UNIVERSIDAD NACIONAL SANTIAGO ANTNEZ

DE MAYOLO
FACULTAD DE INGENIERIA
DE
MINAS GEOLOGA Y METALURGIA



APLICACIONES DE LA
GEOESTADSTICA
EN LA INDUSTRIA MINERA


ELABORADO POR: MSc. ING. JULIO POTERICO HUAMAYALLI
CATEDRTICO UNIVERSITARIO
Email: jpotericoh@hotmail.com



Huaraz Per 2003


2



SUMARIO

Pg.
I. GENERALIDADES
1.1. PRESENTACIN 04
1.2. REVISIN DE LA ESTADSTICA 05
1.3. TERMINOLOGAS USUALES EN GEOESTADSTICA 08
1.4. TCNICAS DE ESTIMACIN 13

II. TEORA DE LAS VARIABLES REGIONALIZADAS
2.1. CONCEPTUALIZACIN Y ANLISIS ESTRUCTURAL 15
2.2. COMPOSITACIN 21
2.3. ESTACIONARIEDAD E HIPTESIS INTRNSECA 22
2.4. CONSTRUCCIN Y MODELIZACIN DE HISTOGRAMAS 23
2.5. CONSTRUCCIN Y MODELIZACIN DE VARIOGRAMAS 25
2.6. TIPOS DE VARIOGRAMAS 38
2.7. TCNICAS DE ESTIMACIN 47

III. CUBICACIN DE RESERVAS
3.1. INTRODUCCIN 59
3.2. MTODOS CLSICOS: POLIGONAL, TRIANGULAR,
INVERSO DE LAS DISTANCIAS, PANELES O BLOCKS 60
3.3. MTODO GEOESTADSTICO 67

4. METODOS DE OPTIMIZACIN DE DISEO DE MINADO
3
4.1. INTRODUCCIN 76
4.2. ALGUNOS MTODOS AUTOMATIZADOS DE DISEO
DE MINADO A TAJO ABIERTO 76

4.3. MTODO DE KOROVOV 79
4.4. MTODO DE PROGRAMACIN DINMICA POR SECCIONES 85




ANEXOS

ANEXO N 01: Dimensionamiento de Blocks 90
ANEXO N 02: Cubicacin Reservas: Mtodo de Paneles o Blocks 107
ANEXO N 03: bacos o Nomogramas 119



REFERENCIAS BIBLIOGRFICAS 123





















4






CAP. I
GENERALIDADES

1.1. PRESENTACIN

En el desarrollo de un proyecto minero, en la explotacin misma de yacimientos;
se va precisando las necesidades de solucin que requieren algunos problemas
cuantitativos geolgicos-mineros. A estos problemas se les plantea su solucin
mediante tcnicas estadsticas y/o Geoestadsticas.

Con el objeto de optimizar la utilizacin del recurso natural y la programacin de
la explotacin a corto, mediano y largo plazo. Es necesaria una evaluacin ms
confiable.

A continuacin se precisa muy brevemente la incidencia de la interrelacin entre
la evaluacin de reservas y el diseo de la explotacin, en el beneficio ptimo.
Consideramos las alternativas siguientes:
a) Podemos tener una excelente evaluacin de los recursos geolgicos y un
psimo diseo y mtodo de la explotacin, lo que dar como resultado la obtencin
de un Beneficio Efectivamente Recuperado equivalente al Beneficio Previsto y
naturalmente un mayor alejamiento del Beneficio ptimo.

b) Podemos tener una mala evaluacin de los recursos geolgicos y un excelente
diseo y mtodo de la explotacin, lo que dar como resultado un Beneficio
5
Efectivamente recuperado y muy diferente del Beneficio Previsto y naturalmente
un mayor alejamiento del Beneficio ptimo.

Se deduce que lo ms conveniente es que exista una adecuada coherencia en el
grado de confiabilidad de ambos factores (evaluacin de recursos y diseo de la
explotacin).

La teora y tcnica de la geoestadstica, nos permite cuantificar con mayor
precisin las variables que intervienen para efectuar la explotacin ms racional de
los recursos naturales no renovables.

1.2. REVISIN DE LA ESTADSTICA
1.2.1. Variable Aleatoria (V.A.)
Una variable aleatoria X, se conoce con este nombre porque su valor queda
determinado por el resultado de un experimento; tales resultados son debidos a la
operacin de causas no predecibles o aleatorias.

Una variable aleatoria X, es una funcin definida sobre un espacio muestra
S= (k1, k2, k3,...kn). Esto significa que a cada elemento (ki) de S le corresponde un
nmero real nico; esto es, el valor de X.

Ejm.- Sea una V.A., el nmero de caras que aparecen cuando se lanzan dos
monedas, etc.

Existen dos clases de variables aleatorias: variables aleatorias discretas y
variables aleatorias continuas.

6
La Variable Aleatoria Discreta, son aquellos que asumen un nmero finito
se valores, mientras que las Variables Aleatorias Continuas, son aquellas que
asumen un nmero infinito de valores.


1.2.2. Esperanza Matemtica
Se puede concebir convenientemente como una medida ponderada, donde
los pesos o ponderaciones son las probabilidades.

Tambin se define como un parmetro que mide la tendencia central o
promedio de una determinada distribucin. Define la cantidad de media.

La esperanza matemtica de una variable discreta Z, al nmero.

(
(

=
Pn P P
Xn X X
Z
. .......... 2 1
. ..........
2 1

Donde: X1, Son los posibles valores de Z. P1, son sus probabilidades.

Esperanza Matemtica valor esperado o
Momento de primer orden.

1.2.3. Varianza
Se define como varianza de una variable aleatoria discreta Z al nmero:


La varianza de Z se puede definir como: la esperanza matemtica de las
desviaciones cuadrticas de la variable Z al rededor de su media. O aquella que define
el grado de homogeneidad de la variable de estudio y representa la medida del error al
estimar la ley media de un yacimiento.

E(Z) = E Xi Pi
EPi
VAR (Z) = E{|z E(Z)|
2
}
7
1.2.4. Histograma
Define la densidad de la distribucin de la mineralizacin.
Los nmeros Xi, puede ser cualquiera, pero los valores de Pi deben cumplir
dos condiciones: los Ns Pi deben ser positivos (Pi>0), la suma de los Pi, deben ser
igual a 1 (P1+P2+...+Pn = 1).
1.2.5. Correlacin
Llamado tambin el grado de relacin entre las variables, es una variacin
conjunta.

Existe correlacin entre dos variables, cuando se observa que al variar una
de ella vara tambin la otra y ambas variaciones ocurren de acuerdo a cierta ley,
analoga o contraste tal que resulta posible efectuar predicciones razonables acerca de
la manera como variar una de ellas, conocida como la manera como variar la otra.

Existen tres formas tpicas de correlacin.






r
2
=

| |
| | | |

2 2 2 2
2
) ( ) (
) ( ) (
Y Y n X X n
Y X XY n

Y = a + bX b =

) (
) ( ) (
2 2
X X n
Y X XY n

a = Y - b X
Donde:
X , e Y : Medias aritmticas de X e Y respectivamente.
r : Coeficiente de Pearson.
r~ -1
Y
Y
r~ 0

X

r~ 1
Y
X
X
8
Otra modalidad de encontrar, el Coeficiente de correlacin es:

y x
KY
y x C
o o
) , (
= O

= = ) )( (
1
) , (
1 1
y y x x
N
y x C
xy
o
Donde:
C(x,y) = Covarianza y
xy
O = Coeficiente de correlacin.
1.3. TERMINOLOGAS USUALES EN GEOESTADSTICA
1.3.1. Variable Regionalizada (V.R.)
Se entienden por Variable Regionalizada a una funcin estructural del
espacio o tiempo cuyo valor vara de un lugar a otro con una cierta apariencia de
continuidad.

Tambin puede ser cualquier variable que flucta en el espacio o tiempo.
Ejemplos:
Ley mineral, (V.R. en el espacio a 3 dimensiones) la superficie, volumen
(3d) de un bloque de mineral en un yacimiento minero, p.e. (V.R. a 1 dimensin), etc.

Las Variables Regionalizadas poseen caractersticas cuantitativas
estrechamente ligadas a la estructura del fenmeno natural que ellos representan, y
son: la localizacin, la continuidad y la anisotropa.

1.3.2. Ley de Mnima Explotable
Llamada tambin Cut off o ley de corte mnimo, es un parmetro
econmico dinmico fundamental cuyo valor expresado en leyes de mineral,
representa el equilibrio econmico de la explotacin del yacimiento en particular, es
decir que en este punto se verifica que los ingresos brutos por venta de concentrados
o de mineral de primera son iguales a los costos totales de ese proceso operativo.

Econmicamente permite elegir la mejor alternativa de minado en caso
de proyectos mineros, y en minas en operacin sirve de control de la produccin y
productividad.
9

CO = ley Cabeza X
Mineral Neta Utilidad
Mineral Total Unitario Costo



Para yacimientos Polimetlicos
CO = ley Cabeza X
. ) / ($ Pr
) / ($
Rf x Ri x Fp x gr Mineral del ecio
tm Total Unitario Costo


Donde:
Fp = Factor de prdidas por explotacin (20% total).
Ri = Recuperacin inicial metalrgico.
Rf = Recuperacin final por fundicin + Refinacin.

1.3.3. Reserva de Mineral
Segn la Ley General de Minera, reserva de mineral de una mina se
llama a la suma de mineral probado y probable existente en ella que sea
econmicamente explotable.

1.3.4.Algoritmo
Los algoritmos pueden definirse como procedimiento paso a paso
(generalmente la naturaleza matemtica o numrica), que aseguran que, en un nmero
finito de pasos se logra la solucin ptima. Generalmente un algoritmo tambin
contiene la prueba de que se ha obtenido el resultado ptimo.

Ejm.- El mtodo simplex de programacin lineal, etc.

1.3.5. Planeamiento
Es la proyeccin realista de resultados que se pueden obtener de un
conjunto de elementos integrantes de un proceso. El planeamiento se cimienta en el
10
desarrollo cronolgico de la ejecucin de los proyectos de expansin y de las obras de
apoyo.
Ejm.- Planeamiento de minado, etc.


1.3.6. Proyecto (Py)
Se define como el estudio detallado de un conjunto de actividades,
Tcnico-Econmico-Legales, enmarcados en cada una de las etapas de un proyecto;
la finalidad es determinar su aceptacin o rechazo.
- Desde el punto de vista operativo tenemos: Pys operacionales,
individuales y mltiples.
- Desde el punto de vista de su finalidad tenemos: Pys Tcnicos,
Econmicos y Sociales.
ETAPAS DE UN PY

ETAPA TCNICA Perfil del PY Anteproyecto ...
ESTUDIOS NECESARIOS Preliminar Prefactibi. Fac. ...
ETAPA ECONMICA Pre-Inversin ...

... PROYECTO PUESTA EN SERVICIO
... ESTUDIO DEFINITIVO CHEQUEOS PERIODSTICOS
... INVERSN INVERSIN


1.3.7. Optimizacin
En el lenguaje de la vida diaria Optimizar es mejorar hasta que se logre lo
mejor.

Tambin se puede definir como el anlisis que se hace a un conjunto de
posibles soluciones y buscar una solucin que se aproxime ms a los objetivos
11
trazados. El anlisis de optimizacin debe servir como un pronosticador relativamente
bueno de la conducta econmica; esto es, debe proveer una explicacin
razonablemente buena de las actuales decisiones y actividades econmicas.

Ejm.- Tratar de optimizar el sistema de minado.
1.3.8. Variograma
Es uno de los conceptos ms importantes como tambin una de las
herramientas fundamentales como Geoestadstica.

El variograma es una funcin de tipo estructural que rinde cuenta de la
continuidad de la funcin en estudio. Define la auto-correlacin especial de la
variable en estudio y representa el grado de continuidad de mineralizacin de un
depsito en estudio. Esta funcin en estudio puede ser la mineralizacin, P.e. etc. Y
se determina por la siguiente frmula:
np
Xi Z h Xi Z
h

+
= I
2
)] ( ) ( [
) ( 2
Donde:
Z : Variable en estudio
Z(Xi) : Valor de la variable en el punto Xi
Z(Xi+h) : Valor de la variable en el punto (Xi +h)
2I(h) : Funcin Variograma
I(h) : Funcin semivariograma
np : Nmero de parejas.






Ejm.- En una galera se ha tomado las siguientes muestras cuyos resultados son los
siguientes:
Pot.(m) : 0.16 0.40 0.75 0.50
I(h)

h

Co

Efecto
de
pepita
a= alcance
12
Ag(Oz/Tm) : 3.20 4.20 2.80 3.20
1 2 3 4



Encontrar el variograma de la potencia y de la acumulacin de la Plata.







2

1.3.9. Geomatemtica
Conjunto de mtodos tericos, Modelos de aplicacin de la matemtica
en las ciencias geolgicas.

1.3.10. Modelo determinsticos
Son aquellos modelos empricos, basados en la experiencia.

1.3.11. Modelo Estocsticos
Son aquellos modelos probabilsticas que tienen un tratamiento
numrico, terico.

1.3.12. Realizacin
Cada valor posible que puede sufrir una variable aleatoria X.

1.3.13. Soporte
0,09
0,07

0,04

4 6
h(m)

I(h)

13
Volumen sobre el cual la variable queda definida.

1.3.14. Aditividad
Significa que si nos movemos de un sitio a otro en el lugar de trabajo y
no hay heterogeneidad.
1.3.15. Simulacin
Representar una cosa, fingiendo o imitando lo que no es. As por
ejemplo, para la explotacin de un yacimiento, no slo deseamos conocer las
estimaciones globales o locales de las reservas disponibles, sino, que a menudo es
necesario prever como vara la ley del metal o medida que se realiza la explotacin,
entonces estamos hablando de la Simulacin de Yacimientos.

En efecto, la simulacin es una tcnica que tiene como objetivo
reproducir el yacimiento a pequea escala con todas las caractersticas estructurales
y de variabilidad observada a mayor escala. As, por ejemplo el variograma,
histogramas, coeficientes de correlacin entre los diferentes elementos son
reproducidos en este nuevo yacimiento simulado, teniendo informacin a menor
escala.

1.3.16. Geoestadstica
Primitivamente la geoestadstica estaba definida como la aplicacin
prctica de la teora de las variables regionalizadas al reconocimiento y aplicacin de
los yacimientos mineros. El carcter generalizado de la teora y su aplicacin a
diversos dominios extramineros, topografa, yacimientos petrolferos, ecologa,
ingeniera forestal, petroqumica, etc. la obligacin a los tratadistas a redefinir la
Geoestadstica como la prctica de la teora de las variables regionalizadas al
reconocimiento y estimacin de los recursos naturales.

1.4. TCNICAS DE ESTIMACIN
14
Entre las principales tcnicas de estimacin podemos clasificar, en dos
grupos:
a) Las Tcnicas Empricas, son todas las tcnicas que no tienen
fundamento matemtico y que suponen una larga experiencia del fenmeno
mineralizado. Estas tcnicas incluyen el olfato del gelogo o minero y todos los
procedimientos clsicos de la geologa minera (Petrografa, tectnica, etc.) por
ejemplo la tcnica de los polgonos.

b) Las Tcnicas Cientficas, son las tcnicas que usan modelos
matemticos. Existen tres escuelas: escuela Norteamericana, Sudafricana y Francesa.




















15




CAP. II
TEORA DE LAS VARIABLES
REGIONALIZADAS

2.1. CONCEPTUALIZACIN Y ANLISIS ESTRUCTURAL
2.1.1. INTRODUCCIN
Uno de los problemas fundamentales relacionados con los recursos naturales
en la gran incertidumbre que los rodea.

Esta incertidumbre es doble:

a) Cualitativa.- Los fenmenos geolgicos son muy complejos y son en la mayor
parte de los casos la conservacin de la superposicin de causas diferentes a muy
variadas. Por eso una explicacin global y de detalle es generalmente imposible. Solo
esta permitida una interpretacin, de la cual la subjetividad no se puede eliminar
por completo. Esta interpretacin se basa generalmente en las observaciones y toma
ms peso si se puede comprobar por informaciones analticas.

b) Cuantitativa.- Es lo que se refiere a la cantidad del recurso natural, bien se sabe
que solo se conoce completamente una vez que ha sido explotado. En las faces
anteriores a la explotacin, slo se puede hacer estimaciones del recurso disponible lo
que implica un determinado margen de error (debido a la magnitud y calidad del
estudio y al mtodo mismo de estimacin).

16
Prcticamente, la nica base analtica de la cual dispone el minero para
interpretar y estimar el fenmeno natural que el investiga es el muestreo. La
definicin y la utilizacin de sus resultados implican la nocin subjetiva de
representatividad.

El concepto de representatividad comprende:

- De la homogeneidad o la heterogeneidad del cuerpo mineralizado: Una muestra
ser tanto ms representativa cuanto que yacimiento ser ms homognea.

- De la ausencia o presencia de un modelo matemtico subyacente: En el primer
caso, la nocin queda meramente subjetiva, dependiendo de factores particulares
como la experiencia, el conocimiento de un tipo de yacimiento, etc. La existencia
de un modelo tiende a restringir al mximo la parte subjetiva.

2.1.2. LA VARIABLE REGIONALIZADA Y SU REPRESENTACIN
Cualquier fenmeno cuantificable puede ser caracterizado por ciertas
magnitudes o variables, que fluctan en el espacio (o en el tiempo). A estas variables,
se da el nombre de variables regionalizadas, nombre que no implica ningn modelo ni
ninguna hiptesis.

Ejm.- El precio de un metal con respecto al tiempo (V.R.a 1 dimensin). La
potencia de una capa mineralizada (VR 2 dimensiones), la ley (V.R. en espacio a 3
dimensiones).

Para el estudio de las V.R. se utilizan:

a) Los mtodos transitivos, los que mediante la representacin de valores
numricos permiten obtener una realidad fsica. Estos mtodos no utilizan
interpretaciones probabilsticas y
17
b) Los mtodos intrnsecos que postulan la homogeneidad del fenmeno en
el espacio y que se formulan en trminos probabilsticas.

Desde el punto de vista matemtico, una V.R, se representa por una funcin
f(x) del espacio o del tiempo presenta dos caractersticas esenciales.
1) Una gran irregularidad local: Una curva de leyes presenta por ejemplo,
numerosas fluctuaciones (dientes de sierra).

2) Una cierta estructuracin a escala ms grande: en casi todos los
yacimientos se pueden distinguir zonas ricas y zonas pobres, el valor de
f(x) dependiendo de la implantacin x.


















ASPECTO ALEATORIO DE LA V.R.
E
N
R
I
Q
U
E
C
I
M
I
E
N
T
O

E
S
T
A
C
I
O
N
A
R
I
E
D
A
D

E
M
P
O
B
R
E
C
I
M
I
E
N
T
O

F
E
N

M
E
N
O

A
I
S
L
A
D
O

18

Si se toma una funcin aleatoria como un modelo de una variable
regionalizada, se describe bien las dos caractersticas esenciales de la variable
regionalizada:
1. En un punto dado, la F.A. se reduce a una V.A. es decir una magnitud
muy fluctuante que traduce el aspecto local desordenado de la V.R.
2. Entre dos puntos (x) y ( x + h), las V.A. Y (x) Y ( x + h), los elementos
de la F.A.,est relacionados entre s lo que traduce la existencia de una
cierta estructura de la V.R.

El modelo estadstico clsico de la V.A. independientes no conviene, porque
no considera el aspecto estructural de la V.R.
En los yacimientos, las leyes siguen una determinada funcin de distribucin
y que no VARAN AL AZAR. Si n embargo, con mucha frecuencia este hecho no
se toma en cuenta al momento de la cubicacin de reservas. Estos son procesos
naturales que se cien a ciertos patrones y que por lo tanto no SON
PRODUCTOS AL AZAR; por consiguiente no se puede estudiar un yacimiento
por el mtodo estadstico simple o por los mtodos clsicos cuya condicin a
priori es suponer errneamente que los fenmenos geolgicos son completamente
ALEATORIOS y que no se rigen por patrones determinados.

Ejm.-
TRAMO A TRAMO B



0.40 0.20 1.10 0.80 0.70 0.30 0.10 0.70 0.20 0.40 1.10 0.10 0.80 0.30
CIERTO PATRON DISTRIBUCIN MS AL AZAR

19
En el TRAMO (A) existe claramente una estructuracin muy fuerte (Zona central
rica, en los lados empobrecimiento, mientras que en el TRAMO (B) parece mucho
ms catico.
20
ANLISIS
ESTADSTICO
CASO A








X = 0.40 + 0.20 + ...+ 0.30 + 0.10 = 0.40
4

2
=(0.40-0.40)
2
+(0.20-0.40)
2
+(0.10-0.40)
2

4

2
= 0.147, = 0.383

CV = = 0.96

X




CASO B








X = 0.70 + 0.20 ++0.80 + 0.30 = 0.40
4

2
= (0.70-0.40)
2
+(0.20-0.40)
2
++(0.30-0.40)
2

4

2
= 0.147, = 0.383


CV = = 0.96

X







X
2


0.40 0.20 1.10 0.80 0.70 0.30 0.10
20 m
f(x)

x
10 20 30 40 50 60
1
f(x)

x 10 20 30 40 50 60
0.70 0.20 0.40 1.10 0.10 0.80 0.30
20 m
21

ANALISIS GEOESTADISTICO

CASO A





(1)=(10-50)
2
+(5020)
2
+(2060)
2
=683.3
2x3
(2) = (10 20)
2
+ (50 60)
2
= 50
2x2
(3) = (10 - 60)
2
= 1250
2x1



CASO B







(1) =(10-20)
2
+(2050)
2
+(5060)
2
= 183.3
2x3 2x3
(2) = (10 50)
2
+ (2060)
2
=800
2x2
(3) = (10 - 60)
2
= 1250
2x1





0
200
400
600
800
1000
1200
1400
1 2 3
h
(h)
10 50 20 60
10 50 20 60

22

0
200
400
600
800
1000
1200
1400
1 2 3 4
h
(h)
23
2.2. COMPOSITACIN

La compositacin, es una caracterstica que se practica en el muestreo, que tiene la
finalidad de uniformizar las distancias de muestreo o de corte en el caso de sondajes
diamantinos para encontrar leyes promedios a inrvalos equidistantes y sistemticas.

Ejm.- En la exploracin minera de un yacimiento diseminado de oro, se dispone del
taladro en direccin vertical: DDH01. Cuya informacin se muestra en el siguiente
cuadro. Compositar los taladros a 5 metros



COMPOSITO *1 (Au)
5m
1.5
1
5 m
0.5
1
5m
1
1
5m
0.5
1.5
5m
2.00
4.7
4.4
1.50
2.00
2.50
5.0
4.5
4.5
4.2
3.00 4.3
1.50
1.50
4.1
2.00 4.2
1.50 3.9
2.00
3.6
1.50 3.7
2.00 3.8
2.00






DDH 01
ESTE : 373200
NORTE:8168100
COTA :5100 m

from to Au gr/t
0.0 1.5 5.0
1.5 3.5 4.5
3.5 6.0 4.7
6.0 8.0 4.4
8.0 9.5 4.5
9.5 11.0 4.2
11.0 14.0 4.3
14.0 16.0 4.1
16.0 18.0 4.2
18.0 19.5 3.9
19.5 21.5 3.6
21.5 23.0 3.7
23.0 25.0 3.8








L
1
= 5x1.5 + 4.5x2.0 + 4.7x1 .5 = 4.71
5
L
2
= 4.7x1 + 4.4x2 + 4.5x1.5 +4.2x0.5 = 4.47
5
L
3
= 4.2x1+4.3x3+4.1x1 = 4.24
5
L
4
= 4.1x1 + 4.2x2 + 3.9x1.5 +3.6x0.5 = 403
5
L
5
= 3.6x1.5+3.7x1.5+3.8x2 = 3.71
5

1. COMPOSITO (c/5m)
DDH01 ( Au )
5
4.5
4.7
4.5
4.2
4.3
4.1
4.2
3.9
3.6
3.7
3.8

4.4
24
2.3. ESTACIONARIEDAD E HIPTESIS INTRNSECA
La estacionariedad es una propiedad de algunas funciones aleatorias cuya ley
de distribucin no vara con una traslacin en el espacio.
Esto quiere decir que si X1, X2, ...,Xn son puntos arbitrarios del yacimiento que
permiten definir una F.A. mediante una ley de distribucin F(X1, X2,...,Xn) al
trasladarlos en el espacio en una distancia h, los nuevos puntos encontrados X1 + h,
X2+h, ..., Xn +h permiten definir otra F.A. Y(X+h) cuya ley de distribucin F(X1 + h,
X2+h, ..., Xn +h) es igual a la anterior; entonces el fenmeno presenta cierto carcter
permanente o estacionamiento.


a) Bajo la hiptesis estacionaria, tenemos que:
( ) { } ( ) { } ( ) 0
2 2
K h x y E x V E = + =

De este modo, podemos escribir:
( ) { } ( ) { } ( )
( ) ( ) { } ( ) h K h x y x y E
K h x y E x y E
2 . 2
0 2
2 2
= +
= + +

( ) { } ( ) ( ) ( ) h K K h x y x y E = + 0 2
2


El primer miembro de esta expresin representa una medida de la continuidad
de la funcin y como tal, la funcin:
( ) ( ) ( ) ( ) { } ( ) ( ) ( ) h K K h x y x y E h = + = 0 2 2
2


Es una funcin de tipo estructural que rinde cuenta de la continuidad de la
funcin en estudio. Esta funcin recibe el nombre de Variograma y por revelar
las caractersticas intrnsecas a la variable misma recibe tambin el nombre de
ley intrnseca.

En la prctica, sin embargo, se utiliza el semi variograma:
( ) ( ) ( ) h K K h = 0

Esta relacin muestra que siempre ( ) ( ) 0 K h < , es una funcin acotada.

25

b) Hiptesis Intrnseca
Existen fenmenos donde la estacionalidad no se presenta, de este modo la
varianza a priori K(0) no existe (es infinita) y ya no la variable sino que
las discrepancias y(x+h)-y(x) de la variable pueden tener una varianza
finita.

Diremos que en este caso la F.A. y(x) verifica la hiptesis intrnseca si
para todo vector h, la discrepancia y(x+h)-y(x) admite una esperanza y una
varianza independiente de x pero dependiente de h.

( ) ( ) { } ( )
( ) ( ) ( ) { } ( ) h x y h x y E
h m x y h x y E
2
2
= +
= +

En la hiptesis estacionaria existe K(h) y se cumple:
( ) { } ( ) { } m h x y E x y E = + =

En la hiptesis intrnseca no existe K(h), existe ( ) h y se cumple:
( ) ( ) { } ( ) x m x y h x y E = +

Si existe a hiptesis estacionaria existe de por si la intrnseca pero no es
valido plantear lo contrario.

2.4. CONSTRUCCIN Y MODELIZACIN DE HISTOGRAMAS
Un histograma, Define la densidad de la distribucin de la mineralizacin.

Ejm.- Se tiene el archivo texto (AU2.TXT) con 5000 leyes de oro en gr/t.
Correspondiente a leyes compositadas a 2m, de una campaa de taladros de
exploracin, en un yacimiento diseminado de oro.

Usando el software SPSS, realizar las siguientes actividades:
a) Graficar el histograma experimental de las leyes de oro.
b) Aplicar logaritmo a las leyes de oro.
c) Graficar el histograma de los logaritmos de las leyes.
26
d) Construir el grfico PP-PLOT.
27
LEYAU
20.0
18.0
16.0
14.0
12.0
10.0
8.0
6.0
4.0
2.0
0.0
3000
2000
1000
0
Std. Dev= 1.74
Mean = 1.3
N = 5000.00
Normal P-P Plot of LEYAU
Observed Cum Prob
1.00 .75 .50 .25 0.00
E
x
p
e
c
t
e
d

C
u
m

P
r
o
b
1.00
.75
.50
.25
0.00
Detrended Normal P-P Plot of LEYAU
Observed Cum Prob
1.2 1.0 .8 .6 .4 .2 0.0 -.2
D
e
v
i
a
t
i
o
n

f
r
o
m

N
o
r
m
a
l
.3
.2
.1
-.0
-.1
-.2
-.3
LNAU
2
.
7
5
2
.
2
5
1
.
7
5
1
.
2
5
.
7
5
.
2
5
-
.
2
5
-
.
7
5
-
1
.
2
5
-
1
.
7
5
-
2
.
2
5
-
2
.
7
5
-
3
.
2
5
-
3
.
7
5
-
4
.
2
5
-
4
.
7
5
400
300
200
100
0
Std. Dev= 1.32
Mean = -.54
N = 5000.00
Normal P-P Plot of LNAU
Observed Cum Prob
1.00 .75 .50 .25 0.00
E
x
p
e
c
t
e
d

C
u
m

P
r
o
b
1.00
.75
.50
.25
0.00
Detrended Normal P-P Plot of LNAU
Observed Cum Prob
1.2 1.0 .8 .6 .4 .2 0.0 -.2
D
e
v
i
a
t
i
o
n

f
r
o
m

N
o
r
m
a
l
.02
.01
0.00
-.01
-.02
-.03
28

2.5. CONSTRUCCIN Y MODELIZACIN DE VARIOGRAMAS
2.5.1. Definicin
Existen fenmenos donde la estacionariedad no se presenta de este modo la
varianza a priori no existe es (infinita) y ya no la variable sino que las discrepancias
Y(x+h) - Y(x) de variable pueden tener una varianza finita.

Diremos que en este caso la F.A. Y(x) verifica la hiptesis intrnseca si para
todo vector h, la discrepancia Y(x+h) Y(x) admite una esperanza y una varianza
independiente de x pero dependiente de h.

E [ Y(x + h ) Y(x) ] = m(h) y E [ ( Y(x + h ) Y (x) )
2
] = 2 I(h).
La funcin variograma, se encuentra representado por la siguiente formula
general:

2 I(h) = E [ ( Y(x
i
+ h ) Y (x
i
) ) ]
2
= E [ ( Y(x
i
+ h ) Y (x
i
) ) ]
2

np
Frmula de variograma experimental
Donde:
h : espaciamiento entre las muestras.
2 I(h) : valor de la funcin variograma.
I(h) : valor del semivariograma
Y : es la variable estudiada.
Y(x
i
+h) : es el valor de dicha variable en el pto (x
i
+h)
Y(x
i
) : es el valor de dicha variable en el punto
Np : numero de parejas ( np = n - h)
N : numero de muestras
h : es el paso entre las muestras (distancias iterativos)



29
Grficamente un variograma tiene la siguiente apariencia


2






Co: puede deberse: errores de laboratorio, subestructuras, gran variabilidad a
pequea escala.

Dentro de la distancia a (alcance) del fenmeno es totalmente estructurado , es
decir depende, o esta controlado por la funcin I(h) fuera de a el fenmeno es
aleatorio , o sea independiente de la funcin variograma es el llamado efecto de pepita ,
que nos da cuenta de cambios bruscos de los valores a pequea escala ; lo cual
generalmente sucede cuando se sobrepasa una estructura por debajo de la escala de
trabajo .

En conclusin es una funcin que define la auto correlacin espacial de la
variable en estudio; es decir representa el grado de continuidad de mineralizacin de un
depsito mineralizado en estudio.

Debido a que los clculos son bastante tediosos es imprescindible la aplicacin
de softwares para el clculo de variogramas, tales como: Variowin, Geodas,
Rockwork, etc.

2.5.2. Caractersticas de un variograma
Entre ellos tenemos:
a) Continuidad experimental.- pueden observarse diferentes tipos de
variogramas, sin embargo la generalidad de ellos sigue muy de cerca algunos
tipos usuales como los indicados a continuacin.

I(h)
Independencia
aleatoriedad
Dependencia
estructural
a
Co

2

GEO ESTADISTICA
h
30
I(h) I(h)
leyes p.e. etc
m
potencia talud prof. etc
parablico
m h h
Fenmeno de alta continuidad Fenmeno con continuidad media
I(h ) I(h)


Co sondajes, pot., leyes, etc generalmente para depsitos
sedimentarios (placeres)
Co, debido a valores errticos o valores altos Auste por mnimos cuadrados
Fenmenos con cambios bruscos de Fenmeno con independencia de
continuidad a pequea escala valores

b) Zona o rea de influencia.- el alcance a determina el rea o zona de
influencia

I(h) I(h)


h h
zona o rea de influencia lineal

c) Fenmeno de transicin.- El traspaso de cierto tipo de valores (estril o
mineralizacin tipo x) a otro (mineral o mineralizacin tipo Y) es reflejad tambin por
el variograma. Supongamos el estudio de un manto de mineral; el variograma en la
direccin horizontal (mineral continuo) proporcionara, supongamos una funcin Io
1
.
en cambio en la direccin vertical (discontinuidad/ estril) tendr un aspecto como Io
2



a

31
I(h) I(h)
A2


Estril

A1
e A
1
Mineral mineral
A
2
h
h Estril

d) Anisotropia del yacimiento.- La continuidad de la mineralizacin que la funcin
I (h) variara de acuerdo a la direccin en que aquella se estudie, de este modo I (h) es
una funcin de tipo vectorial se distinguiran los yacimientos istropos (variogramas
iguales en todas las direcciones) de los anistropos (variogramas diferentes) dentro de
los anistropos se distinguirn aquellos con anisotropa geomtrica (los variogramas
difieren slo en el alcance manteniendo igual meseta)

I (h)


C
1

Anisotropa geomtrica o elptica
h R = rango de anisotropia = a
1
/a
2




La anisotropa zonal (mesetas diferentes), la continuidad presenta variaciones
importantes en una direccin determinada
I (h)


C
1
W
1
R = a
1
/a
2
= W
1
/W
2

C
2
W
2
anisotropia zonal o estratificada


h
a
1
a
2


Existen otras caractersticas importantes como: Soporte, corregionalizacion, etc, etc.
a
1
a
2
e
esteril
32
2.5.3. Modelos de variograma
a) Esquema esfrico o de Matern.- la ecuacin de modelizacin es:
I(h) = Co + C [ (3/2)(h/a) (1/2)(h
3
/a
3
) ], si h <= a
I(h) = Co + C , si h> a
El alcance es a , la meseta c la pendiente en el origen es 3/2 (C/a)
I(h) I(h)
m m


2
= C
2
m = 3C/2a
Co
h h
a a
Se presenta en leyes, acumulaciones, de mineral, espesor etc.

b) Esquema exponencial o de Formery
I(h) = Co + C [ 1 e
(h/a)
], si h<= a
I(h) = Co + C, si h> a
I(h) I(h)
m m

2
= C
2

m = 3C/a

m = 3C/a
Co
a ~95%C h a ~95%C h

Continuidad bastante grande se da para acumulaciones, leyes, etc.
Su pendiente en el origen es menor que aquella del esquema esfrico
I(h)


2
=C m m mod. esfrico
mod. exponencial


h
33
c) Modelo de Gauss.-
I(h) = Co + C [ 1 e
(h/a(h/a))
], si h<= a
I(h) = Co + C, si h> a

I(h)


2
= C punto de inflexin

h
Se presenta para: potencia, taludes, profundidades de sondajes, etc.

Existen otros modelos como: modelo cbico, funcin potencia, wijs, etc.

d) Reglas prcticas para el ajuste del variograma
a. Se plotea y se une los puntos
b. El ajuste debe ser lo mejor posible para los primeros puntos del variograma,
mas conocidos y que tienen el peso mas fuerte en la estimacin.
c. NO es siempre necesario ajustar todo el variograma sino mas bien una parte,
sobre una distancia que ser la distancia que ser la distancia de trabajo (eso
preemitir eliminar una tendencia que se manifestara despus de una cierta
distancia).
d. Es difcil determinar la bondad del ajuste, dado que para ello seria el precis
utilizar funciones de la F. A. Que es imposible estimar prcticamente
e. Se ajusta el efecto de pepita por prolongamiento de los primeros puntos del
variograma experimental
f. El alcance se puede estimar al ojo y un estimador de la meseta C (si ella
existe) es la varianza experimental de la muestra, luego se procede por
aproximaciones sucesivas.
g. No hay una solucin nuca al problema de ajuste, y para los problemas de
estimacin, eso no tiene ninguna importancia. Las varianzas calculadas con
varios modelos no difieren mucho entre s.
h. En caso que no se aproxime la curva experimental a la curva modelizada
terica y la variacin es considerable se tendr que cambiar el modelo.

34
Ejm.- Construir y modelizar el variograma para la potencia del muestreo
practicado en una galera en forma sistemtica cada 2 metros.
Potencia (m) Oz / TM Ag
0.10 47.34
0.40 82.46
20.35 91.95
0.15 56.83
0.35 90.67
0.30 85.20
0.30 89.22
0.90 151.11
0.80 73.95
0.50 122.97
Solucin
1) Encontrar el variograma experimental
Si h = 2m
I(2) = (0.40 0.10)
2
+.............. + (0.50 0.80)
2
~ 0. 04 m
2
2 x 9
si h = 4 m
I(4) = (0.35 0.10)
2
+..............+ (0.50 .- 0.90)
2
~ 0.06 m
2

2 x 8
si h = 6 m
I(6) = (0.15 0.10)
2
+ .............+ (0.50 0.30)
2
~ 0.06 m
2
2 x 7
si h = 8 m
I(8) = (0.35 0.10)
2
+..............+ (0.50 0.30)
2
~ 0.07 m
2
2 x 6
si h = 10 m
I(10) = (0.30 0.10)
2
+............+ (0.50 0.35)
2
~ 0.08 m
2
2x 5
si h = 12 m
I(12) = (0.30 0.10)
2
+.............+ (0.50 0.15)
2
~ 0.08 m
2
2 x 4
si h = 14 m
I(14) = (0.90 0.10)
2
+ .............+ (0.50 0.30)
2
~ 0.14 m
2
2 x 3
si h = 16 m
I(16) = (0.80 0.10)
2
+ ...............+ (0.50 0.40)
2
~ 0.13 m
2

2 x 2
si h = 18 m
I(18) = (0.50 0.10)
2
~ 0.08 m
2

2 x 1

2) Se encuentra la varianza muestral:
X = E x
i

2
= E (x
i
- X)
2

2
R
=
2
/ m
2

n n 1 v. relativa

35
X = 0.10 + 0.40 + .....+ 0.50 = 0.42 m
10

2
= (0.10 0.42 )
2
+ .....+ (0.50 0.42)
2
= 0.06620 m
2
= 0.07 m
2


3) CONSTRUCCIN Y MODELIZACIN DEL Y VARIOGRAMA

I(h)

0.14
0.12
0.10 curva experimental
0.089

2
= 0.07

curva modelizada
0.06 m = 3C/2a = 0.009
0.04
0.02 h(m)
0 2 4 6 8 10 12 14 16 18
- Se plotea los puntos y se une los puntos, luego se grafica
2

- Se traza una curva experimental y se encuentra : a, Co, C.
a = 8 m, Co = 0.02 m
2
, C = (0.07 0.02) = 0.05 m
2

MODELIZACION TERICA
I(h) = Co + C [ (3/2)(h/a) (1/2)(h
3
/a
3
) ], si h < = a
I(h) = Co + C, si h> a
I(2) = 0.02 + 0.05 [1.5 x 2/8 0.5 x 2
3
/ 8
3
] = 0.038
I(4) = 0.02 + 0.05 [1.5 x 4/8 0.5 x 4
3
/ 8
3
] = 0.054
I(6) = 0.02 + 0.05 [1.5 x 6/8 0.5 x 6
3
/ 8
3
] = 0.066
I(8) = 0.02 + 0.05 [1.5 x 8/8 0.5 x 8
3
/ 8
3
] = 0.070

En consecuencia es un modelo esfrico, cuyo a = 8 m, Co = 0.02 m y C = 0.05 m.
Si en caso no coincida la curva prctica con la curva modelizada, se tendr que variar
ya sea Co + C, C, a y de continuar, cambiar de modelo tal vez sea el modelo de
Formery, etc.

36
Ejm.- Se tiene un ejemplo hipottico de un placer aurfero que ha sido muestreado bajo
un sistema de malla como se muestra en la siguiente figura:

0.35 0.35 0.33 0.33 0.34 0.31 0.35 0.37 0.41 0.41
0.35 0.35 0.35 0.35 0.33 0.41
0.37 0.35 0.37 0.35 0.37 0.37 0.39 0.39 0.41

0.37 0.40 0.42 0.34 0.36 0.41 0.34
0.41 0.33
0.35 0.42 0.33

0.39 0.31
0.30
Malla cuadrtica: 1 x 1 m leyes de oro en Gr / m
3


a) Encontrar el nmero de parejas y el valor del variograma para cada una de las
direcciones.
3
4 2 1, 2, 3, 4 son direcciones


45
o
45
o


b) Construir y modelizar el variograma para las direcciones 1-3 y 2-4

Solucin
El formulismo matemtico, para encontrar los variogramas tanto en la direccin
horizontal como vertical tenemos:
I(h) = E [ Y(x
i
+h) - Y (x
i
) ]
2
(H) + [ Y (x
i
+h) Y (x) ]
2
(V)
2 x ( NpH + NpV)

Cuando es malla regular I(h) = NpH x E I(h)H + NpV x E I(h) V
(NpH + NpV)

A continuacin se presenta los diversos clculos determinados
a)
(h) = E[Y(Xi+ h ) Y(Xi)]
2
/2np
37
PARA DIRECCIN 1 :
) 1 ( = | (0.33-0.42)
2
+(0.40-0.37)
2
+...+(0.41-0.41)
2 |
2(24)

) 1 ( = 0.00041 gr
2
/M6 IDEM PARA h = 2,3,4,5,6,7,8 y 9.

PARA DIRECCIN 3 :

) 1 ( = | (0.37-0.37)
2
+(0.35-0.37)
2
+...+(0.41-0.41)
2 |
2(21)
) 1 ( = 0.0045 gr
2
/m6 IDEM PARA h = 2,3,4,5,6 y 7

PARA DIRECCIN 2 :

(1
1
2)= | (0.33-0.39)
2
+(0.41-0.39)
2
+...+(0.35-0.35)
2 |
2(17)
(1
1
2)= 0.00066 gr
2
/m6 IDEM PARA h
1
2 = 2
1
2,3
1
2,4
1
2,5
1
2

PARA DIRECCIN 4 :
(1
1
2)= | (0.33-0.39)
2
+(0.41-0.39)
2
+...+(0.35-0.35)
2 |
2(19)
(1
1
2)= 0.00041 gr
2
/m6 IDEM PARA (h
1
2) = 2
1
2,3
1
2,4
1
2,5
1
2, 6
1
2.


CUADRO DE RESUMEN

DIRECCIN 1 DIRECCIN 3
h (h) gr2/m6 Np (h) gr
2
/m6 Np
1 0.00041
2 0.00084
3 0.00120
4 0.00095
5 0.00060
6 0.00104
7 0.00150
8 0.00153
9 0.00122
24
19
18
18
15
10
8
6
4
0.00045
0.00087
0.00115
0.00204
0.00242
0.00215
0.00005
21
17
14
5
5
3
1


(h
1
2) gr
2
/m6
h 2

DIRECCIN 2 Np DIRECCIN4 Np
1 2
2 2
3 2
4 2
5 2
6 2
0.00066
0.00120
0.00150
0.00193
0.00180

17
13
8
3
1
0.00041
0.00119
0.00170
0.00195
0.00183
0.00050
19
16
10
4
4
2
38
b.- CALCULO DEL VARIOGRAMA:


DIRECCIN 1-3:
(1) = (24 x 0.00041) + (21 x 0.00045)
24 + 21
(1) = 0.0004 gr
2
/m6 IDEM PARA h = 2,3,4,5,6,7, y 8


DIRECCIN 2-4:
(1
1
2) = (17 x 0.00066) + (19 x 0.00050)
(1
1
2) = 0.0006 gr
2
/m6 IDEM PARA (h
1
2) = 2
1
2, 3
1
2, 4
1
2
5
1
2, 6
1
2



CUADRO DE RESUMEN


DIRECCIN 1-3 DIRECCIN 2-4
H (h) gr
2
/m6

npj
h
2
(h) gr
2
/m6

npj
1
2
3
4
5
6
7
8
9
0.0004
0.0009
0.0012
0.0012
0.0011
0.0013
0.0014
0.0015
0.0012
24 + 21
19 + 17
19 + 14
18 + 5
15 + 5
10 + 3
8 + 1
6 + 0
4 + 0
1 2
2 2
3 2
4 2
5 2
6 2
0.0006
0.0012
0.0016
0.0019
0.0018
0.0005
17 + 19
13 + 16
8 + 10
3 + 4
1 + 4
2 + 0


CALCULO DE LA MEDIA:

X = 0.30+0.39+...+0.41 = 0.03635 gr/m3



CALCULO DE LA DESVIACIN STANDARD:





o
2
= (0.30-0.3635)
2
+ (0.39-0.3635)
2
+...+ (0.41-0,3635)
2
= 0.0011 gr
2
/m6

40 - 1



(h) = npjx (h)
npj

X = Xi/n
o
2
= (xi- x)
2

n-1
39
o
2
= 0.0011 gr
2
/m6
C

= 0.0002 gr
2
/m6
C = 0.0009 gr
2
/m6
a = 2.688 m. ~ 2.70 m















2














VARIOGRAMA "DIRECCIN 1-3
PLACER Au"
0
0.0002
0.0004
0.0006
0.0008
0.001
0.0012
0.0014
0.0016
0 2 4 6 8 10
"H" EN METROS
(h) = Co + C [(3/2)(h/a) ((1/2)(h/a)
3
]
a
40

2
= 0.0011 gr
2
/m
6

a = 2.70 m
C

= 0.0002 gr
2
/m
6

C = 0.0009 gr
2
/m
6


























VARIOGRAMA " DIRECCION2 - 4"
0
0.0005
0.001
0.0015
0.002
0 2 4 6 8 10
" H" ENMETROS
V
A
R
I
O
G
R
A
M
A

E
X
P
E
R
I
M
E
N
T
A
L
(h) = Co + C [(3/2)(h/a) ((1/2)(h/a)
3
]

41
2.6. TIPOS DE VARIOGRAMAS
Dentro de los principales tenemos:
VARIOGRAMA RELATIVO

Una lnea de muestras geoqumicas


60 20 50 10 40
PPM





VARIOGRAMA

(1) =(60-20)
2
+(2050)
2
+(5010)
2
+(1040)
2
= 625
2x4

(2)=(6050)
2
+(2010)
2
+(50-40)
2
=50
2x3

(3) = (60 -10)
2
+ (20 - 40)
2
= 725
2x2

(4) = (60 - 40)
2
= 200
2x1


0
100
200
300
400
500
600
700
800
1 2 3 4 h
(h)
42
VARIOGRAMA RELATIVO
X
1
=(60+20+50 +10 +40)= 36 X
3
=(60+10+20+40)= 32.5
5 4
6
X
2
=(60+20+50+10+40)= 36 X
4
=(60+40)= 50
5 2


h
(h)

X
X
2
(h) / X
2

1 625 36 1296 0.48
2 50 36 1296 0.04
3 725 325 1056.3 0.69
4 200 50 2500 0.08


VARIOGRAMA PROMEDIO
P
(h)
(A)
1 5 2 4 6

(B)
3 5 1 6
B
A

P
(1) = 4.125x4 + 7.50x3 = 5.57
P
(3) = 2.5x2 + 4.5x1 = 3.17
4 + 3 2 + 1

P
(2) = 3.0x3 + 1.25x2 = 2.3
P
(1) = 12.5
3 + 2
h
A
(h)
np
A

1 4.125 4
2 3.0 3
3 2.5 2
4 12.5 1
h
B
(h) np
B

1 7.50 3
2 1.25 2
3 4.50 1
43

P
(h)

P
(h) = np
A

A
(h) + np
B

B
(h)
5 np
A
+ np
B

4

3

2

1

1 2 3 4 h

VARIOGRAMA DE INDICATRICES
gr/ton
1 2 3 5 6

Funcin indicatriz:
I(x) = 0 X < L.C LEY DE CORTE
1 X L.C
SI L.C = 2.5 gr/Ton.



0 0 1 1 1

(1) = (0 -0)
2
+ (0 1)
2
+(1 1)
2
+ (1 1)
2
= 0.125
2x4
(2) = (0 1)
2
+ (0 1)
2
+ (1 - 1)
2
= 0.33
2x3
(3) = (0 - 1)
2
+ (0 - 1)
2
= 0.5
2x2
(4) = (0 - 1)
2
= 0.5
2x1
44
(h)


0.6

0.4

0.2





1 2 3 4 h


VARIOGRAMA LOGARITMICO



X. 280 30 4750 615 95 PPM
Ln X 5.63 3.40 8.46 6.42 4.55

(1) = (5.63 -3.40)
2
+ (3.40 8.46)
2
+(8.46 6.42)
2
+ (6.42 4.55)
2
= 4.78
2x4
(2) = (5.63 8.46)
2
+ (3.40 6.42)
2
+ (8.46 4.55)
2
= 5.40
2x3
(3) = (5.63 6.42)
2
+ (3.40 4.55)
2
= 0.49
2x2
(4) = (5.63 4.55)
2
= 0.58
2x1
(h)












1 2 3 4 h
6

5

4

3

2

1


45
VARIOGRAMA CRUZADO
2
AB
(h) = E [ Z
A
(X) Z
A
(X +h )][Z
B
(X) Z
B
(X + h)]

A Au.
2 3 6 5 1

B Ag
1 2 4 2 1

np

(h) = [Z
A
(X
i
) Z
A
(X
i
+ h)] [Z
B
(X
i
) Z
B
(X
i
+ h)]
i= 1 2 np


(1) = (2-3)(1-2) + (3-6)(2-4) + (6-5)(4-2) + (5-1)(2-1) = 1.62
2x4

(2) = (2-6)(1-4) + (3-5)(2-2) + (6-1)(4-1) = 4.5
2x3

(3) = (2-5)(1-2) + (3-1)(2-1) = 1.25
2x2
(4) =(2-1)(1-1) = 0
2x1


















1 2 3 4
5

4

3

2

1
h
(h)
46
VARIOGRAMA CRUZADO

CASO I
A 0.9 3.2 4.9 6.0 8.9 11.1 12.9


B 1.1 2.9 5.2 5.9 9.1 10.9 13























VARIOGRAMA CRUZADO
AB
(h).

(1) = [(0.9-3.2)(1.1-2.9) + (3.2-4.9)(2.9-5.2) + (4.9-6.0)(5.2-5.9) +
(6.0-8.9)(5.9-9.1) + (8.9-11.1)(9.1-10.9) + (11.1-12.9)(10.9-13.0)] /2x6 = 2.15

(2) = [(0.9-4.9)(1.1-5.2) + (3.2-6.0)(2.9-5.9) + (4.9-8.9)(5.2-9.1) +
(6.0-11.1)(5.9-10.9) + (8.9-12.9)(9.1-13.0)]/ 2x5 = 8.15
(3) =[(0.9-6.0)(1.1-5.9) + (3.2-8.9)(2.9-9.1) + (4.9-11.1)(5.2-10.9) +

(6.0-12.9)(5.9-13.0)]/ 2x4 = 18.02
(4) =[ (0.9-8.9)(1.1-9.1) +... + (4.9-12.9)(5.2-13.0)] = 81.60
2x3
(5) = [(0.9-11.1)(1.1-10.9) + (3.2-12.9)(2.9-13.0)] = 49.48
2x2
(6) = [(0.9-12.9)(1.1-13)] = 71.4
2x1
12


10


8

6


4

2
2 4 6 8 10 12 14
B
A
47
VARIOGRAMA CRUZADO / CASO I


h

A
(h)
B
(h)
AB
(h)
1 2.16 2.24 2.15
2 8.18 8.12 8.15
3 18.07 18.05 18.02
4 31.74 31.47 31.60
5 49.53 49.51 49.48
6 72.00 70.80 71.40


A 0.9 3.2 4.9 6.0 8.9 11.1 12.9


B 1.1 2.9 5.2 5.9 9.1 10.9 13

























VARIOGRAMA CRUZADO
AB
(h)





1 2 3 4 5 6
h

70

60


50

40


30


20

10

AB
(h)
x
o
A
A

B
AB
48
VARIOGRAMA CRUZADO

CASO II





AB
(1) = (1-2)(3-1) + (2-4)(1-2) + (4-5)(2-4) + (5-6)(4-1) = -0.125
2x4

AB
(2) = (1-4)(3-2) + (2-5)(1-4) + (4-6)(2-1) = 1.75
2x3

AB
(3) = (1-5)(3-4) + (2-6)(1-1) = 1.00
2x2

AB
(4) = (1-6)(3-1) = -10
2x1



























h

A
(h)
B
(h)
AB
(h)
1 0.88 2.25 -0.13
2 3.66 1.83 0.67
3 8.00 0.25 1.00
4 12.50 2.00 -5
4

3

2

1
1 2 3 4 5 6
B
A
A 1 2 4 5 6
B 3 1 2 4 1
10

8


6


4

2




-2


-4

AB
(h)

AB
(h)


B
(h)
(h)

h
1 2 3 4
49
VARIOGRAMA CRUZADO

CASO III




















x






x






x



x










h

A
(h)
B
(h)
AB
(h)
1 0.89 0.88 -0.88
2 3.4 6 3.61 -3.54
3 7.41 7.81 -7.60
4 12.50 13.00 -12.75
A 0.9 2.1 4.1 4.8 5.9
B 5.2 3.9 2.0 1.1 0.1 B
8


6


4

2

2 4 6 8
A
10

8


6


4

2




-2


-4


-6

0
x

AB
(h)


B
(h)

AB
(h)


A
(h)

B
(h)

AB
(h)

(h)

h
1 2 3 4
50
2.7. TCNICAS DE ESTIMACIN
Las nociones definidas en este parte son fundamentales. No es exagerado
decir que junto al variograma, los conceptos de varianza de extensin (o de
estimacin) y de dispersin forman la base de toda la geoestadstica.

Tal como dice la estadstica la varianza es la medida del error cometido al
estimar la ley media ( ) | | v y E de un bloque de yacimiento motivo de
estudio. Ser el momento de segundo orden el que nos cuantificar la
media de las discrepancias cuadrticas de cada una de sus muestras y su
respectiva ley media.

2.7.1. La Varianza de estimacin (o de extensin)

a) Cuando se estima por ejemplo la ley media y
V
de un panel de
volumen V por la ley media y
V
de un conjunto v de datos
disponibles, se comete un error de estimacin igual a la
diferencia entre el valor verdadero de la ley y
V
(desconocido) y
el estimador y
V
.
v V
y y e =
De hecho e es una variable aleatoria cuya varianza se puede
calcular. Se llama varianza de estimacin (o de extensin) E
2
o
la varianza de e , es decir la varianza del error de estimacin
cometido. Por lo tanto aparece aquella como una medida de la
precisin de la estimacin.
( ) { }
2 2
v V
E y y E = o
b) Esta varianza no depende de los valores reales de la
informacin v utilizada y se expresa mediante el solo
variograma por la frmula esencial.
( ) ( ) ( )
2 2 2
, 2 V v v V E o =
En que:
( ) v V, designa el valor medio de ( ) ( ) ' MM h = cuando los
dos puntos de apoyo M y M del vector h descrien
51
independientemente uno del otro respectivamente, los dos
volmenes o conjuntos V y v.
( )
2
V designa el valor medio de ( ) h cuando los puntos de
apoyo M y M de h describen independientemente uno del otro,
el volumen V.
c) Los valores medios se calculan sea directamente si los
conjuntos V y v son de geometra simple, sino por integracin
numrica con la ayuda de un computador.
La frmula obtenida, absolutamente general, considera los
cuatro hechos esenciales que condicionan la precisin de una
estimacin:
(1) la geometra del volumen a estimar (trmino ( )
2
V ).
(2) las relaciones geomtricas entre estimar y estimado
(trmino ( ) v V, ).
(3) La geometra del estimador (trmino ( )
2
v ).
(4) El grado de regularidad del fenmeno estudiado
(utilizacin de la caracterstica estructural ( ) h ).

En la practica muy a menudo el calculo de E
2
o a partir de la
frmula terica es largo y fastidioso (sobre todo a 3
dimensiones). Por eso la geoestadstica ha desarrollado un
conjunto de formulas de aproximacin que permiten reducir los
clculos a operaciones elementales.

Para explicar este tipo de varianza veamos las principales
extensiones ms caractersticas en la estimacin de reservas.
- Asignado a un panel cuadrtico la ley de una muestra central.
- Asignando a un panel cuadrtico el problema de las muestras en
esquina.
- Asignando a un panel la ley de una interseccin central (testigo)
- Asignando a un panel o bloque la ley de:
52













pique
De acuerdo a lo dicho antes arriba se tiene:
Ley media del volumen desconocido (panel o bloque)
( ) ( )dx x Y
V
V Y
V
}
=
1

Ley media del volumen conocido (pique)
( ) ( )dx x Y
v
v Y
v
}
=
1


Al extender el valor v, a la estimacin de Y(V) se cometer un error al que le
denominaremos u , el mismo que resultar de la diferencia del volumen por
conocer menos el volumen conocido.
( ) ( ) v Y V Y = u
Como la variable u es aleatoria, la varianza de extensin puede ser expresada de
la siguiente manera:
( ) ( ) | | ( ) ( ) | | ( ) V v v Y V Y VAR v Y V Y E
2 2
o = =



V
v
53
La varianza ( ) ( ) y Y V Y es la denominada varianza de extensin de v a V. La
simbolizacin de esta varianza es en general ( ) V v
2
o o simplemente
2
E
o .
La varianza de extensin no depende de los valores reales obtenidos en el campo
sino de su variograma, geometra del estimador, geometra de estimante y de las
relaciones geomtricas entre estos ltimos. Por tanto, el formalismo terico de la
varianza de extensin o estimacin ser como sigue:

( ) ( ) | | ( ) | | ( ) ( ) | | ( ) | |
2 2 2
. 2 v Y E v Y V Y E V Y E v Y V Y E + = @


( ) ( ) | | ( ) ( ) | | ( )
( ) ( ) ( ) ' '
1
' '
1 2
2 2
dx x x dx
v
dy y y dy
V
dy y x dx
vV
V v v Y V Y VAR y Y V Y E
v v V V v V
} } } } } }

= = =

o

Como las integrales representan los valores medios probabilsticos y estocsticos
de los respectivos variogramas entonces el formalismo de la 6
ta.
Integral podemos
representarla por:
( ) ( ) ( ) v v V V V v E , , , 2 o =

( ) ( ) ( )
2 2
, 2 v V V v E o =

( ) = V v, Designa al variograma promedio de ( ) ( ) y x h = cuando sus
puntos de apoyo del vector h x e y describen independientemente
el uno del otro el volumen v y V respectivamente.
( ) =
2
V Designa al variograma promedio ( ) h cuyos puntos de apoyo del
vector h describen independientemente uno del otro al volumen V.
( ) =
2
v Designa al variograma promedio de ( ) h cuando los puntos de
apoyo de h describen independientemente uno del otro al volumen
v.

54
Cabe mencionar que los variogramas correspondientes pueden estimarse
directamente, siempre y cuando las configuraciones geomtricas de v y V
sean regulares o por integracin numrica cuando las configuraciones son
irregulares.
( ) ( ) ( ) v v V V V v
E
, , , 2
2
o =

{ } v Es el estimador de { } V estructura subyacente Estimador



( ) h
h
( ) h
( ) h
*

Estruc tura

x
y
V
h
v
( ) V v, 2
y
y
V
h
v
( ) V V,
x
x
V
h
v
( ) v v,

En el caso de que se trate de una independencia espacial se formula:
( ) ( )
( ) ( )

= =
> =
0 , 0
0 ,
h h
h c h

Encontrar su varianza en la estadstica clsica, es decir que la varianza
poblacional, es decir:

( )
2
1
2
1

=
n
i
i
E
n
x x
o




55
En conclusin, podemos decir que la formula general de la V
E
considera los 4
hechos esenciales que condicionan toda calidad de la estimacin.
- La geometra del estimado V: mediante el ( )
2
V
- La geometra del estimante v: mediante el ( )
2
v
- La distancia entre v y V: mediante el ( ) V v,
- La regularidad del fenmeno en estudio: mediante el carcter estructural
( ) h .

USO DE MONOGRAMAS.- La presencia de la 6ta. Integral en el formalismo de
varianza de extensin puede conducir a errores de clculo especialmente cuando
las condiciones geomtricas del estimado y estimante son irregulares y aun
utilizando computadora el tiempo seria tedioso y largo. Para salvar este
inconveniente Matheron, Formery y Serra confeccionaron bacos o monogramas
que mediante su lectura podemos obtener los valores de los varianzas en estudio,
siempre y cuando conozcamos sus parmetros que definen al fenmeno. Entre
estos monogramas tenemos:

- Varianza de extensin
2
E
o de una lnea mediante una muestra central.
-
2
E
o de una lnea mediante dos muestras terminales.
-
2
E
o de un cuadrado mediante una muestra central.
-
2
E
o de un cuadrado mediante cuatro muestras en esquina.
-
2
E
o de un rectngulo mediante una lnea central.
-
2
E
o de un panel mediante una estimacin o sondaje central.

Ejemplos:
1. Consideremos un deposito de Pb con un variograma esfrico donde C = 20
y a = 200. Se trata de estimar un bloque de 40x40x50 de altura
(longitud) por un hueco central de perforacin de diamantina. Cual es le
error de la media estndar en % de Pb cuando se asigna al bloque el valor
ley de la interseccin.
56
Solucin:
Para los efectos de usos de monogramas cuando el variograma resulta ser esfrico:
( ) V v Funcional
E
, = o
(

=
a
l
a
h
C
E
,
1
2
o Sin efecto pepita (1)
0
2
, C
a
l
a
h
C
E
+
(

= o . (2)
2 . 0
200
40
= =
a
h
25 . 0
200
50
= =
a
l

| |
2 2
% 5 . 0 025 . 0 20 25 . 0 , 20 . 0 = = = Cx
E
o Pb
E
% 7 . 0 5 . 0 = = o

2. Consideremos en depsito de un profirtico cuyo variograma presenta los
siguientes parmetros: rango horizontal 400, el rango vertical 100, el
efecto de pepita 0.20 % Cu. Se trata de estimar un bloque de
150x150x50 de longitud. Se pregunta cual es el error estndar de la
media en % de Cu cuando se le asigna al bloque el valor de la interseccin
central (hueco de perforacin) y la varianza Cu
2
% 8 . 0
Solucin:
a)
0
2
, C
a
l
a
h
C
E
+
(

+ = o 375 . 0
400
150
= =
h
a
h

5 . 0
100
50
= =
v
a
l
| |
( )
2
0
2
2
2
2
% 80 . 0
% 48 . 0 23 . 0
23 . 0
20 . 0 05 . 0 60 . 0
20 . 0 5 . 0 , 375 . 0 60 . 0
= + =
= =
=
+ =
+ =
c c
cU
F
E
E
E
E
E
o
o
o
o
o

( ) h
h
0
C
h
a
v
a
C
h A
v A

57
2.7.2. La Varianza de dispersin
a) Definicin.- La nocin de varianza de dispersin generaliza la
nocin usual de varianza estadstica de un muestreo.

Podemos amparar que la varianza de extensin representa a la varianza de
una determinada muestra de un yacimiento con respecto a su zona o rea
de influencia, en cambio la varianza de dispersin representa a la varianza
de un conjunto de muestras respecto al yacimiento en su conjunto.
Para este tipo de varianza se representa los siguientes tres tipos:

1) Varianza de un punto del volumen V.
Consideremos por ejemplo el yacimiento V como la variable (aleatoria)
resultado de muestreo es aleatorio, podemos definir la media y la varianza
de la variable aleatoria Y (x) dentro de V como a continuacin se indican:
( )dx x y
V
m
V
V
}
=
1
( ) ( ) | | dx m x Y
V
V o
V
V
2
2
1
}
= o
( ) ( ) | | ( ) ( ) | |dx m x Y E
V
V o E V o
V
V
}
= =
2 2 2
1
/ / o o

o
V


Esta ltima expresin mide las fluctuaciones o desviaciones que existen de
los valores de cada uno de las muestras puntuales respecto al valor medio
del yacimiento en su conjunto.
Este tipo de varianza no depende de los valores reales obtenidos en campo
sino de su variograma, de la geometra del estimado y la dimensin de la
misma. Entonces el valor terico de esta varianza quedar representado
como sigue:
58
( ) ( ) ( )dy h dx
V
dxdy y x
V
V o
V V V
} } } }
= =

o
2 2
2
1 1
/
x
y
h

Como los valores de las integrales representan variogramas promedios o
medios, cuando (los) el vector h

se desplaza o se mueve dentro del mismo

conjunto V entonces la relacin anterior puede quedar simplificada como:
( ) ( ) ( ) ( ) V F V V V V o = = =
2 2
, / o
la presencia de la doble integral para este tipo de varianza resulta ser muy
tediosa para los efectos del variograma, especialmente cuando la
geometra del volumen a estimar es irregular. Para salvar este
inconveniente Matheron y disearon charts o bacos que nos permiten
obtener rpidamente.
Estos bacos reciben el nombre de F(V).

2) Varianza de un volumen v dentro de un volumen V.
Tambin podemos estudiar las fluctuaciones de un conjunto Vi de
realizaciones respecto al valor desconocido del volumen V; es decir si v es
por ejemplo un bloque estimante, encontrar el valor desconocido de V
(yacimiento); tambin v puede ser la reaccin de un testigo y V el testigo
en su totalidad.
Supongamos por ejemplo tener el yacimiento V y un bloque estimante v y
cuya realizacin particular esta en el punto x, entonces nos interesa la
dispersin de Y
v
(x) dentro de V. De manera que la varianza de dispersin
para este tipo de realizacin ser como sigue:

V
y
x .

59
Este tipo de varianza tampoco depende de dos valores reales obtenidos de campo,
sino de su variograma, geometra y dimensin del yacimiento motivo de estudio.
Por lo tanto el valor terico de esta varianza ser como sigue:
( ) ( ) ( )dxdy y x
V
dxdy y x
V
V v
V V V V
= =
} } } }
o
2 2
2
1 1
/
Como la presencia de cudruplo integrales es este tipo de varianza no nos permite
efectuar un cmputo rpido sobre todo cuando la geometra por estimar es
irregular Matheron y Formery disearon monogramas o bacos que nos permiten
obtener directamente los valores de esta varianza si se conocen los parmetros.

3) Considerando tres volmenes ( ) G V v c c
V v
G

De acuerdo a las conclusiones obtenidas en los casos 1) y 2) tenemos:

( ) ( ) ( )
( ) ( ) ( )
2 2 2
2 2 2
/
/
V G G V
v V V v
o
o
=
=


( ) ( ) ( )
2 2 2
/ v G G v o =
( ) ( ) ( ) G V V v G v / / /
2 2 2
o o o + = Relacin de Krige
y nos indica que la varianza de una muestra dentro del yacimiento es igual a la
varianza de la muestra en un panel mas la varianza del panel en el yacimiento.
Se define primero la varianza de dispersin de un punto dentro de un volumen V
haciendo notar que la varianza estadstica experimental de las leyes de las
muestras ( ) x es igual a:
( ) dx m x y
V
S
v
2
2
1
}
= en que ( )dx x y
v
m
v
}
=
1


60
De hecho S
2
es una variable aleatoria; se llama por lo tanto varianza de dispersin
de un punto dentro de V la varianza S
2
.
( ) ( ) ( ) ( ) dx m x y E
v
s D V
V
}
= =
2 2 2 2
1
0 o
Es una medida de las fluctuaciones de las leyes puntuales en el interior de v.
Asimismo, se define la varianza de dispersin de un volumen v dentro de un
volumen V (siendo V la reunin de N volmenes vi iguales a V) por la relacin:
( ) ( )
2
2
1

=
i
vi
m y
N
V v o en que

=
i
vi
y
N
m
1

Es una medida de las fluctuaciones de las leyes medias de los volmenes v
i

incluidas en V.

Esta varianza no depende tampoco de los valores reales del muestreo; se expresa
mediante el solo variograma por la relacin:
( ) ( ) ( )
2 2 2
v V V v o =
b) Relacin de Krige
Si se consideran 3 volmenes
3 2 1
V V V c c , se tiene entre las varianzas de
dispersin la relacin importante siguiente llamada relacin de Krige:
( ) ( ) ( )
3 2
2
2 1
2
3 1
2
V V V V V V o o o + =

c) Apreciaciones
- Es preciso recordar la diferencia de naturaleza entre los dos tipos de
varianza que acabamos de definir: la varianza de estimacin interviene cada vez
que se busca caracterizar la precisin de una estimacin, mientras que la varianza
de dispersin permite medir las fluctuaciones de ciertas variables (por ejemplo la
produccin diaria a la entrada de la planta).

- El inters practico considerable de esas dos varianzas proviene del hecho
que no dependen sino del variograma y no de los valores reales del muestreo; se
puede as prever el efecto de una nueva campaa de reconocimiento; comparar
alternativas de reconocimiento y optimizarlas. Por lo tanto el uso de esas
varianzas permite una mejor gestin de un presupuesto de reconocimiento.
61
EJM.
4m
4 m
v V
GAMMA(h1)
GAMMA(h2)
GAMMA(h3)
GAMMA(h4)
SUMAT/4 = GAMMA(A, ABCD) = GAMMA(v,V)
GAMMA(h) = esfrico. Variable regionaliza potencia veta
Co = 0, C1 = 1, a = 10 metros. Calcular VARestimacin=???

(v,V), se determina del baco H(l/a, h/a)= H(4/10, 4/10) = 0.44
y (V,V), se determina del baco F(l/a, h/a)= F(4/10, 4/10) = 0.44. Si no
coincide las curvas se tiene que efectuar interpolacin grfica.

2
E

= 2 x 0.44 0 0.31 = 0.57 (error cometido)
El error, depende del variograma, tamao del block es proporcional.














62
CAP. III
CUBICACIN DE RESERVAS

3.1. INTRODUCCIN
Dentro de los varios mtodos de estimacin de reservas, se pondr la
metodologa en forma somera de los principales mtodos ms empleados
importantes para tal fin tales como:
- Mtodo de paneles o blocks.
- Metodo poligonal.
- Mtodo triangular.
- Mtodo del inverso de las distancias y
- Mtodo Geoestadstico.
En los 4 primeros mtodos, se asignan a cada block o panel la ley de la porcin
del testigo correspondiente, o la ley de una o ms muestras representativas. Es
decir que se extiende la ley de una porcin (testigo o muestra) a todo el bloque.
O tambin se asigna al panel un rea de la influencia arbitraria respectivamente. A
pesar de se mtodo simple, mecanizables la estimacin de reservas por 4 primeros
mtodos es inevitablemente sesgada y la presin no es cuantificable. A parte de
ellos son mtodos que parten de la suposicin de que las variables presentan una
distribucin al azar, es decir no se toma en cuenta la estructura.
Las reas de influencia, son establecidas en forma arbitraria o son determinadas en
forme emprica en base a la experiencia acumulada en la historia de un
yacimiento.
Ms por el contrario el mtodo geoestadstico, toma en cuenta los aspectos
estructurales del yacimiento as como de su distribucin espacial basado en un
modelo matemtico.





63
3.2. MTODOS CLSICOS
3.2.1. MTODOS DE PANELES O BLOCK

Llamado tambin mtodo del promedio ponderado de galeras y chimeneas.
La ley media de un block o panel se estima a partir de las leyes medias y anchos
promedios de los frentes expuestos que lo limitan. Estos frentes de un yacimiento
(tabular o cuerpo) estn constituidas por los niveles que contiene a las galeras, las
cuales determinarn el lado superior inferior del bloque; y las labores que
comunican a dichos niveles (chimeneas), los mismos que constituyen los lados del
panel en estudio. Ver anexo N 01


Nv 01 Galeria (1)
(2) Panel o Block (3)


Nv 02 (4)

El criterio para la estimacin para la ley media y ancho promedio se
esquematiza a continuacin:
(1): Longitud *Ancho * Ley = Producto
(2): Longitud *Ancho * Ley = Producto
(3): Longitud *Ancho * Ley = Producto
(4): Longitud *Ancho * Ley = Producto

Ley Media = (productos) Ley Media = (1 * a * Ley)
(1 * a) (1 * a)

Para el clculo del ancho promedio se tendr:
Ancho Promedio = (a * 1)
(1)
En el presente mtodo es practica comn en la cubicacin de vetas asignar
arbitrariamentela altura de los bloque o los paneles en , 1/3, 1/5, etc. De la
longitud muestreada de los mismos, altura que por lo general tiene que ser
modificado en el futuro cuando, al terminar de explotar el bloque o panel: se
comprueba que tal suposicin fue errnea.
64
Esquematizando sera:
Pro L = longitud
de
Pr muestreo
Po
Nv. .................. L ...................

Po
Pr
Pro

Resumiendo los clculos matemticos para efectuar la cubicacin de reservas
minera, mediante el presente mtodo sera:
1 Ver si existen leyes errticas (castigarlas).
2 Diluir las potencias.
3 Clculo de leyes y potencias diluidas por niveles y chimeneas. En el
promedio de las leyes, castigar un % de acuerdo a los datos del problema.
4Dimencionamiento de los blocks, Por ejm se consignan con letras para:
Blocks probados accesibles y ev. Acc. = Aij
Blocks probables accesibles y ev. Acc. = Bij
Blocks prospectivos ev. Acc. = Cij
Blocks potenciales ev. Acc. = Dij

Los blocks prospectivos y potenciales. Sern considerados para el inventario de
minerales (probados, probables, prospectivos y potenciales), mientras que los
blocks probados y probables acc. Y eventualmente acc. Que sean
econmicamente rentables sern considerados como reservas de mineral.
5 Clculo de leyes y potencias diluidas por blocks.
6 Clculo de T.M. de cad block.
T.M. = AR * PMD * P.e. * f1 * f2
Donde:
T.M. =Tonelada mtrica de cada block.
65
AR = Area real (rea total rea tajeada ).
PMD = Potencia media diluida.
P.e. = Peso especfico.
f1 = Factor de correccin o coeficiente de certeza.
f2 = Factor de ajuste por correccin al tonelaje.

3.2.2. METODO POLIGONAL
Este mtodo es poco a poco abandonado porque da aproximaciones sesgadas: y
con la definicin misma del polgono de influencia de los taladros es problemtico
la delimitacin de los lmites.

Consiste en hacer polgonos respecto a un punto de muestra central, uniendo
dichos puntos de muestreos ms cercanos y se confecciona los polgonos trazando
directrices.

El hecho de dar cada polgono el valor de cada informacin central no toma en
cuenta la diferencia fundamental de variabilidad de las leyes medidas en las
muestras y la de paneles. Se puede encontrar una muestra de cobre nativo. Pero
nunca un panel. Esto explica la SOBREEVALUACIN SISTEMTICA de los
paneles ricos. Este ejemplo muestra que una buena aproximacin necesita
necesariamente una buena reflexin sobre el comportamiento real del fenmeno:
Una MODELIZACIN del yacimiento en placas (polgonos) de leyes iguales a
las medidas centrales est en contradiccin de las observaciones fsicas que
pueden hacer el gelogo.

El rea de influencia de cualquier muestra es por lo tanto, polgono limitado a la
mitad de la distancia a todas las muestras que lo rodean al punto de muestreo .
A continuacin se presentan un ejemplo hipottico, que es con la finalidad de
apreciar la metodologa de clculo para dicho mtodo.

Ejm.- Un placer aurfero ha sido muestreado por sondajes de 20 cm. De
dimetro. Cuyos datos se dan a continuacin:
66
N Hueco Profundidad (m) Ley de Au (gr/m
3
)
0 2.45 0.35
1 2.15 0.90
2 3.25 0.85
3 4.00 0.99







Calcular la cubicacin del mineral de Oro, empleando el mtodo poligonal.

Solucin:
CUADRO DE RESUMEN DE CLCULO
N de Prof. Area Volumen Ley de Au Cantidad
Hueco (m) (m
2
) (m
3
) (gr/m
3
) metal (Kg)

1 2.45 1800 4410 0.35 1.54
2 2.15 1500 3225 0.90 2.90
3 3.25 2000 6500 0.85 5.53
4 4.00 2100 8400 0.99 8.32

4 3.95 7400 22535 0.81 18.29

La profundidad promedio y la ley promedio, se ha calculado ponderando por sus
reas y volmenes respectivamente.

3.2.3. MTODO TRIANGULAR.
Es uno de los mtodos clsicos ms simple y ampliamente usados.
El rea en consideracin es subdividido en blocks triangulares, con un hueco de
perforacin o muestra en cada esquina. Un ensaye promedio para cada block es
computado combinando las tres muestras en proporcin.
De igual forma que por el mtodo anterior, presentamos un ejemplo hipottico
para una mejor comprensin:
4
3
2
1
A
1
= 1800 m
2
A
2
= 1500 m
2

A
3
= 2000 m
2
A
3
= 2100 m
2
67
Ejm.-
Un placer aurfero ha sido muestreado por sondajes de 7
7/8
de dimetro.
Cuyos datos se dan a continuacin:
N de Profundidad Ley de Oro
Hueco Hueco (m). En gr/m
3

0 2.45 0.35
1 2.15 0.90
2 3.25 0.85
3 4.00 0.99

2 A
1
= 2500 m
2

3 A
2
1 A
2
= 2500 m
2

A
1


4


Cubicar el mineral de Oro existente. Empleando el mtodo triangular.

Solucin

A continuacin se presentar los pasos a seguir:

1 Profundidad promedio.

Para A
1
Para A
2
H
1
+ H
2
+ H
3
= 2.87

H
2
+ H
3
+ H
4
=3.13 m.
3 3

2 Clculo de volumen.

Para A
1
Para A
2

V
1
= A
1
HP
1
= 7175.00 m
2
V
2
= A
2
HP
2
= 7981.50 m
2


3 Clculo de leyes medias
Para encontrar las leyes medias se utiliza el siguiente formulismo matemtico:

LM = (profundidad * Ley)
(profundidad)

Para A
1
Para A
2

LM
1
= 0.79 gr/m
3
LM
2
= 0.92 gr/m
3


4 Clculo de cantidad metal de Oro
La cantidad de metal, se encuentra:
Q = LM * V
68
Para A
1
Para A
2


Q = 0.79 * 7175 = 5668 Kgs Q = 092 * 7981.50 = 7343 Kgs
5 Clculo de la ley promedio y la cantidad de metal de Oro para todo el
placer aurfero.

LP = (LM *V)/ (V) = 0.86 gr/m
3

Q = Q
1
+ Q
2
= 13.011 Kgs.

CUADRO DE RESUMEN DE CLCULO
N de Prof. Area Volumen Ley de Au Cantidad
Hueco (m) (m
2
) (m
3
) (gr/m
3
) metal (Kg)
A
1
2.87 2500 7175.00 0.79 5.668
A
2
3.13 2550 7981.50 0.92 7.343

Total 3.00 5050 15156.50 0.86 13.011


3.2.4. METODO DEL INVERSO DE LAS DISTANCIAS
En el presente mtodo, se puede ver una analoga con los modelos
gravitacionales.

Las medidas tienen una influencia proporcional al inverso de sus distancias, al
panel o punto estimado, lo que permite de evitar los riesgos sistemticos de un
mtodo como los polgonos.

Los resultados pueden estar lejos de la realidad, sin conocer el tamao del
error, justamente porque los modelos utilizados son determinsticos.
Se utiliza el siguiente formulismo:

Z
p
= E|Z
i
* 1/(d
i
)
m
| a = 1, 2 3. Mayor exactitud
E|1/(d
i
)
m
| potencia 2.

d
i
= distancia desde un punto estimado a cada uno de las muestras.
Z
p
= Variable en estudio, sea ley, profundidad.
69
Z
8
Z
1
0.85 % 0.35 %
Z
2

Z
5
0.5 %
0.95% d
2
20 m.
Z
4
0.90 %
10 m
d
4
p d
6
0.5 %
20 m. Z
6

15m. d
9
d
7
25 m. 0.7 % Z
9
1.0 % Z
7
0.6 %








Area de
Influencia
arbitraria


Z
10
1.2%

Z
p
= 0.74 % Si la distancia estuviera elevada a una potencia 2 se obtendra
Z
p
= 0.66 %.







70
3.3. MTODO GEOESTADSTICO

3.3.1. Antecedentes

Caso I:

acin sobreestim


Caso II:
in subestimac

En el primer caso tenemos un fenmeno de la sobreestimacin por que
suponemos que el valor del bloque es el valor del sondaje central y
corremos el riesgo de enviar a la concentradora mineral con una ley menor
que el Cutt off. En el segundo caso se comete un error de subestimacin
porque suponemos que el valor del bloque es el valor del sondaje central y
corremos el riesgo de enviar al portadera mineral con una ley superior al
cutt off.

Ocurren los fenmenos anteriormente mencionados porque solo hemos
considerado el menor del sondaje central, sin considerar las muestras
externas a cada uno de los bloques, que efectivamente tiene influencia en
su estimacin que no debemos despreciar.




71
3.3.2. Sistema de Krigeage

Ejm.- Estimar la ley del oro del bloque de explotacin ABCD, haciendo uso
de la tcnica del Krigeage de Matheron













X1 x2 x3 X4

Potencia (m) 0.8 1.6 0.5 1.2
Ley de oro (gr/t) 30 10 40 25
Considerar que el variograma de la V.R potencia, est modelado por la funcin:

> +
s
|
|
.
|

\
|
+
=

a h Cuando C C
a h Cuando e C C
h
a
h
.. .. .......... ..........
.. ....... 1
) (
1 0
1 0

|
|
|
.
|

\
|
=
=
=
m a
C
C
12
1
0
1
0


Y que el variograma de la V.R ley de oro x potencia, est modelado por la
funcin:


Zv(x) = 1/v Integral Z(x) dx
Z*v(x) = Landa 1Z(x1) + ... + Landa nZ(xn)
L1G11 + L2G12+...+LnG1n + u = G1v
L1G21 + L2G22+...+LnG2n + u = G2v
. . .
L1Gn1 + L2Gn2+...+LnGnn + u = Gnv
L1 + L2 + ...+Ln = 1
VARk = L1GP1v + L2GP2v + ... + LnGPn + u GPvv
2m
4m
X4
40m
X1
C
A B
TECHO DE GALERIA
X2
X1
D
72

> +
s
|
|
.
|

\
|
+
=
a h Cuando C C
a h Cuando
a
h
a
h
C C
h
.. ........ .......... ..........
.. .........
2 2
3
) (
1 0
3
3
1 0

|
|
|
.
|

\
|
=
=
=
m a
C
C
8
1
0
1
0



ESTIMACION DE LA LEY DE ORO POR LA TECNICA DE KRIGEAGE DE MATHERON
X2 X1
A 4 m B Potencia (m) 1.6 1.5
Leu Au (gr/t) 10 40
2 m 2m Pot x Ley 16 20
C X2 x1 D
DATOS
-h/a
C
0
+ C
1
[ 1- e ] , h
s
a Co = 0
(h) = C1 = 1
C
0
+ C
1
h > a a = 12 m

73
A F B
1,ABCD = 1,FBED
C E D
- 2
1.- (2) 0 + 1 [ 1 - e
12
] = 0.15
2.- 1, ABCD = 1, FBED = H ( 2 , 2 ) = H ( 0.17 , 0.17 ) = 0.19
12 12
3.- 2, FBCD = H ( 2 , 4 ) = H ( 0.2 , 0.33 ) = 0.29
12 12
4.- 11 = 22 = 0
Z* ABCD = 1(1.6) +

2(0.5) ..................................................... (1)
Luego

1 11 +

1 11 +

= 1V

1 (0) +

1 (0.15) +

= 0.19

1 21 +

2 22 +

= 2V

1 (0.15) +

2 (0) +

= 0.29

1 +

2 = 1

1 +

2 = 1
0

2 +

= 0.19 Resolviendo el sistema de
ecuacin

1 = 0.83
0

1 +

= 0.29

2 = 0.17

= 0.165 m

1 +

2 = 1
Reemplazamos
Z* ABCD = 0.83 ( 2 ) + 0.2 ( 0.5 ) = 1.41
Varianza :
VV = F ( 2 , 4 ) = F ( 0.17 , 0.3 ) = 0.18
12 12
74



1.- (2) 0 + 1 [ 3 * 2
-
1 * 2
3
] 0.36719
2 8 2 8
3
2.- 1, ABCD = 1, FBCD = H ( 2 , 2 ) = H ( 0.25 , 0.25 ) = 0.28 1V
8 8
3.- 2, FBED = H ( 2 , 4 ) = H ( 0.25 , 0.50 ) = 0.425 2V
8 8
4.- 11 = 22 = 0
Z* ABCD = 1(16) +

2(20) ..................................................... (2)
Luego

1 11 +
1 11 +

= 1V

1 (0) +
1 (0.37) +

= 0.28

1 21 +
2 11 +

= 2V

1 (0.37) +
2 (0) +

= 0.425

1 +

2 = 1

1 +

2 = 1
0.37
2 +

= 0.28 Resolviendo el sistema de ecuacin

1 = 0.70
0.37
1 +

= 0.425
2 = 0.30

= 0.165 m

1 +

2 = 1
Reemplazamos
Z* ABCD = 0.7 ( 16 ) + 0.30 ( 20 ) = 17.2
Varianza :
VV = F ( 2 , 4 ) = F ( 0.25 , 0.50 ) = 0.295
8 8
o
2
k =
1 1V
+
2 2V +

- VV
o
2
k = ( 0.7 ) * ( 0.28 ) + ( 0.30 ) * ( 0.425 ) + 0.170 - 0.295 = 0.199
o
2
k = 0.199
75
3.3.3. PRESENTACIN DE UN MODELO GEOSTADSTICO PARA EL
CLCULO DE RESERVAS EN CUERPOS TABULARES

A continuacin vamos a presentar en forma genrica la metodologa
simplificada para el clculo de reservas en cuerpos tabulares empleando el
mtodo Geoestadstico.
Pasos a seguir:
1. Se efecta el estudio estructural del yacimiento encontrando las medias,
varianzas relativas, variogramas, por niveles y chimeneas y por cada
elemento (potencia, acumulaciones de Ag, Pb, Zn) es decir se construyen a
partir de la informacin experimental.

M = Media = x1 + x2 + ...+xn =

xi
N n
Varianza = o
2
=

(xi x)
2
n 1
2varianza Relativa = o
2

m
2
2T(h) = Variograma =

| Y (Xi+h) Y (Xi) |
2
Np
2. Determinacin de distancias de influencia y otros elementos Co, C, etc.
Dist. de influencia del espesor = a
de la acumulacin = b
a = b a >b a < b Tomar el menor alcance.

Estimacin del tonelaje de mineral y leyes medias. Del variograma se obtiene la
distancia de influencia, que es la que define a las reservas probados, mientras que
las reservas probables vienen a ser el promedio aritmtico del espesor de la veta
de la informacin circundante, multiplicado por el rea definida grficamente. Las
reservas probables se irn transformando sucesivamente en reservas probados
conforme se avance el tajeo.






Rpr
RPo
RPo
Rpr
76
Se distingue dos configuraciones:
- Cuando solamente se muestrea galeras o chimeneas:
Denominado Configuracin 1
- Cuando se muestrea galeras y chimeneas, denominado Configuracin
2.
CONFIGURACIN 1
L
1
Gran porcin de galera
1 RPo
L
2

a Rpo L: es determinado por el
L Gelogo o minero

Se define el estimador del espesor medio por:


Donde:
L1 = Peso de la informacin del espesor medio a lo largo
de la longitud L.
L2 = Peso de la informacin del espesor medio de toda o
gran parte de la galera.
Z1 = Espesor medio a lo largo de la veta definida en la
longitud L.
Z2 = Espesor medio a lo largo de toda o gran parte de la
galera.

Variante 1 : Si el bloque est en la zona profunda, se recomienda tomar toda
la galera.
Variante 2 : Si el bloque est en la zona profunda, adems si la galera o
chimenea es bastante extensa, se recomienda tomar una gran porcin de la
galera.
Variante 3 : Si el bloque est circundando por galeras y chimeneas, se
recomienda tomar las galeras y chimeneas que circundan al bloque problema.

Z* = L1 x Z1 + L2 x Z2
77
SISTEMA DE KRIGEAGE

L1 x T11 + L2 x T12 + u = T1p
L1 x T21 + L2 x T22 + u = T2p
L1 + L2 = 1

Donde: a = alcance del variograma
L = corresponde a la longitud
T11 = F (1) Co/1 de la galera determinada
T12 = T21 = T22 = T2p = C l = corresponde a la otra
Longitud del rectngulo.

T1p = x (L,1) --------- se obtiene del ABACO N2
Co = Co/C

Tpp = F (L,1) --------- Se obtiene del ABACO N 4
U = o
L1 = x(L,1) C L2 = 1 L1
F(1)- Co/1 - C


DETERMINACIN DE LA PRESICIN DE LA ESTIMACIN





F (1) =1 3xa/4x1 + a
2
/ 5 x 1
2
: 1>a
F (1) = 1/ 2 x a 1
3
/20a
3
; 1 s a


CONFIGURACIN 2


Se particiona el muestreo
De galeria en todo su alcance.


1 L
1
L
2


L = a



Se define el estimador del espesor medio por:




2

k
= L1 x T1p + L2 x T2p Tpp + u
Z* = L1 x Z1 + L2 x Z2 + L3 x Z3
78
Donde:

L1 = Peso de la galera en el tramo a
L2 = Peso de la chimenea en el tramo 1.
L3 = Peso de la potencia medio
Z1 = Espesor medio a lo largo de la galera de longitud a
Z2 = Espesor medio a lo largo de la chimenea de longitud l.
Z3 = Espesor medio de una gran porcin del yacimiento.

Sistema de Kriageage

L1 x T11 + L2 x T12 + L3 x T13 + U = T1p
L1 x T21 + L2 x T22 + L3 x T23 + U = T2p
L1 x T31 + L2 x T32 + L3 x T33 + U = T3p
L1 + L2 + L3 = 1


Donde:
T11 = F (L) Co
L
T12 = H (L.1) ------ Se obtiene del ABACO N 3
T13 = T23 = T31 = T32 = T33 = T3p = C
T21 = H (L. 1)
T22 = F (1) Co
1
X (L,1)



a=1
1
T1p = x (1,L)
T2p = x (L,1)
Tpp = F (L,1) L L = a
Co = Co/C alcance de la galera alcance de la chimenea
u = 0

a) Potencia
P* = L1xP1 + L2xP2

b) Plata
q* Ag = L1xq1 + L2xq2
Ley Media (Ag) = Z* Ag = g* Ag/P*

Ver Anexo N 02


79
CAP. IV
METODOS DE OPTIMIZACIN DE DISEO DE
MINADO

4.1. INTRODUCCIN
Existe un aspecto importante cual es el diseo final ptimo de una mina a
Cielo Abierto es una de las operaciones ms importantes para el estudio
tcnico econmico de un proyecto. Pues ello nos proporciona el conocimiento
de las reservas minables, sobre la cual se realizarn los clculos
correspondientes de las alternativas de produccin y fijar as la inversin
necesaria.

Dada la magnitud de la inversin que necesita una mina a Cielo Abierto, el
riesgo que ella mantiene y la complejidad que presenta el proceso de clculo
de un diseo de minado; se justifica la fuerte investigacin realizada y
demostrada en los sucesivos congresos y simposios de Informtica Aplicada a
la Minera.

Como es natural el gran nmero de datos que encierra un yacimiento son
mejor manipulado por medio de un computador. Ello ha permitido desarrollar
en pocos aos metodologas bien competitivas entre s, y que logran como
creces simplificar y calcular con muy aceptable precisin, diseos de minas
ptimos, es decir diseos que otorguen un mximo beneficio econmico.

4.2. ALGUNOS MTODOS AUTOMATIZADOS DE DISEO DE MINADO
A TAJO ABIERTO
Para la explotacin de un yacimiento, no slo deseamos conocer las
estimaciones globales o locales de las reservas disponibles, sino, que a
menudo es necesario prever como vara la ley del metal o medida que se
realiza la explotacin. Para ello, es de indudable vala la tcnica de
simulacin, que tiene como objeto reproducir el yacimiento a pequea escala
80
con todas las caractersticas estructurales y de variabilidad observadas a
mayor escala.

El propsito de este trabajo es lograr una presentacin secuencial de avance
tecnolgico existente en estos ltimos 30 aos, sobre este tema. Se presentar
en primer lugar el algoritmo de S. Korovov (Ruso), que se caracteriza por su
aceptable simplicidad y que puede proporcionar mejores resultados que
cualquier otro mtodo manual clsico.

De igual modo, se expondr el Algoritmo de programacin Dinmica (USA),
el cual logra mostrar objetivamente el sentido de la optimalidad de un diseo.

4.2.1 Condiciones tcnicas para el Diseo de Minado
Las condiciones tcnicas con las cuales se puede realizar el diseo de
minado, varan segn el mtodo que se aplique. Bsicamente todos los mtodos
necesitan definir bien reservas, y asignar el valor de la ley del metal (o metales) a
un bloque de dimensiones que puedan ser utilizados por el mtodo pueden
admitir ciertas condiciones en la pendiente del talud, pero contina la
investigacin para permitir condiciones estrictas de pendientes variables.
La tcnica de diseos de pits clsicamente se ha desarrollado gracias:
a) Buen conocimiento sobre problemas tcnicos a resolver
b) Habilidad del diseador
c) Experiencia convincente

Sabemos que en nuestro medio existe personal que posee tales
calificaciones y que han efectuado el diseo de la mayora de los yacimientos
explorados.

Desde el punto de vista de: COMO SOLUCIONAR el problema, se ha
encontrado varios mtodos desarrollados que son los ms actualizados diseados
en las ltimas dcadas.

81
4.2.1.1. La estimacin como paso previo
Es importante destacar que un buen diseo de minado, esta ligado a un
buen clculo local de reservas.
Si bien muchos pueden coincidir globalmente en reservas (cantidad de metal,
tonelaje) sin considerar la ley de corte, es claro que una inexacta distribucin local
del valor del metal, ocasionar tambin un diseo de minado alejado de la
realidad.

Una rpida revisin de los mtodos clsicos muestra que la mayora de
ellos actan en base al principio del mtodo de los polgonos; el cual consiste en
extender la ley encontrada en un punto (o lnea) a un rea de influencia,
establecido generalmente por la malla de reconocimiento.


Una estimacin de este tipo posee las dos ventajas principales:
Primero: Que no se toma en cuenta la diferencia de lo que significa una ley
puntual de un bloque. Sera innecesario extenderse para demostrar que el
comportamiento de la ley de los bloques de explotacin (menor dispersin), es
diferente al comportamiento entre las leyes puntuales (mayor dispersin).

Segundo: Que los limites de la zona mineralizada, corrientemente son
establecidos en forma tajante (decisin determinstica), obligando a la naturaleza a
adoptar tal contorno con una ley (determinstica).


4.2.1.2. CONCEPTO DE BLOQUE ECONMICO
En todos los mtodos Automatizados de Diseo se emplea este concepto,
que consiste en asumir un paraleleppedo que contiene la ley o leyes estimadas de
cada metal. Las dimensiones iniciales de estos bloques generalmente obedecen a
la malla de sondajes de exploracin, los cuales poseen dimensiones a veces
inapropiados para el diseo, por lo cual se debe recurrir a una participacin o
agrupacin de estos.
82
Este debe ser valorizado convenientemente, por lo cual se recomienda
utilizar la siguiente frmula:




Donde:
Q = Cantidad de metal ( en TM)
V = Precio de venta de metal (US $/TM)
Cm = Costo de minado (US$/TM de mineral o estril)
T = Tonelaje de minado (TM de mineral)
Ct = Costo de tratamiento (US$/TM de mineral).

4.2.1.3 MTODO DE DISEO DE S. KOROBOV
Este mtodo es particularmente aproximado al mtodo de multiconos.

La diferencia que se puede encontrar con el mtodo de multiconos, es
que no necesita del anlisis combinatorio tedioso. La metodologa es simple, pero
no introduce criterios de optimalidad estricta, pues el resultado depende de la
direccin en que se trabaja el mtodo (en el ejemplo que sigue trabajaremos de
izquierda a derecha). Lo que se muestra a continuacin fue obtenida a partir de un
reporte tcnico del Sr. Sergey Korobov, investigador del Instituto de Minas de
Mosc, editado en el Departamento de Minerales de la Escuela Politcnica de
Montreal.

El proceso de este algoritmo puede ser explicado con un ejemplo de la
Fig. 1; en los cuales el nmero de la izquierda es el nmero del bloque, el nmero
de la derecha la valuacin inicial y el nmero debajo de estos dos, la evaluacin
resultante del cono.



B = VQ Cm - CtT
83

1 +1 2 +1

3 -1

4 -1

5 -1

6 -1

7 -1

8 -1

9 -1

10 -1

11 1

12 -1

13 +1

14 +2

15 -1

16 -1

17 +5

18 -1

19 -1

20 -1


21 -1

22 -1

23 +1

24 -1

25 -1

26 -1

}27 1


28 +3

29 -1

30 -1

31 +6

32 +7


Empezamos a explorar el primer nivel y extraemos todos los bloques
cuya valoracin sea positiva.
Vemos que los bloques 1, 2, 7 dan la primera valuacin
V = 1+ 1 +3 = 5
A continuacin pasamos al segundo nivel analizamos la influencia en el
primer nivel.
En el segundo nivel identificamos las valuaciones positivas, encontramos a
los bloques 13, 14, y 17. Para cada uno de estos bloques identificamos los bloques
necesarios a extraer, que se encuentran en el primer nivel. Para el bloque 13
vemos que es necesario extraer el bloque 3 y 4, el bloque 13 solo puede pagar la
extraccin del bloque 3. Por lo tanto el cono que se forma a partir del bloque 13
no puede ser extrado.


3 1
0

4 1
0

5 1
0

6 1
0

8 1
0

9 -1

10 -1

11 1

Fig.2

12 -1

13 +1
0

14 +1
0

15 -1

16 -1

17 +5
3

18 -1

19 -1

20 -1

V = 5


1
2
Fig. 1
84
Pasamos al bloque 14, que est cubierto por los bloques, 3, 4 y 5, para ser
extrado tiene que pagar el costo del bloque 4 y 5, pues el bloque 3 ya lo pag el
bloque 13. Vemos que la valuacin resultante del bloque 14 es cero, por lo tanto
no puede ser extrado. Ntese que los bloques 3, 4, 5 13 y 14 han adoptado cada
uno, valuacin resultante cero.

En el mismo nivel encontramos al bloque 17, el cual solo puede ser
extrado junto con 6 y 8. La valuacin resultante de 17 es 5-2=3. Esto significa
que hemos incrementado nuestra valuacin total a V =5+3=8.

Agregando el tercer nivel (Fig 3) encontramos en ste, un solo bloque
positivo, el 23; el cual contiene en su cono de extraccin a los bloques superiores
3, 4, 5, 14, 16. La valuacin de 23 slo puede pagar la extraccin de 15 (3, 4, 5, 14
han sido pagadas) por lo tanto la valuacin resultante de 23 es cero y no puede ser
extrado.







3 1
0
4 -1
0
5 -1
0
9 -1 10 -1 11 1

Fig. 3
12 1 13 +1
0
14 +1
0
15 -1
0
16 -1 18 -1 19 -1 20 1
21 1 22 -1 23 +1
0
24 -1 25 -1 26 -1 27 -1

V=8
85
Aadiendo el cuarto nivel (Fig. 4) y analizando el cono del bloque 28.
(manteniendo el orden de izquierda a derecha) solo puede pagar a 12, 16 y 21,
dando para 23 un valor resultante cero, indicando que no puede ser extrado.
El siguiente bloque positivo 31, contiene a sus bloques 4, 5, 9, 10, 15, 16, 18, 24,
25,26, de los cuales solo pagar a los bloques que no han sido anteriormente
pagados es decir a 9, 10, 18, 19, 24, 25, dando hasta aqu un valor resultante cero
para 31, sin poder pagar la extraccin de 26. El siguiente bloque positivo 32, tiene
en su cono a los bloques : 11, 20, 26, 27, por pagar su extraccin dando un valor
resultante de 7-4 =3 para el bloque 32 por lo tanto este cono puede ser extrado
(ntese que este cono tiene 11 bloques de valor -1). La valuacin total disminuir
a V = 8 + 7 11 =4.
3- 1
0
4 1
0

12 - 1 13 +
1
0
14 +
2
1
15 1
21 - 1 22 1 23 +
1

24 1
28 +
3
29 - 1 30 - 1 31 +
6


3 -1
0
4 -1
0
5 -1
0
9 -1
0
10 -1
0
11 -1




Fig. 4
12 1 13 +1
0
14 +2
0
15 -1
0
16 1
0
18 1
0
19 1
0
20 1
0

21 1
0
22 -1 23 +1
0
24 1
0
25 1
0
26 1
0
27 1
0


28 +3
0
29 -1 30 -1 31 +6
0
32 +7
3

V = 8
Fig 5
V = 4
2
3
4
1
86
El siguiente procedimiento es comenzar nuevamente borrando los valores
resultantes de cada bloque ( fig. 5).
Del nivel uno no obtenemos nada. Del nivel 2, vemos que el bloque 13 paga la
extraccin del bloque 3, dando un valor resultante de cero, sin poder extraerse. El
bloque 14 paga la extraccin del 4 y se queda con un valor resultante +1 por lo
tanto 3, 4 y 14 pueden ser minados. Despus de esto se remueve el bloque 13 por
no tener bloques superiores a minar. La valuacin total ser V = 4 + ( 3 2 ) = 5.





FIG 6
12 1
0
15 1
0

21 1
0
22 1
0
23 + 1
0
24 - 1
28 + 3
0
29 - 1 30 1 31 + 6
V = 5

Continuamos con el nivel 3 (fig. 6) y vemos que ningn bloque puede ser
minado puesto que la valuacin resultante de 23 sea cero.
En el nivel 4 , el bloque 28 paga el minado de 12, 21, 22, dando un valor
resultante de cero, por lo tanto no puede ser extrado (fi. 6)
En el nivel 4 el bloque 31 paga la extraccin de 24 , y adopta un valor
resultante de +5, por lo tanto 15, 24, 31, puede ser minado.
La nueva valuacin ser V= 5+ (6-2) = 9 (fig. 7).
1



12 1 2
Fig. 7


21 1 22 -1


23 +1 3



28 +3 29 1 30 -1 V =9 4

1

2
4
3
87

Volviendo a comenzar: el bloque 23 puede ser minado, la valuacin
aumentar a V=9+1 = 10. examinando el cono del bloque 28 vemos que no puede
ser minado. Por lo tanto, la valuacin final obtenida es V=10, con el diseo que se
observa (Fig. 8).

Esta metodologa se refiere de la anterior, principalmente en que los
traslapes no necesitan del anlisis combinatorio tedioso. Por ejemplo en la Fig. 1,
el bloque 31 ni 32 pueden ser incluidos en el pit independientemente uno del otro.
Sin embargo, tomando ambos a la vez, si pueden ser minados.

El otro problema que necesita de buen control es, que un bloque no debe
pagar nunca la remocin de estril de un mineral que no ser minado. Por
ejemplo, el bloque 28 en la Fig. 1, forma un cono con un valor positivo de 3, pero
sera un error minar este bloque porque el bloque positivo 14, despus de minar el
bloque 31, (Fig. 5), pagara incorrectamente la remocin de estril en uno de los
bloques 12, 21 22.


1

12 1
2
Fig. 8


21 1 22 -1
3



28 +3 29 -1 30 -1 V = 10
4


DI SEO FI NAL DEL PI T



88
4.2.1.4. MTODO DE PROGRAMACIN DINMICA POR SECCIONES
La escuela de este mtodo es el de utilizar el Algoritmo de Lerchs y
Grossman que se limita a dos dimensiones, con la cual, los seores Thys B.
Jonson y William Sharp extendieron su uso para lograr el ptimo a 3 dimensiones.

Debido a la simplicidad de algoritmo a dos dimensiones, este mtodo es
fcil, de programar, pues realmente siempre se trabaja a dos dimensiones. Lo que
se muestra a continuacin fue interpretado y desarrollado a partir de un reporte de
Investigacin del Bureau of Mines de U.S.A.

Las principales desventajas se encuentran, en que el mtodo al no trabajar
a tres dimensiones, se aleja significativamente del ptimo; ms an cuando se
presentan al final los problemas de alisado de la solucin, para eliminar paredes
tcnicamente no aceptables.

Antes de empezar a describir el clculo, definiremos algunos trminos:
(Fig. 1)
- Precedentesde un bloque x, a los tres bloques que existen a la
izquierda de x cuando el pit es diseado de izquierda a derecha.
- Un pit pasa por el bloque x, si x pertenece al pit y toca el lmite con
sus caras.
La seccin de I filas y J columnas queda hasta para el clculo cuando
se aade una Fila (o) artificial de costo nulo con un elemento adicional en la
columna J+1 pudiendo ignorar en el clculo todos los bloques achurados, Fig.2.








0 1 2 3 4 5 6 7 8 9
0 yacimiento
1 estril to estril
2
3
4
5 J+1
FIG "2"
Pr
Pr x
Pr
89
OPTIMIZACIN SIMPLE (A DOS DIMENSIONES)
El clculo es el siguiente:
FASE I
Se reemplaza la valorizacin C11 por la valuacin M de su columna superior.
M10 = para i = O,....,I
q = 1 j = 1,....,j
Se observa que para cualquier pit que pase por el bloque (i,j), M10 representa la
participacin del valor de la columna en el pit.
Por ejemplo de la Fig. 3, se encuentra la Fig. 4 en la siguiente forma:
M
35
= C
35
+ O
25
+ C
15
+ Co
5
= -3
MATRIZ Caj








FASE II
0 1 2 3 4 5 6 7 8 9
o O o o o o O o O o o
1 -1 1 0 2 -3 -1 -1 -1 -1
2 0 -1 5 -4 -2 -2 -2
3 -3 -4 -5 -3 -3
4 10 -3 -1
Fig. 4
0 1 2 3 4 5 6 7 8 9
o o o o o o O o o o o
1 -1 1 0 2 -3 -1 -1 -1 -1
2 -1 -1 3 -1 -1 -1 -1
3 -2 -1 -1 -1 -1
4 6 2 2
Bloque econmico Fig. 3
90
MATRIZ P11 = M11 + Max| P (i+r), j-1 |
Donde r= -1, 0 , 1 ; j = 1,,9 , I = 0,,4
0 1 2 3 4 5 6 7 8 9
o 0 0 1 1 3 3 3 3 3 3
1 -1 1 3 3 2 2 2 2 2
2 -1 0 6 2 1 0 0
3 -4 4 1 0 -1
4 6 3 2
Fig. 5
Si nos detenemos a ver el significado de cada valor (Fig.5) vemos que es el valor
mximo de un pit que se puede trazar desde l. Por ejemplo en la Fig. 6 que es
parte de la matriz C de a Fig. 3
0 1 2 3 4 5
o 0 0 0 0 0 0
1 1 0 2 -3 -1
2 3 -1


P
25
= 1. En la matriz C (Fig. 3). Sumamos el valor de la columna C
25
+ C
15
+ C
05
=
(-1) + (-1) +(0) = -2 y desde C
25
tomamos el mximo valor entre M
14
, M
24
y M
34

(Fig. 4) que es M
14
(mxima contribucin de la columna 4 en gradas de ms de un
bloque), vemos que la contribucin de esta columna 4 es C14 + C04 = (-3) + (O)
91
= -3, continuamos y tomamos desde C14 el mximo de M23, M13, M03 y
tomamos el M23, vemos que la contribucin de esta columna 3 hasta C
23
es
C
03
+C
13
+C
23
= 0 + 2 + 3+ = 5. Desde C
23
tomamos el mximo de M
12
, M
22
, M
32
y
vemos que es M12 = C
02
+ C
12
= 0.
Desde C
12
tomamos el mximo de M
01
, M
11
, M
21
que es M
11
= C
01
+ C
11
= 1.
Desde C
11
buscamos el mximo de M
00
, M
10
y vemos M
00
= M
00
= 0.
Hasta este punto vemos que hemos diseado parte de un pit cuya sumatoria de
valores resulta 1 = P
25
que es un valor mximo.
Concluyendo, P es el valor mximo de un pit a trazar desde la posicin P.

FASE III
En la primera fila (0) de la fig. 5, se busca el elemento Py de mayor valor. Si hay
varios, se toma el de ms a la derecha. Segn la fase 2 vemos que este valor
mximo representa la valuacin del pit ptimo.
FASE IV
Se entiende fcilmente que se puede dibujar el pit solucin a partir de Py,
yendo de cada bloque P al mximo de sus precedentes.
Fig. 7 , Matriz P
0 1 2 3 4 5 6 7 8 9
0

0 0 0 1 3 3 3 3 3




1

1 3 3
6

DI SEO FI NAL DEL PI T

Como es de esperar el pit ptimo solo llega hasta un nivel I, y por ello existe
una metodologa que permite obtener un contorno ptimo hasta cualquier
nivel deseado, a travs de la matriz PD.
0
1 1


2
92













A N E X O S

















93
ANEXO N 01
DIMENSIONAMIENTO DE BLOCKS






























Leyenda
PROBADO
PROBABLE

A A
h h h h
SECCION
PLANO
Fig N
o
9
94
































3
4
2
1
Fig N
o
10
PLANO
Leyenda
PROBADO
Fig N
o
10
95
































4
2 1 3
FIG N
o
5
SIN MINERAL EN EL NIVEL INFERIOR
Nota: los lmites laterales de los bloques son
determinados por la unin de las lneas de los limites del
mineral del nivel superior con un punto del centro del
nivel inferior . La altura del mineral probable se
determina de acuerdo a la longitud de base a b

LEYENDA

ODABORP

ELBABORP
Nivel inferior
a
b
96
































8
FIG. N 6
2
5
6
PROBADO

PROBADO

PROBADO
97
































NIVEL INFERIOR
a b
SIN MINERAL EN EL NIVEL
SUPERIOR los limites
laterales de los bloque s son
determinados por la union de
limite de los minerales del nivel
superior con unpunto del nivel
inferior , la altura del mineral
probable se determina de
acuerdo a la longitud de base a,
b
FIG. N 5

3

1
LEYENDA

PROBADO

PROBABLE
4
2
98






























L
1
L
2
7
4
2
1
3
FIG. N7
LEYENDA
PROBADO
PROBABLE
PROPECTIVO

H > (L
1
+ L
2
) / 2
5
9
6
8
99

GG
4
2
1
3
5
4
2
1
3
5
a
b
1
c
d
1
LEYENDA
PROBADO
PROBABLE
Fig No 8
100




























2

8


H< a-b
2
5
3
4
2
a
H
b
LEYENDA
PROBADO
PROBABLE
Fig. 3a
101
































L
2
L
1
h
2
h
1
H
h
h
Fig. 3b
H s L
1
+ L
2
2
H > h > L
1
2 5
En caso que L
1
> H/2
Se tomar L
1
/5
H > h
2
> L
1
2 5

En caso que L
2
> H/2
Se tomar L
2
/5

LEYENDA
PROBADO
PROBABLE
102
































FIG. N 3d
1
4
2
5
6
103



















cccccc












FIG. 2
h
tc
2
/4 = 4x(cxh)

tc
2
/16c = h

tc
2
/16c = h

0.206c = h
1c = h
5
h h
h
h
rea circular = reas positivas
= Hc
2
/4

Caso vetas
FIG. N 1A
Caso de cuerpos
Vol. de la esfera = Vol. de la prisma
= td
3
/ 6
td
3
/6

= 16x 4hx4h
td
3
/6 = 6 x 16h
2
td
3
/ 6x 16d = h
2
td
2
/ 96 = h
2

0.20dx 0.18d = h
4p
2
FIG. 1
AM > 0
0 = AM
O > AM>(b-d)
0-d = AM
AM< (0-d)
d: ancho de dilucin
b: ancho mnimo de explotacin

AM: ancho de muestra

dilucin

4/2 4/2
4/2 4/2
b-d
Dimencionamiento de bloques
Caso
basico
Probado
104
































H > h
1
+ h
2
2
8
PROBABLE
6
PROBADO
5
PROBADO
7
PROBABLE
4
PROBABLE
2
PROBADO
4
PROBADO
3
PROBABLE
9
PROSPECTIVO
h
2
h
2
h
2
h
2
H
h
1
h
1
h
1
h
1
h
1
s H s h
1
5 2
h
2
s H s h
2
5 2

LEYENDA
PROBADO
PROBABLE
PROSPECTIVO
FIG. N 3C
105
































4
1
2
3
FIG. N 4
7
9
5
6
8
LEYENDA
PROBADO
PROBABLE
PROSPECTIVO
106
































: PLANO FIG. N 10A SECCION















A
1

A
Contorno de un
cuerpo mineralizado
Labor minera
h s 1/5d
A
1
A
d
d

Fig. N . 11








El Bloque probado se estima de
Acuerdo a las evidencias geolgicas





5


PROBADO

PLANO PROBABLE


4
3

1

2
107
































Fig. N :12
C
1
= dimetro del rea econmico
de nivel superior
C
2
= dimetro del rea econmico
De nivel inferior
C = promedio de dimetros

H
1

H
1
< C
1
/5

H
1



C
1





H H s C
C





C
2


H
2



H
2
s C
2
/5
H
2


PROBADO
PROBABLE




108



CUBICACIN DE AFLORAMIENTO DE VETAS Y MANTOS
Horizonte superior conocido




Afloramiento
H / 5
PROBADO
EVENT. ACCESIBLE
superficie
H / 5


PROBABLE
EVENT. ACCESIBLE
H / 5
HORIZONTE INFERIOR CONOCIDO

PROSPECTIVO
EVENT. ACCESIBLE


(PROYECCIN VERTICAL LONGITUDINAL)
PROYECCIN HORIZONTAL DE AFLORAMIENTO = H
VOLUMEN: AREA VERDADERA * POTENCIA VERDADERA
VOLUMEN: AREA PROYECTADA * POTENCIA VERDADERA
COSENO ANGULO = ANGULO ENTRE EL
PLANO DE PROYECCIN Y EL PLANO DE LA VETA O MANTO
Fig. N14

109
CUBICACIN EN AFLORAMIENTOS DE CUERPOS IRREGULARES
SUPERFICIE


4 240msnm
4 230msnm

4 220msnm
Afloramiento del
del cuerpo mineralizado
4 210msnm

H probado
H ={ (Ah)
1/2
}/ 10 h probable
H
1
prospectivo
H
1
={ (Ah)
1/2
}/5







VOLUMEN PROBADO: (Ah\ Ah)/10

VOLUMEN PROBABLE Y /O PROSPECTIVO: (Ah\ Ah)/5








PROYECCIN HORIZONTAL
AREA: 492 m
2
: Ah
\ Ah = 22.18 m
h = 2.0 m

110

ANEXO N 02

CUBICACIN RESERVAS: MTODO DE PANELES O BLOCKS

Cubicar las reservas minables y reservas geolgicas del perfil
longitudinal que se adjunta, sujeta a las sigientes consideraciones:
- AME= 0.80 m.
- Factor de dilucin constante = 0.20 m
- Cut Off: Ag = 8.53 Oz/Tm , Pb= 0.18%, Zn = 1.1%
- P.E. = 2.50 TM/m3
- Correccin al tonelaje = 12%
- Correccin por error de muestreo y ensayo = 10%
- Considere ley no errtica de la Ag, cuando 1<=Ley Ag<= 50
Oz/Tm













111

CUBICACIN DE RESERVAS POR EL MTODO DE PANELES O BLOCKS
PASO 1: Ver si Existen Leyes Errticas (Castigarlas)

N
v

4
3
4
0

Potencia
Pot.
Diluida Leyes Producto Ley Corregida Ley Ag Corre.
N Muestra (m) (m) Ag Pb Zn Ley Ag x Pot Ley Pb x Pot Ley Zn x Pot Ag x Pot
Oz/TM % % Oz/TM
930 0,10 0,80 37,34 1,28 2,90 3,73 0,13 0,29 3,73
931 0,40 0,80 9,67 1,28 1,65 3,87 0,51 0,66 3,87
932 0,35 0,80 40,19 0,65 1,75 14,07 0,23 0,61 14,07
933 0,15 0,80 52,46 1,15 1,45 7,87 0,17 0,22 27,79 4,17
934 0,35 0,80 34,00 0,43 1,45 11,90 0,15 0,51 11,90
935 0,30 0,80 17,92 0,55 2,20 5,38 0,17 0,66 5,38
936 0,90 1,10 14,69 0,30 0,92 13,22 0,27 0,83 13,22
937 0,80 1,00 33,64 0,25 0,73 26,91 0,20 0,58 26,91
Suma 3,35 6,90 86,95 1,83 4,36 83,25


N
v

4
3
2
0

Potencia
Pot.
Diluida Leyes Producto Ley Corregida Ley Ag Corre.
N Muestra (m) (m) Ag Pb Zn Ley Ag x Pot Ley Pb x Pot Ley Zn x Pot Ag x Pot
Oz/TM % % Oz/TM
938 0,20 0,80 14,80 0,92 2,45 2,96 0,18 0,49 2,96
939 0,30 0,80 7,65 0,14 0,14 2,30 0,04 0,04 2,30
940 0,20 0,80 20,00 0,88 1,20 4,00 0,18 0,24 4,00
941 0,60 0,80 18,30 2,22 4,60 10,98 1,33 2,76 10,98
942 0,85 1,05 0,20 1,02 0,87 0,17 0,87 0,74 16,16 13,74
943 1,00 1,20 27,00 0,60 0,87 27,00 0,60 0,87 27,00
944 0,60 0,80 17,28 0,13 0,18 10,37 0,08 0,11 10,37
945 0,45 0,80 16,56 0,36 0,57 7,45 0,16 0,26 7,45
946 0,20 0,80 40,50 0,18 0,31 8,10 0,04 0,06 8,10
Suma 4,40 7,85 73,33 3,48 5,57 86,89
112

C
h
i
m
e
n
e
a

Potencia
Pot.
Diluida Leyes Producto
N Muestra (m) (m) Ag Pb Zn
Ley Ag x
Pot
Ley Pb x
Pot
Ley Zn x
Pot
Oz/TM % %
947 0,70 0,90 16,87 2,00 1,80 11,81 1,40 1,26
948 0,40 0,80 18,49 1,50 1,35 7,40 0,60 0,54
949 0,35 0,80 36,73 0,60 1,00 12,86 0,21 0,35
Suma 1,45 2,50 32,06 2,21 2,15



Ley Corregida =


Muestra 933

Ley .Ag = 27,79 Oz/TM

Muestra 942

Ley Ag = 16,16 Oz/TM


PASO 2: Diluir las Potencias


VER CUADRO ANTERI OR

Pot
LeyxPot) (
113
PASO 3: Clculo de Leyes y Potencias Diluidas por Niveles y Chimeneas


- Ley Media Diluida


LMD =


Nv 4340

Correccin 10%
Para Ag LMD = 12,06 Oz/TM LMD = 10,86 Oz/TM

Para Pb LMD = 0,26 % LMD = 0,24 %

Para Zn LMD = 0,63 % LMD = 0,57 %


Nv 4320

Correccin 10%
Para Ag LMD = 11,07 Oz/TM LMD = 9,96 Oz/TM

Para Pb LMD = 0,44 % LMD = 0,40 %

Para Zn LMD = 0,71 % LMD = 0,64 %


Chimenea

Correccin 10%
Para Ag LMD = 12,82 Oz/TM LMD = 11,54 Oz/TM

Para Pb LMD = 0,88 % LMD = 0,80 %

Para Zn LMD = 0,86 % LMD = 0,77 %



- Potencia Media Diluida


PMD =


Nv 4340 PMD = 0,86 m.

Nv 4320 PMD = 0,87 m.

Chimenea PMD = 0,83 m.

PotDi
LeyxPot) (

muestras N
PotDi) (
114


PASO 4: Dimensionamiento de Blocks














































115
PASO 5: Clculo de Leyes y Potencias Diluidas por Blocks


- Leyes Diluidas por Blocks


BLOCK A1

Para Ag. LMD A1 = 10,86 Oz/TM
LMD = Para Pb LMD A1 = 0,24 %
Para Zn LMD A1 = 0,57 %


BLOCK A2

) (
) (
LongxPotDi
xLeyDi LongxPotDi
Pot. Diluida Pot. Diluid Pot. Diluid
(m) (m) (m)
0,80 0,80 0,90
0,80 0,80 0,80
0,80 0,80 0,80
0,80 0,80 2,50
0,80 1,05
4,00 1,20
0,80
0,80
7,05

PMD (m) PMD (m) PMD (m)
Nv 4340 Nv 4320 Chimenea

0,80 0,88 0,83

Nv 4340
Longitud
27,50 m.
Ly Ag Cor. Ley Pb x Ley Zn x
x Pot Pot Pot
3,73 0,13 0,29
3,87 0,51 0,66
14,07 0,23 0,61
4,17 0,17 0,22
11,90 0,15 0,51
37,74 1,19 2,29

LMD Nv 4340 (27.50 m)
Ag Pb Zn
Oz/TM % %
9,43 0,30 0,57
Correccin 10%
8,49 0,27 0,51


Nv 4320
Longitud
42,00 m.
Ley Ag Corr. Ley Pb x Pot Ley Zn x Pot
x Pot
2,96 0,18 0,49
2,30 0,04 0,04
4,00 0,18 0,24
10,98 1,33 2,76
13,74 0,87 0,74
27,00 0,60 0,87
10,37 0,08 0,11
7,45 0,16 0,26
78,79 3,44 5,51


LMD Nv 4320 (42.00 m)
Ag Pb Zn
Oz/TM % %
11,18 0,49 0,78
Correccin 10%
10,06 0,44 0,70

116


















LMD A2 =



Para Ag. LMD A2 = 9,89 Oz/TM
Para Pb LMD A2 = 0,46 %
Para Zn LMD A2 = 0,66 %



BLOCK A3




















Chimenea
Longitud
18,00 m.
Ley Ag Ley Pb Ley Zn
x Pot x Pot x Pot
11,81 1,40 1,26
7,40 0,60 0,54
12,86 0,21 0,35
32,06 2,21 2,15


LMD Chimenea (18.00 m)
Ag Pb Zn
Oz/TM % %
12,82 0,88 0,86
Correccin 10%
11,54 0,80 0,77

ITEM
Long. Block PMD Producto
A2
Long A2 x
PMD
Nv 4340 27,50 0,80 22,00
Nv 4320 42,00 0,88 36,96
Chimenea 18,00 0,83 14,94
Suma 73,90

) (
) (
LongxPotDi
xLeyDi LongxPotDi
Pot. Diluida Pot. Diluid Pot. Diluid
(m) (m) (m)
0,80 0,80 0,90
1,10 0,80 0,80
1,00 0,80
2,90 2,50

PMD (m) PMD (m) PMD (m)
Nv 4340 Nv 4320 Chimenea

0,97 0,80 0,83

Nv 4340
Longitud
13,00 m.
Ly Ag Cor. Ley Pb x Ley Zn x
x Pot Pot Pot
5,38 0,17 0,66
13,22 0,27 0,83
26,91 0,20 0,58
45,51 0,64 2,07

LMD Nv 4320 (5.50 m)
Ag Pb Zn
Oz/TM % %
10,13 0,05 0,08
Correccin 10%
9,11 0,045 0,07


117




























LMD A3 =


Para Ag. LMD A3 = 12,18 Oz/TM
Para Pb LMD A3 = 0,45 %
Para Zn LMD A3 = 0,62 %



BLOCK A4


LMD A4 =



Para Ag. LMD A4 = 9,96 Oz/TM
Para Pb LMD A4 = 0,40 %
Para Zn LMD A4 = 0,64 %


Nv 4320
Longitud
5,50 m.
Ley Ag Corre. Ley Pb x Pot Ley Zn x Pot
x Pot
8,10 0,04 0,06
8,10 0,04 0,06


LMD Nv 4320 (5.50 m)
Ag Pb Zn
Oz/TM % %
10,13 0,05 0,08
Correccin 10%
9,11 0,045 0,07

Chimenea
Longitud
18,00 m.
Ley Ag Ley Pb Ley Zn
x Pot x Pot x Pot
11,81 1,40 1,26
7,40 0,60 0,54
12,86 0,21 0,35
32,06 2,21 2,15

LMD Chimenea (18.00 m)
Ag Pb Zn
Oz/TM % %
12,82 0,88 0,86
Correccin 10%
11,54 0,80 0,77


ITEM
Long. Block PMD Producto
A3
Long A3 x
PMD
Nv 4340 13,00 0,97 12,61
Nv 4320 5,50 0,88 4,84
Chimenea 18,00 0,83 14,94
Suma 32,39

) (
) (
LongxPotDi
xLeyDi LongxPotDi

) (
) (
LongxPotDi
xLeyDi LongxPotDi
118
BLOCK B1 BLOCK B2

Para Ag. LMD B1 = 10,86 Oz/TM Para Ag. LMD B2 = 9,96 Oz/TM
Para Pb LMD B1 = 0,24 % Para Pb LMD B2 = 0,40 %
Para Zn LMD B1 = 0,57 % Para Zn LMD B2 = 0,64 %


BLOCK C1 BLOCK C2

Para Ag. LMD C1 = 10,86 Oz/TM Para Ag. LMD C2 = 9,96 Oz/TM
Para Pb LMD C1 = 0,24 % Para Pb LMD C2 = 0,40 %
Para Zn LMD C1 = 0,57 % Para Zn LMD C2 = 0,64 %


BLOCK D1 BLOCK D2

Para Ag. LMD D1 = 10,86 Oz/TM Para Ag. LMD D2 = 0,96 Oz/TM
Para Pb LMD D1 = 0,24 % Para Pb LMD D2 = 0,40 %
Para Zn LMD D1 = 0,57 % Para Zn LMD D2 = 0,64 %


- Potencias Diluidas por Block


BLOCK A1

PMD A1 =


PDM A1 = 0,86 m.


BLOCK A2

PMD A2 =

Long
LongxPotDi) (

Long
LongxPotDi) (
Nv 4340 Nv 4320 Chimenea
Pot. Diluida Pot. Diluid Pot. Diluid
(m) (m) (m)
0,80 0,80 0,90
0,80 0,80 0,80
0,80 0,80 0,80
0,80 0,80 2,50
0,80 1,05
4,00 1,20
0,80
0,80
7,05

PMD (m) PMD (m) PMD (m)
Nv 4340 Nv 4320 Chimenea

0,80 0,88 0,83

119
ITEM
Long. Block PMD Producto
A2 Long A2 x PMD
Nv 4340 27,50 0,80 22,00
Nv 4320 42,00 0,88 36,96
Chimenea 18,00 0,83 14,94
Suma 87,50 73,90
Entonces:
PMD A2 = 0,84 m.


BLOCK A3

PMD A3 =










ITEM
Long. Block PMD Producto
A3 Long A3 x PMD
Nv 4340 13,00 0,97 12,61
Nv 4320 5,50 0,88 4,84
Chimenea 18,00 0,83 14,94
Suma 36,50 32,39
Entonces
PMD A3 = 0,89 m.


BLOCK A4

PMD A4 = PMD A4 = 0,87 m.


BLOCK B1 BLOCK B2
PMD B1 = 0,86 m. PMD B2 = 0,87 m.


BLOCK C1 BLOCK C2
PMD C1 = 0,86 m. PMD C2 = 0,87 m.


BLOCK D1 BLOCK D2
PMD D1 = 0,86 m. PMD D2 = 0,87 m.

Long
LongxPotDi) (
Pot. Diluida
Pot.
Diluid
Pot.
Diluid
(m) (m) (m)
0,80 0,80 0,90
1,10 0,80 0,80
1,00 0,80
2,90 2,50

PMD (m) PMD (m) PMD (m)
Nv 4340 Nv 4320 Chimenea

0,97 0,80 0,83

Long
LongxPotDi) (
120
PASO 6: Clculo de TM de cada Block

Para el clculo del rea de cada Block damos la forma de las figuras siguientes:






A trap. = A rect. = A trian. =


Entonces


Block Figura rea Real A Tajeada A Total PMD Volmen P.e. f1 f2 Tonelaje
m2 m2 m2 m m3 TM/m3 T.M.H
A1 Trapecio 319,20 0,00 319,20 0,86 274,51 2,50 0,88 1,00 603,93
A2 Trapecio 625,50 46,00 579,50 0,84 486,78 2,50 0,88 1,00 1.070,92
A3 Trapecio 166,50 0,00 166,50 0,89 148,19 2,50 0,88 1,00 326,01
A4 Rectngulo 480,20 0,00 480,20 0,87 417,77 2,50 0,88 1,00 919,10
B1 Trapecio 243,60 0,00 243,60 0,86 209,50 2,50 0,88 0,75 345,67
B2 Rectngulo 480,20 0,00 480,20 0,87 417,77 2,50 0,88 0,75 689,33
C1 Trapecio 157,50 0,00 157,50 0,86 135,45 2,50 0,88 0,50 149,00
C2 Rectngulo 480,20 0,00 480,20 0,87 417,77 2,50 0,88 0,50 459,55
D1 Tringulo 67,50 0,00 67,50 0,86 58,05 2,50 0,88 0,25 31,93
D2 Rectngulo 480,20 0,00 480,20 0,87 417,77 2,50 0,88 0,25 229,78


TOTAL 4.825,20



BxH
2
BxH
2
) ( xH b B+
121
C U A D R O R E S U M E N



PMD Tonelaje Leyes
Block m TMH Ag Pb Zn Categora
Oz/TM % %
A1 0,86 603,93 10,86 0,24 0,57 Po - Accesible
A2 0,84 1.070,92 9,89 0,46 0,66 Po - Accesible
A3 0,89 326,01 12,18 0,45 0,62 Po - Accesible
A4 0,87 919,10 9,96 0,40 0,64 Po - Eventualmente Accesible
B1 0,86 345,67 10,86 0,24 0,57 Pr - Eventualmente Accesible
B2 0,87 689,33 9,96 0,40 0,64 Pr - Eventualmente Accesible
C1 0,86 149,00 10,86 0,24 0,57 Pro - Eventualmente Accesible
C2 0,87 459,55 9,96 0,40 0,64 Pro - Eventualmente Accesible
D1 0,86 31,93 10,86 0,24 0,57 Pot - Inaccesible
D2 0,87 229,78 9,96 0,40 0,64 Pot - Inaccesible











Cutt Off
Ag Oz/TC 8,53
Pb % 0,18
Zn % 1,10

Cutt Off
Ag Oz/TM 9,40
Pb % 0,18
Zn % 1,10










ANEXO N 03
ABACOS O NOMOGRAMAS
123
124

125

126

REFERENCIAS BIBLIOGRFICAS

1. BARNES P., Marvin. (1980). COMPUTER-ASSISTED MINERAL
APPRAISAL AND FEASIBILITY. New York.
2. BERNUY V., Oscar (1982). GEOESTADSTICA Y APLICACIONES
MINERAS. Per.
3. CENTROMIN PER (1990). METODOLOGA SIMPLIFICADA PARA EL
CLCULO DE RESERVAS EN CUERPOS TABULARES EMPLEANDO
EL MTODO GEOESTADSTICO. Per.
4. DAGDELEN, Kradi. (2000). OPTIMIZACIN DE LEY DE CORTE.
CURSO INTERNACIONAL - UNIVERSIDAD NACIONAL DE
INGENIERA. Per.
5. DAVID, Michel. (1977). GEOESTADISTICAL ORE RESERVE
ESTIMATION. New Cork.
6. DONALD W. CENTRY. (1997). PLANEAMIENTO DE MINADO.
Colorado School.
7. GORDON E. GUMBLE. Edwin V. MINING ENGINEERING
HANDBOOK. Post. Walter E. Hill.
8. MARN S., Alfredo. (1974). SIMULACIN CON GPSS. Chile.
9. MATHERON, G. (1969). LES KRIGEAGE UNIVERSAL.
10. MEDSYSTEM. (1997). MANUAL DE CAPACITACIN PARA EL
SISTEMA DE CONTROL DE MINERALES. Tucson Arizona.
11. NEIRA A., Carlos. ALGORITMOS DE DISEO DE MINA A CIELO
ABIERTO. Per.
127
12. ORCHE G., Enrique. (1999). MANUAL DE EVALUACIN DE
YACIMIENTOS DE MINERALES. Madrid.
13. POTERICO, J. (1991) ESTUDIO COMPARATIVO ENTRE EL MTODO
CLSICO Y GEOESTADSITICO VETA RIQUEZA CIA. MINERA
PACHAPAQUI S.A. Huaraz-Per.
14. POTERICO, J. (2001). ALGUNOS ALGORITMOS DE DISEO DE
MINAS A CIELO ABIERTO. Huaraz-Per.
15. ROSSI, Mario Eduardo. (1989). INTRODUCCION A LA GEOSTADISTICA
APLICADA. GeoSystems International.
16. THOMAS LYON CHIMNEY CREEK. (1990). ORE CONTROL USING
COMPUTER.
17. THYS B., Johnson. (1969). OPTIMUN OPEN PIT MINE PRODUCTION
SCHEDULING. ANNUAL MEETING.
18. TULCANAZA N., E., (1992). TCNICAS GEOESTADISTICAS Y
CRITERIOS TCNICO ECONOMICOS PARA LA ESTIMACION Y
EVALUACIN DE YACIMIENTOS MINEROS. Chile.
19. UNIVERSIDAD NACIONAL DE INGENIERA. CURSO DE
ACTUALIZACIN INNOVACIONES TECNOLGICAS EN EL
PLANEAMIENTO DE MINADO PIM 95-II. Per.
20. W.D. DELAHAUT, J. A. CARR, G. HAWKINS. (1991). STATISTICAL
ANALYSIS OF BLASHOLE SAMPLING. Denver Colorado.