
Variabilidad en stockpiles (almacenamientos) y silos,
Variabilidad de los Molinos,
Variabilidad de los Hornos,
Variabilidad introducida por la sala de control,
Variabilidad de los reactivos qumicos,
Etctera.
Ejemplo:
INCREMENTO = 1 HORA
2 V0
Consideremos una curva sinoidal h3t en el conjunto de datos en cualquier instante t, con una
amplitud h3 y un perodo T, y calcule su variograma:
h3t h3 sin 2 t / T
V3 j
h32
1 cos 2 j / T
2
V3
h32
2
es la mitad del
tope del mnimo al mximo en el variograma. Esto hace que la amplitud del ciclo
en el variograma sea igual a la varianza del componente cclico en los datos.
Variografa Avanzada
V 4[j]
Debido a que los datos disponibles para calcular un variograma, son a menudo limitados, la
precisin de cada punto calculado en el variograma es afectado por V 0.
Esta precisin, o componente azarstico residual, an afecta la forma del variograma, y puede
convertirse en un problema para modelar efectivamente el Variograma.
Tambin, cuando tal ruido de fondo afecta el Variograma, puede confundirse con un componente
peridico para alguien que no sea bien experimentado en la Variografa.
V j V1 j V2 j V3 j V4 j
V4 j 0 when N u j increases
Modelando el Variograma
El fenmeno peridico complejo y el componente azarstico residual V 4[j] podran originar que el
modelamiento del variograma se haga muy difcil, si no imposible.
Para evitar esta dificultad, podemos usar tres funciones auxiliares derivadas directamente del
Variograma:
La clave para nuestro enfoque pragmtico es la interpretacin punto a punto del Variograma. La
ventaja de este enfoque es que no altera lo que conocemos de algunos puntos calculados,
representando el variograma obligatorio.
j 1, 2, 3, 4, ..., n 1
V j 0 y V0
V j n
V[j]
V[5]
V[4]
V[3]
V[2]
V[1]
V[0]
3
j
S 0 , S1, S 2, S 3,y S4 ,
S5
S j Est .
j
0V
j' dj'
S 5
V 5
V0
V 1 V 2 V 3 V 4
2
2
V[5]
V[4]
S[4]
S[3]
V[3]
S[2]
V[2]
V[1]
S[1]
V[0]
3
j
j1
V j 1
V j
V[j]
V[5]
V[4]
V[3]
V[2]
V[1]
V[0]
3
j
W j
1
j
0j V j' dj'
Sj
j
Para
j 0, S 0 0 and W 0 V 0
Para
j 0, W j
Sj
j
2W
2W
W(j)
Por definicin:
W ' j
1 j
2 j
j
W j' dj' 2 0 dj' 0V j" dj"
0
j
j
2
j2
Si definimos
Para
j0
tenemos
2
j
S j' dj'
2 0
j
W ' j
entonces:
S ' 0 S 0 0
W ' 0 W 0 V 0
Para
j0
S ' j S ' j 1
S j 1
2
S j
2
2
j2
S' j
3W
Maximum
3W
V[0]
V[0]
s 2 CE sy
Z j st
s 2 CE st
Z j ra
Z j sy
Z j st
Q
s 2 CE ra
Z j ra
Q
Muestreo Sistemtico:
La siguiente frmula fue derivada por G. Matheron para la estimacin de la varianza y extensin del
Error de Seleccin Continua. La Teora de las Variables Regionalizadas y sus Aplicaciones.
Centro de Morfologa Matemtica. Es cuela Superior Nacional de Minas de Pars. Libro # 5, pginas
66, 72, y 73. 1970.
Z j sy 2W j / 2 W ' j
Muestreo Azarstico Estratificado:
Z j st W ' j
Muestreo Azarstico:
Z j ra s 2 hT CH L
CH L
Constante en el lote L
%C3S
Muestra #
%C3S
52.61
21
52.20
52.13
22
52.41
52.08
23
51.75
51.92
24
51.93
52.35
25
52.45
51.62
26
52.08
51.68
27
52.21
51.80
28
52.41
52.63
29
52.05
10
52.00
30
51.85
11
52.31
31
51.43
12
52.45
32
51.86
13
51.95
33
51.73
14
51.55
34
51.62
15
52.30
35
51.83
16
52.70
36
52.27
17
52.58
37
51.53
18
52.83
38
51.96
19
51.54
39
51.35
20
51.80
40
51.73
2. El Promedio Mvil MA
RN = am - MA
CD = RDA - MA
CD = TA - MA
El Trazado de Diferencia Relativa es una herramienta grfica poderosa y muy sencilla. El trazado
tiene las siguientes caractersticas:
Ejemplo de Aplicacin:
Cuidado con los Factores de Correccin
80
Relative
Difference
60
40
M = Mean
6.3055
20
Moving Ave
40
-20
-40
70
112.5
155
197.5
INDICE Pair
index (sorted
by average) POR PROMEDIO)
DE PAREO
(CLASIFICADO
240
37.5
Relative
Difference
0
M = Mean
-7.300
-37.5
-75
Moving Ave
30
-112.5
-150
1
125
249
373
INDICEPair
DEindex
PAREO
(ORDEN CRONOLGICO)
(chronological
order)
497
Cronoestadstica
La Cronoestadstica est basada en la informacin reunida con el Variograma. Por lo
tanto, definimos una jerarqua de los Lmites de Control basada en en el Variograma.
Las variaciones caracterizadas por V 2[j=1] son movimientos reales del proceso, predecibles
sobre cierto marco de tiempo, y potencialmente corregibles. Por lo tanto, no queremos permitir
que las variaciones lleguen a ser ms grandes que { (3 V[0]) + V2[ j=1] } sin reaccionar
(es decir, UCL y LCL).
Sin embargo, agregando V2[ j=1] a los lmites UCL y LCL, para obtener UCL y LCL, se
hace una calculada tolerancia para los movimientos del proceso que estn fuera de nuestro
control. Por cierto, somos incapaces de reaccionar a intervalos de tiempo ms cortos que j =1.
Este concepto nos permite optimizar el intervalo de muestreo/medicin.
Agregando V3 a los lmites UCL y LCL, para obtener UCL y LCL, se hace una
calculada tolerancia para un ciclo de proceso ms all de nuestro control. Es muy difcil corregir
efectivamente un ciclo. Si este agregado llega a ser demasiado grande, es necesario investigar
las causas del ciclo. Algunas veces, son necesarias modificaciones ingenieriles del proceso
para eliminar un ciclo. Otras veces, un ciclo es introducido por nosotros mismos y por la forma
en que organizamos nuestro trabajo.
Conozca sus ciclos: Siempre hay una oportunidad para minimizar un costo
visible o invisible.
Estudio de Caso
J = 1 = 2 horas
Resultados en % +63
Muestra #
Muestra #
5.61
31
5.55
5.69
32
5.52
5.66
33
5.49
5.57
34
5.49
5.56
35
5.43
5.60
36
5.48
5.53
37
5.40
5.58
38
5.41
5.53
39
5.45
10
5.49
40
5.43
11
5.61
41
5.41
12
5.60
42
5.44
13
5.55
43
5.47
14
5.50
44
5.55
15
5.49
45
5.57
16
5.51
46
5.58
17
5.57
47
5.53
18
5.52
48
5.52
19
5.51
49
5.48
20
5.51
50
5.44
21
5.52
51
5.48
22
5.55
52
5.48
23
5.52
53
5.49
24
5.59
54
5.42
25
5.61
55
5.41
26
5.61
56
5.37
27
5.55
57
5.36
28
5.52
58
5.40
29
5.57
59
5.36
30
5.57
60
5.33
V[1]
V[0]
Perodo
Mximo
V3
Segundo mnimo
2W
2W
En este caso, podramos anticipar el mximo del variograma en j =36, por lo tanto
nuestra estimacin de V2[j =36] podra ser levemente sobre-estimada mediante el
uso de la curva 2W. Pero, la curva W est obviamente sub-estimada.
Resultados en % +63
Muestra #
Muestra #
5.45
16
5.46
5.52
17
5.50
5.46
18
5.53
5.45
19
5.49
5.47
20
5.48
5.52
21
5.52
5.51
22
5.47
5.47
23
5.51
5.52
24
5.50
10
5.48
25
5.45
11
5.47
26
5.48
12
5.50
27
5.51
13
5.52
28
5.50
14
5.54
29
5.53
15
5.48
30
5.47
Los Lmites de Especificacin son pautas para satisfacer un contrato celebrado con un Cliente, o
para asegurar el ptimo desempeo de un proceso.
Los Lmites de Especificaciones no tienen nada que ver con la variabilidad real de un proceso.
Deberamos definir:
US :
TA:
La Especificacin Superior
El Promedio Objetivo
LS : La Especificacin Inferior
Los Lmites de Control de Procesos fueron definidos en las lecturas de la Variografa. Hay
herramientas para hacer que el proceso entregue retroalimentacin, y para minimizar el efecto
negativo de todas las fuentes de variabilidad que no podemos controlar.
Deberamos definir:
UCL y LCL:
UCL y LCL:
US
TA
LS
UCL
LCL
UCL
LCL
UCL
LCL
A la Administracin,
Al Directorio,
A los Accionistas,
A los Gelogos y Perforistas,
A los Mineros y Metalurgistas,
A los Qumicos Analistas,
A los Estadsticos,
Al personal de Ventas,
Para as conseguir flujo de caja, ms rentabilidad y valor accionario
agregado.
Responsibilidad de una
Empresa Minera
la variabilidad y desarrollar
estudios estadsticos
confiables.
A strong commitment to
good sampling
and good laboratory practices
Sin embargo,
implementar un muestreo correcto
es ms fcil decirlo que hacerlo.
Variabilidad a Pequea-Escala,
la cual puede ser llamada la Variabilidad
Irrelevante: Es una molestia.
Variabilidad a Gran-Escala,
la cual puede ser llamada la Variabilidad
Relevante.
Variabilidad a Pequea-Escala:
El trmino V[0] en un variograma
Optimizacin de los
Protocolos de Muestreo
Error Fundamental FE
(ejemplo: Masa de muestra y sub-muestras)
La Implementacin Prctica
de los Protocolos de Muestreo.
La Pesadilla del Muestreo
Las tres mayores fuentes del sesgo del
muestreo:
Error de Delimitacin DE
(Cada parte del lote a ser muestreado debe tener exactamente
la misma posibilidad de llegar a ser parte de la muestra).
Error de Extraccin EE
(El error de recuperacin de la muestra: El sistema de muestreo
no debe ser selectivo)
Error de Pesaje WE
(Los sistemas de Muestreo deben ser razonablemente
proporcionales)
Preservando la Integridad
de las Muestras
Contaminacin
Prdidas
Alteracin
Errores Humanos, Ignorancia
Fraude
Ejercicio Prctico 1:
Muestreo de Hoyos de Tronadura
Nombre el posible error (DE, EE, WE, o PE?) que ocurre en cada
uno de los siguientes puntos, y d soluciones. Tiene 10 minutos
de tiempo.
E
D
Segregacin
A Sub-perforacin
Muestra
Real
Muestra
Ideal
antigua.
B
Sub-perforacin
actual.
Ejercicio Prctico 2:
Muestreador Primario para la
Alimentacin de una Planta.
Nombre el posible error (DE, EE, WE, o PE?) que tiene lugar en cada
uno de los siguientes puntos, y d soluciones. Tiene 10 minutos de
tiempo.
1
11
3
6
7
9
10
F r a n c i s P i t a r d 's d r a w i n g
p r o t e c t e d b y c o p y r ig h t la w , 2 0 0 4
Ejercicio Prctico 3:
El Muestreador Rotatorio Vezin
Un muestreador muy comn en la Industria Minera
Nombre el posible error (DE, EE, WE, o PE?) que tiene lugar en cada
uno de los siguientes puntos, y d soluciones. Tiene 10 minutos de
tiempo.
6
9
4
10
11
8
1
FrancisPitard's drawing
protected by copyright law, 2004
Ejercicio Prctico 4:
El Muestreador de Correa-Transversal
Un sistema de muestreo muy popular y peligroso.
Nombre el posible error (DE, EE, WE, o PE?) que ocurre en cada uno de los
siguientes puntos, y d soluciones. Tiene 10 minutos de tiempo.
7
6
1
2
3
5
F r a n c is P it a r d ' s d r a w in g
p r o t e c t e d b y c o p y r ig h t la w , 2 0 0 4
adems,
Debido a que cada uno de los puntos puede
llevar a devastadoras prdidas monetarias para
una empresa que no est atenta.
Vamos a dar algunos ejemplos sorprendentes.
Caso # 1:
Un mal protocolo seguido por
una implementacin incorrecta.
Caso #2:
Un sistema incorrecto de muestreo para
las colas de una Planta de Flotacin.
Resumen:
Quines son los enemigos?
2
DEn
2
FEn
2
GEn
2
HE1
2
NE
SWEn
V[0]
S
2
EEn
S
PEn
n
2
AEn
Variabilidad a Gran-Escala:
Cules son los componentes principales?
Durante la Exploracin
Variabilidad a Gran-Escala:
Cules son los componentes principales?
Durante la Minera
Variabilidad a Gran-Escala:
Cules son los componentes principales?
Durante el Proceso
Variabilidad a Gran-Escala:
Cules son los componentes principales?
Durante la Comercializacin con los
Clientes
OBLIGATORIAMENTE!
Tienen autoridad las muestras para representar un
depsito o un proceso?
Sus decisiones son solamente tan buenas como lo
son sus muestras.
Oportunidades:
Los Hechos
Si es eliminada la
causa:
Cursos Cortos,
Capacitacin
Estandarice
Talleres,
Si no es eliminada
la causa:
Re-analice
Oportunidades perdidas
Acciones com-
pulsivas sobre
las causas de los
problemas
existentes y encuentre
los problemas
estructurales.
Oportunidades:
El Mapa del Camino
Seleccin y ofrecimiento
de cursos cortos,
talleres y capacitacin.
Identificacin de Problemas
Estructurales y,
Mejoramiento Continuo del
Proceso Minero
Acciones
Compulsivas
Contabilidad
Comunicacin con la
Administracin Superior
de las operaciones de
Esquema de Francis Pitard la Empresa.
Protegido por Ley Derecho de Autor, 2004
2. El muestreador secundario:
3. El muestreador terciario:
Estudio de Caso
A partir de las colas de una antigua mina, recolectamos una muestra de compuesto
de 50 kgs. El tamao mximo de partcula d del material es de alrededor de 1/4 de
pulgada (0.67 cm).
Queremos enviar una sub-muestra no ms pesada que 2 kgs a un Laboratorio.
Sobre esta sub-muestra de 2 kgs., queremos determinar el contenido promedio de
oro de las colas. Se espera que el contenido de oro est en alrededor de 2 ppm.
La desviacin estndar asignada del Error Fundamental FE es
2S 15%
Estrategia de 18 Puntos
Punto
Punto ## 1:
1:
Fuentes
Fuentes de
de los
los Problemas
Problemas de
de
Reconciliacin
Reconciliacin de
de la
la Ley
Ley de
de Mineral.
Mineral.
Modelo Geolgico
Logstica
Protocolos de Muestreo
Implementacin de los Protocolos de
Muestreo
Comprensin de la Variabilidad
Medicin Comn de la Variabilidad
Capacitacin
Modelo Geolgico
Continuidad e interpolacin
Continuidad y extrapolacin
Contactos
Fallas
Zonas de Transicin
Selectividad
Exploracin
Mineraloga
Logstica
Contratistas
Inventarios
Stockpiles (Almacenamiento)
Palas de Carguo
Camiones de Extraccin
Agua
Prdidas en forma de polvo
Protocolos de Muestreo
Implementacin de los
Protocolos de Muestreo
Error de Delimitacin
Error de Extraccin
Errores de Preparacin
Fraude
Error en el Peso
Error en el Pesaje
Comprensin de la Variabilidad
Azarstica
No azarstica
Cclica
Comportamiento de alta ley
Ley de Corte
Variabilidad de la Mina Vaciada
Factores de Correccin
Tronadura Abatida
Medicin comn de la
Variabilidad
Contenido de Humedad
Densidad
Error Analtico
Capacitacin
Gelogos y Mineros:
Geoestadsticas y Teora del Muestreo
Metalurgistas y Qumicos:
Cronoestadsticas y Teora del Muestreo
Punto
Punto Dos:
Dos:
Use
Use Estndares
Estndares
Las Palas de carguo y los camiones de extraccin de la Mina; as como los molinos y las celdas de
flotacin en la Planta, necesitan manutencin preventiva, de la misma forma hay que hacerlo en las
siguientes muy importantes reas:
Cursos de Capacitacin
Punto
PuntoTres:
Tres:
No
No mal
mal utilice
utilicelos
los estndares
estndares
Una caracterstica potente de los estndares ISO, y algunos otros estndares, es la flexibilidad
para aadir elementos adicionales a los manuales del estndar. Elementos adicionales, tales
como un Muestreo correcto, SPC, TQM, Geoestadsticas y Cronoestadsticas, deberan asegurar
que los estndares no son mal utilizados.
Punto Cuatro:
La Mesa de Tres-Patas
Ganancias de la Compaa
Administracin
Efectiva
Muestreo
Correcto
Comprensin de la
Variabilidad
Pata #1:
Administracin Efectiva
Pata #2:
Muestreo y Medicin Correcta
Pata #3:
Comprensin de la Variabilidad
Punto
Punto Cinco:
Cinco:
Implemente
Implemente una
una filosofa
filosofa de
de muestreo
muestreo
equiprobabilstico.
equiprobabilstico.
El Error de Delimitacin
El Error de Extraccin
Los Errores de Preparacin
Las empresas de ingeniera y fabricantes de equipamiento de muestreo conocen muy poco con
respecto a estos errores, y durante muchos aos, han construdo e instalado equipamiento de
muestreo que transgrede las reglas ms elementales de un muestreo correcto. Por lo dems, los
organismos estandarizadores no conocen mucho mejor o estn confundidos acerca de estos
importantes errores del muestreo, los cuales no ayudan al objetivo.
El Error de Delimitacin:
Ejemplo durante la exploracin.
Recuperacin
100%
Recuperacin 65%
Recuperacin 97%
Muestra 3-metros
Est seguro que la muestra compuesta de 3 mts,.
hecha de tres diferentes recuperaciones es exacta?
El Error de Delimitacin:
Ejemplo en la Mina
RecuperacinZero
Muestra
Recuperada
Buena Recuperacin
Sub-perforacin
El Error de Delimitacin:
Muestreo recomendado para Hoyos de Tronadura
Hopper Alimentacin
Puerta de Inspeccin
Cono Deflector
Rodamiento
Cortadores Rotatorios
Rodamiento
Cmara de Flujo Principal
Motor: 15 rotaciones
por minuto en su mayora
Muestra
Rechazos
El Error de Delimitacin:
Ejemplo de Laboratorios
Sub-muestra
Analtica
Segregacin?
El Error de Delimitacin:
Seleccionando la submuestra analtica
Al menos nueve
incrementos
El Error de Delimitacin:
Ejemplos en la Planta
Muestra
Muestreador con cortador Fijado
Muestreador de
caera de presin
Muestra
El Error de Delimitacin:
Muestreo correcto en la Planta
Cinco Cortadores
Sobreflujo induciendo
turbulencia
Flujo Principal
El Error de Extraccin:
Ejemplo durante la exploracin
El material delicado
en fracturas o
contactos es perdido
selectivamente.
100% recuperacin
65% recuperacin
97% recuperacin
Muestra en 3-metros
El Error de Extraccin podra haberse llamado Error de Recuperacin.
El Error de Extraccin:
Es crtica la buena recuperacin.
Agua de Enfriamiento
Cortadores
+
Agua
Cabezal de diamente
cnico.
Ncleo no
Interrumpido
El Error de Extraccin:
Ejemplo en la Mina
Polvo Fugitivo
Cortina
Polvo Fugitivo
Cortina
El Error de Extraccin:
Recupere todos los finos
Cicln Primario
Colector de
Barra
Hacia el
colector
de polvo
Sellos
Cicln
Secundario
Al sistema de
muestreo.
El Error de Extraccin:
Ejemplo en la Planta
El Error de Extraccin:
Ejemplo en Laboratorios
Buzn
Alimentacin
Transportador por
Vibracin
Molinos de Rodillo
Separadores de Mineral
Pulverizadores de Disco
Divisor Rotatorio
Muestra Final
El Error de Pesaje:
Ejemplo en la Mina y Chancado.
Los pesmetros son fuentes notorias de reconciliacin de problemas. La exactitud de muchos pesmetros es
dudosa dada la ubicacin en que estn instalados y la forma en que son limpiados, mantenidos y
calibrados.
La experiencia de terreno prueba ser mucho menos optimista que las garantas de los fabricantes.
Pese a ello, si setoman algunas precauciones, es posible pesar con exactitud usando pesmetros.
Usted necesita tres elementos para implementar un programa exitoso:
1.
La ubicacin seleccionada para instalar el pesmetro es crtica, ya que debe ser instalado donde
la tensin de la correa sea la mnima.
La temperatura ambiente debe mantenerse constante. Los pesmetros no son para ambientes
exteriores.
El Error de Pesaje:
Ms para un programa exitoso.
2.
3.
Las tres pruebas deben ser hechas con diferentes pesos, con el objeto de descubrir si la
calibracin cero es correcta.
Monitoree las desviaciones en los trazados de diferencia relativa para determinar, despus de
algunas semanas, si las desviaciones son variables azarsticas o no azarsticas.
W1
W2
W1
Almacenamiento
W2
Comparemos W1 y W2 durante un largo perodo de tiempo, estos dos pesmetros deberan mostrar
exactamente el mismo tonelaje. Pero, hay un gran almacenamiento entre los dos. Suponiendo que los dos
pesmetros estn bien calibrados, la diferencia W1 - W2, sin considerar el almacenamiento, debera ser de una
variable azarstica.
Si la calibracin est siendo mal hecha en cualquiera de los pesmetros, la diferencia W1 - W2 no ser ms una
variacin azarstica.
Esto sugiere que el trazado relativo y las diferencias dimensionales expresadas en %, entre W1 y W2, tres veces
al da en un grfico de control, y siguiendo un Promedio Mvil de 20 puntos, debera indicar cuando la
diferencia relativa 100 [w1-w2]/ [(w1+w2)/2] no ser ms una variacin azarstica.
Punto
Punto Seis:
Seis:
No
No confunda
confunda cantidad
cantidad de
de trabajo
trabajo con
con
productividad
productividad real.
real.
2.
3.
4.
5.
A menos que esta inevitable secuencia sea implementada a travs del proceso, la cantidad de
trabajo estar innecesariamente aumentada y la productividad ser pobre.
Punto
Punto Siete:
Siete:
Establezca
Establezca una
una lista
lista deseada
deseada realista
realista
para
para cada
cada parmetro
parmetrodel
del proceso.
proceso.
Los problemas de reconciliacin entre Mina y Chancado, pueden ser minimizados
si cada parmetro de control de proceso, es mantenido cuidadosamente bajo
control.
Para cada parmetro clave, establezca una lista deseada consistente en tres valores
claves:
US
53.8
39.6
TA
25.4
LS
11.2
move ave
-3
1
40
79
118
157
Increment = 24 hours
US
UCL
UCL'
UCL''
=
=
=
=
3.00E+01
2.64E+01
2.97E+01
3.58E+01
LS
LCL
LCL'
LCL''
=
=
=
=
1.00E+01
1.36E+01
1.03E+01
4.25
TA
= 2.00E+01
Mean
= 1.30E+01
2 sigma
mean
Una lista deseada podra tener valores dinmicos que podran cambiar en el
tiempo.
Pese a ello, el concepto de lista deseada permanece igual, y lleva al
Administrador a decidir cundo y cmo la lista debera cambiar.
Haga una cuidadosa planificacin para coordinar la listada deseada con otros
importantes parmetros.
Una lista deseada lgica no se puede improvisar y debera ser el resultado de
un cuidadoso anlisis de variabilidad.
Punto
Punto Ocho:
Ocho:
Trabajo
Trabajo Inteligente,
Inteligente, no
no Duro
Duro
LS
TA
480
540
US
Frequencia
T/h
600
Segregacin
SAG
Nuevo TA
LS
Productividad
Mejorada
Mismo US
Ejemplo #2:
Optimizando la quebradura con explosivos
X
La vigilancia y monitoreo X en un grfico de control, pueden generar una
gran cantidad de beneficios extras para la compaa.
Ejemplo #3:
Ms tons por da Minera/Molienda!
Ficcin de
Factibilidad
Triste
Realidad
800
Menos
Ms
0
20
Rango Minas Mtons/ao
40
Punto
Punto Nueve:
Nueve:
Precaucin
Precaucin de
de las
las Unidades
Unidades Econmicas
Econmicas
dentro
dentro de
de la
la misma
misma Compaa.
Compaa.
Hoy en da, en muchas compaas, la Mina, la Molienda, la Fundicin, la Refinera y
algunas veces incluso los Laboratorios, podran trabajar como unidades econmicamente
independientes, dentro de la misma empresa.
La Administracin aprendi que las unidades econmicamente independientes se
desempean mejor, ya que llegan a ser ms responsables para un desempeo de costo
efectivo.
Es un buen principio. Pero, no sin peligros.
Por cierto, todas estas unidades trabajan en un cronologa lgica e inescapable, donde el
desempeo de una afecta grandemente el desempeo de la prxima.
En consecuencia, el sub-producto de las unidades econmicas es la exportacin de un
problema a la unidad siguiente, dado que no mantienen un incentivo para corregir algunos
detalles importantes.
La filosofa es la Fundicin se preocupar de eso y la Refinera de esto otro.
Geologa
Mina
Laboratorio
Molienda
Fundicin
Control
de Proceso
unPractice
sentido amplio y
Sampling
Theoryen
and
decisin de la administracin.
Temas Mineros
Administracin de
la Variabilidad
(EMPV)
Temas Metlrgicos
Recursos Humanos
Punto
Punto Diez:
Diez:
La
La Seleccin
Seleccin de
de la
la ley
ley de
de corte:
corte:
Precaucin
Precaucin con
con la
la mala
mala clasificacin.
clasificacin.
La informacin de respaldo de Geologa, Mina y Molienda debe ser objeto de cuidadosos
anlisis estadsticos.
Un ejemplo es el costo de la precisin, que afectan las muestras de los hoyos de perforacin.
La Precisin, la cual podra generar una enorme mala clasificacin de la ley del mineral, no es
tomada lo suficientemente en serio en la mayora de las operaciones mineras.
Su efecto est mezclado con el deseo de llegar a ser sobre-selectivo, a travs del uso de leyes de
corte de mineral no realistas, basadas nicamente en realidades econmicas.
El diagrama de la diapositiva siguiente, ilustra un caso donde la Administracin selecciona una
ley de corte econmica para alimentar el molino con una ley promedio terica que fue predeterminada mediante un estudio de factibilidad.
Pero, la variabilidad azarstica que afecta el dato base, necesariamente resulta en una mala
clasificacin de la ley del mineral.
Si la ley esperada no es obtenida, la administracin podra ser tentada a incrementar la ley de
corte del oro.
La Elipse de Precisin:
Una visin de la realidad
3.92
3.62
1.1
0.86
1.47
1.59
1.63
2
1.03
1.14
2.39
3.91
4.48
4.09
3.75
3.45
5.6
3.76
7.21
5.73
4.84
4.74
4.74
6.8
3.3
4.49
2.96
4.43
3.53
3.49
2.71
1.48
1.11
1.37
1
1.76
4.47
4.81
1.72
1.45
1.21
3.4
5.58
3.56
1.4
0.47
0.51
1.24
0.89
1.3
2.54
3.69
4.32
4.81
7.79
5.61
5.67
7.93
6.29
5.59
9.48
14.1
9.45
7.22
7.62
6.79
0.9
1.09
1.35
2.51
3.01
2.22
1.41
1.55
1.33
3.46
3.5
1.11
0.56
0.59
0.81
1.01
1.11
2.18
3.42
3.91
4.43
8.04
5.76
8.15
6.74
6.05
4.53
13.5
13.4
14.2
9.45
6.29
6.89
3.83
3.78
4.08
4.23
1.55
1.43
1.33
0.41
0.29
1.51
0.72
2.88
2.84
0.32
0.29
1.01
0.36
1.21
2.42
2.09
4.06
2.26
5.69
4.11
7.41
8.72
7.24
9.45
14.1
9.48
8.79
8.4
8.28
3.63
3.39
4.05
2.12
1.27
1.39
1.05
0.36
0.31
0.93
0.82
1.13
3.09
0.35
0.26
0.83
0.37
1.61
1.92
0.65
4.14
3.14
5.33
4.12
7.88
8.86
12.9
9.36
6.24
13.5
10.7
10.3
3.41
La Elipse de Precisin:
Deteccin de un costo invisible.
La Elipse de Precisin:
Mineral mal clasificado.
Estril mal
clasificado como
mineral
Mineral mal
clasificado como
estril.
El Histograma de precisin:
Diferencias Relativas
El Error Fundamental
El Error Analtico
El Error Fundamental
CH L N F
ai
a L M i2
a L2 M L2
2
IH L CH L
ML
CH L M i
NF
ai
a L M i2
a L2 M L
2
Con el objeto de estimar el IHL de una forma amistosa, podramos ordenar el lote en una
suma doble de fracciones de tamao y densidad, como se ilustra en la siguiente diapositiva.
Es el mismo lote. Ahora, el IHL llega a ser:
IH L
aL
M L
a L2 M L
IH L
M L
M L
aL
a L2 M L
M L
L1
L2
L3
L 1
L 2
M F 11
M 11
a 11
M F 12
M 12
a 12
M F 21
M 21
a 21
M F 22
M 22
a 22
M F 31
M 31
a 31
M F 32
M 32
a 32
L 1
L 2
L 3
M F 13
M 13
a 13
M F 23
M 23
a 23
M F 33
M 33
a 33
L 3
IH
Modelo
S i z e - dde
e n s tamao-densidad
i t y m o d e l o f a l o t de un lote
IH L fgcd 3
donde f es un factor de perfil de fragmento de alrededor de 0.5, g es un factor de
distribucin de tamao de fragmento de alrededor de 0.25, c es un factor de composicin
mineralgica,
es un factor de liberacin, y d es la abertura de tamao de un tamiz que podra retener
el 5% del material a ser muestreado en cualquier etapa de muestreo dada. Generalmente, la
principal dificultad yace en la estimacin del factor de liberacin por lo cual la literatura de
muestreo es cargada con preocupantes conceptos equivocados. La literatura en el
procesamiento de minerales guiada por el Dr. Pierre Gy en recientes publicaciones sugieren
la siguiente frmula:
d0
d
1
1
2.5
Kd
M
M
S
L
2
S FE
DH L (1 YZ ) N G
i
ai
a L M i2
a L2 M L2
2
2
2
S GE
YZS FE
Sabemos que DHL vara entre un mximo denominado CHL y un mnimo denominado
[DHL]min. , dada la omnipresencia de gravedad, diferencias severas en las densidades del
minera, y en tamaos de fragmentos, el DHL jams es cero. El [DHL]min es una variable
azarstica con una media (mean) que puede ser calculada como sigue:
mean DH L min
NG
CH L
NF
DHL
(DHL)min
Tiempo de
mezclado
El Error Analtico
El Nomograma de Muestreo:
Protocolo de muestreo recomendado.
Punto
Punto Once:
Once:
Diferencia
Diferencia entre
entrela
la variabilidad
variabilidad
azarstica
azarstica yyno-azarstica.
no-azarstica.
Un proceso podra ser forzado a quedar sin rumbo, a menos que el operador
est adecuadamente entrenado para reaccionar ante la variabilidad del muestreo
o medicin. Si no es exitosa, el operador podra potencialmente duplicar la
variabilidad total del proceso, cuando lo mejor que podra haber hecho es
dejarlo solo.
LS
TA
US
A
39
41
43
% Solidos
LS
TA
US
A
39
41
43
% Slidos
LS
TA
US
41
43
39
Variabilidad Original
Nueva Variabilidad
% Slidos
Punto
Punto Doce:
Doce:
Minimice
Minimice constantemente
constantemente
el
el costo
costo invisible.
invisible.
Cumplir los requerimientos provistos por una listada deseada no resulta en una minimizacin
constante del costo invisible. El Mejoramiento no es un esfuerzo de una sola vez.
A travs del pensamiento estadstico, es importante balancear los costos visibles e invisibles. Pero
mucha gente cree que cumplir con las especificaciones resulta en cero prdidas de dinero, como
se sugiere en el siguiente cuadro.
Cada vez que un sobreflujo del cicln que alimenta una planta de flotacin no cumple con las
especificaciones porcentuales de slidos, tiene lugar una cada en la recuperacin de metal y
productividad equivalente a US$1000.
LS
$
Prdida
TA
US
Nuevo
proceso
Antiguo
proceso
Prdida
Prdida
39
41
43
% Slidos
Para el control del grado del mineral, cualquier valor de error en la precisin, originado por el muestreo
y la medicin, genera una prdida monetaria.
LS
$ Prdida
TA
US
Nuevo
protocolo
Funcin de
Prdida
Antiguo
protocolo
-15%
+15%
El US y el LS debe ser seleccionado de acuerdo a lo que se juzgue como prdida razonable de dinero.
Sin embargo, se debe comprender claramente que an entre el US y el LS, hay una prdida monetaria.
Punto
Punto Catorce:
Catorce:
Implemente
Implemente un
un ciclo
ciclo de
de pensamiento
pensamiento creativo
creativo
Objetivos Estratgicos
Geologa
Administracin Superior
Mina
Molienda
Lixiviacin
Flotacin
Fundicin
Electroobtencin
Refinera
Herramientas
Balance Metalrgico
Control de Procesos
Efectos
Contabilidad
Muestreo
Laboratorio
Modelos
Incremento del
Temor
Balance Metalrgico
ajustado diariamente
Matar al
mensajero
Administracin
Autoritaria
Informacin
Filtrada
Eliminacin de
Cifras Desconcertantes.
Entusiasmo y orgullo
Equipo de Trabajo:
Manjelo sin temor
Confianza
Romper barreras
entre los Departamentos
Anlisis de variabilidad
en curso de
todos los datos existentes.
Enfasis en los
problemas estructurales
Punto
Punto Quince:
Quince:
Establezca
Establezca prioridades
prioridades de
de manera
manera econmica
econmica
Efecto del
problema
Problemas de
Alta Prioridad
Problemas a ser
resueltos despus de
desarrollar un Estudio
de Factibilidad.
Problemas de
Baja Prioridad
Problemas que no
ameritan demasiada
atencin.
Estableciendo prioridades:
Ejemplo para una mina de oro
Los anlisis de variabilidad en curso de todos los datos cronolgicos existentes, pueden ayudar a
establecer prioridades de manera lgica.
Efecto del
problema
Causas
DQO
FE GE
EE PE
WE AE
DE CE3
CE2
Pruebas de Sesgo,
Protocolos Firmados,
Factores de
Correccin,
Efectos.
Costo de solucin del problema
Punto
Punto Diecisis:
Diecisis:
Mejorar
Mejorarla
la variabilidad
variabilidad es
es
mejorar
mejorarla
la recuperacin
recuperacin de
de metal.
metal.
Es una experiencia de FPSC que un estricto control de los rangos de grados del metal de inters, entregados
por la Mina, tienen un profundo impacto sobre las recuperaciones de metal y tambin sobre la calidad de los
concentrados.
Todas las minas que tuvieron una administracin de apoyo a la poltica de mezclas de mineral, observaron
un gran mejoramiento en la molienda, fundicin y refineras en el perodo de un ao.
30
%Mo ROM
Variabilidad por turno
Recuperacin % Mo
100
20
50
10
0
Perodo: 6 meses
Recuperacin de Mo en una mina de cobre de gran tamao
Punto
PuntoDiecisiete:
Diecisiete:
Para
Paramejorar,
mejorar,utilice
utiliceherramientas
herramientasestadsticas
estadsticas
pragmticas
pragmticasbasadas
basadasen
enla
laobservacin
observacingrfica.
grfica.
Los complejos anlisis estadsticos a menudo son insuficientes para transmitir un mensaje
claro a los usuarios de las minas y la molienda.
En la era de los computadorres, nosotros sugerimos fuertemente que se debe enfatizar las
observaciones de los grficos, as la administracin puede comprender, rpida y
efectivamente, la variabilidad del proceso que tiene lugar dentro del da.
Por ejemplo, se pueden y se deben desarrollar coeficientes de correlacin, pruebas de
sesgo de significancia y otros clculos sofisticados. An as, a menudo son insuficientes
para dar una visin concreta de un problema.
Sin embargo, un trazado de diferencias relativas asociado con un simple promedio mvil,
como se muestra ms abajo pueden ayudar a un administrador de una manera mucho ms
efectiva.
No solamente puede ser cuantificada inmediatamente la magnitud de un sesgo, sino que
tambin puede ser seguida su evolucin en funcin del tiempo o grado.
Punto
Punto Dieciocho:
Dieciocho:
Utilice
Utilice herramientas
herramientas de
de grficos
grficos concretas
concretas
para
para cuantificar
cuantificarcostos
costos invisibles.
invisibles.
Existing Data
Weight Units:
Content Units:
Ore:
PC:
Grams
g/t
Gold
1.5
Vertical Composites:
N samples:
N missing:
V ne:
A:
B:
Veritcal
8000
0.5
0.9
0.1
0.4
0.5
1.7
0.6
0.4
1.3
1.9
1
0.7
2.3
1.5
1
0.1
2.1
3.2
2.3
2.9
2.7
1.8
2.7
0.6
39
0.5
4.6
3.1
2.3
4.5
3.7
2.1
5.6
1.2
0.7
0.67
1.3
2.04
7.47
2.87
42
0
34.08
272675
1.4
5.96 S_2:
2.5 Q:
Horizontal Composites
1.12
1.6
2.48
7.72
1.63
2.2
1.47
Q_h:
6
1.26 Q_v:
7
0.7
0.1
6.5
0.6
0.2
0.5
0.2
Francis
Pitard
Sampling
Consultants
Fax: 303.280.1396
http://www.fpscsampling.com
USA
E-mail: fpsc@aol.com
V[Cclico
0.0061
Vario
0.0048936
0.0036872
V_cyclic+
V[proceso j=1]
0.0024808
0.0012744
V_cyclic-
V_trend_j
V[0]
V[tendencia j=12
6.8e-005
0
10
15
v[j=1] = 1 hour
Vario = Rel | Mean
Begin = 1
| Std
End
= 51 | Var
20
% Solids
cycloneEN
overflow
PORCENTAJE
DE in
SOLIDOS
EL SOBREFLUJO DEL CICLON
US
41
TA
38.4
LS
move ave
35.8
mean
33.2
UCL
LCL
30.6
UCL'
28
1
11
21
31
41
51
LCL'
Increment = 1 hour
UCL''
US
UCL
UCL'
UCL''
=
=
=
=
3.60E+01
3.42E+01
3.55E+01
3.73E+01
LS
LCL
LCL'
LCL''
=
=
=
=
3.00E+01
3.18E+01
3.05E+01
2.87E+01
TA
= 3.30E+01
Mean = 3.26E+01
2 sigma
LCL''
Francis
Pitard
Sampling
Consultants
La elipse de precisin:
Deteccin de un costo invisible
Caractersticas OGC:
Windows Estndar 95, 98, 2000 interfase grfica de usuario
Capacidad para leer datos de un Libro de Trabajo Microsoft Excel 5
Los formatos de archivo apoyados para conjuntos de datos son: .vts, .xls, tab
delimited ascii
Salidas grficas de alta calidad configurables por el usuario.
Sofisticados Diagramas de Muestreo, elipses de precisin y su sinergia con cortes
de grado seleccionados.
Trazados de Diferencia Relativa y Promedio Mvil para detectar sesgos
adicionales.
Manual de Referencia del Usuario linkeados con Hyper-texto
Fax: 303.280.1396
http://www.fpscsampling.com
USA
E-mail: fpsc@aol.com
Francis
Pitard
Sampling
Consultants
El pre-requisito para el uso del programa OSP es que el usuario debe estar
familiarizado y cmodo con la Teora del Muestreo. Por lo tanto, el usuario debe tener
un entrenamiento intensivo de los cursos breves de Francis Pitard. De otra manera,
el riesgo de la sub-utilizacin y mal uso del programa es grande. El archivo HELP
(ayuda) maneja solamente los mecanismos del programa, pero no la Teora del
Muestreo.
Caractersticas OSP:
Windows Estndar 95, 98, 2000 interfase grfica de usuario
Capacidad para leer datos de un Libro de Trabajo Microsoft Excel 5
Formatos de archivo apoyados para conjuntos de datos son: .vts, .xls, tab delimitado ascii
Salidas grficas de alta calidad configurables por el usuario.
Nomografos de muestreo
Evaluacin de protocolos de muestreo existentes
Protocolos de muestreo recomendados
Trazados de diferencia relativa y promedio mvil
Deteccin condicional de sesgos
Manual de Referencia del Usuario linkeados con Hyper-textos
Fax: 303.280.1396
http://www.fpscsampling.com
USA
E-mail: fpsc@aol.com
TRAZADO DE DIFERENCIA RELATIVA CON UN PROMEDIO MVIL DE 7 PUNTOS POR LEY PROMEDIO:
ENSAYO DE FUEGO - 10.000 GRAMOS CIANURO LIXIVIADO.
El Muestreo Nomografo:
Protocolo de muestreo recomendado
Ruta ptima