Criterios para categorizacin de Recursos

Minerales
CONSIDERANDO ASEGURAR EL LARGO PLAZO (FINO/AO) Y CORTO
PLAZO (FINO/MES)

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

RECURSOS MINERAL
Definicin: Recurso
Mineral (Cdigo CM2015)
Es estimado a travs de

muestreo y se clasifica de
acuerdo a confiabilidad
El RECURSO MINERAL
i.e. confianza relativa
de las
Es aquella
parte de unu
Recurso Mineral: Es una concentracin
u ocurrencia
de material natural, slido,
inorgnico
estimaciones
de tonelaje/ley,
yacimiento
de la cual se tiene
orgnico fosilizado terrestre,
de tal forma,
cantidad y calidad, que existen
perspectivas
confianza de la
una perspectiva
razonable
razonables para una eventual
extraccin
econmica.
La
localizacin,
tonelajes,
contenidos
de
continuidad geolgica y de los
para una eventual extraccin
los elementos o minerales decontenidos
inters, de
caractersticas
geolgicas y el grado
de continuidad de
metal,
econmica. Por lo tanto en su
la mineralizacin es estimada,
conocida
o interpretada
a partir de evidencias
geolgicas,
calidad, cantidad,
y distribucin
de
definicin
debemos hacernos
metalrgicas y tecnolgicas
especficas
los datos.
Se clasifica en Medido,
cargo de criterios tcnicos
Indicado o Inferido
econmicos: parmetros de
Leyes Corte y explicar los
Factores
o Supuestos Mineros,
El trmino Recurso Mineral cubre mineralizaciones y materiales naturales de inters
econmico
Metalrgicos

intrnseco los cuales han sido identificados y estimados a travs de actividades de exploracin,

reconocimiento y muestreo. De acuerdo al grado de confiabilidad existente, los Recursos Minerales se

categorizan en Inferidos, Indicados y Medidos

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

Categorizacin de los recursos depende de la confianza

(i.e. certidumbre o incertidumbre)

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

Variabilidad e Incertidumbre
o El concepto de la variabilidad denota fluctuaciones de valores sucesivos ya sea en el espacio
(variabilidad espacial) o el tiempo (variabilidad temporal)
o Por el contrario el concepto de incertidumbre, denota alguna situacin o valor para el cual hay un
conocimiento incompleto y por lo tanto donde nosotros requerimos distribuciones ms que un solo
valor

o La variabilidad es un fenmeno en el mundo de la fsica que puede ser medido, analizado y

apropiadamente explicado, por el contrario la incertidumbre es un aspecto de conocimiento

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

Categorizar implica clasificar incertidumbre

o La categorizacin de Recursos Minerales es un asunto que tiene que ver con la clasificacin de la
incertidumbre
o La incertidumbre depende de varios factores (no slo una cuestin de estimar leyes)

Muestreo: representatividad, calidad y cantidad de muestras

Modelo geolgico: conceptualizacin, zonacin de las unidades y control de los contactos entre unidades principales
Estimacin de leyes de elementos principales
Estimacin de leyes de los subproductos y elementos deletreos
Volmenes de produccin (soporte): en que horizontes nos interesa asegurar
Leyes de corte: a medida que mayor es la ley de corte, menor soporte y mayor efecto proporcional (variabilidad en
funcin de las leyes)
Aversin o tolerancia al riesgo
certidumbre prediccin riesgo
certidumbre prediccin riesgo

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

Debemos saber fortalezas y debilidades de los modelos

(i)
o Los modelos de Recursos Minerales se generan comnmente usando bases e datos de sondajes,
definiendo dominios a partir de un modelo geolgico y estimando en estos dominios mediante kriging
(ordinario)
o El proceso de evaluacin mencionado llevado con rigurosidad permite estimaciones que se ajustan a
los datos, se sustentan en modelos geolgicos plausibles y son in-sesgadas globalmente
o Sin embargo, aun usando las mejores prcticas estos modelos fallan en capturar dos aspectos crticos:
La Incertidumbre de leyes y tonelaje (geologa) solo es reducible hasta cierto grado (tomando mejores muestras,
aumentando la densidad del muestreo, mejorando el conocimiento geolgico, etc.), pero al final hay siempre una
incertidumbre irreducible y generalmente no despreciable. (efecto informacin)
La variabilidad espacial a una escala de produccin mina. Los modelos estimados por kriging son adecuados para la
planificacin de largo plazo, pero esto es a expensas del suavizamiento lo que conduce a enmascarar o eliminar el
impacto de la variabilidad espacial en periodos de tiempo ms cortos (efecto soporte)

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

Debemos saber fortalezas y debilidades de los modelos

(ii)
o Los modelos por kriging no permiten tener un rango de valores posibles en cada bloque, por eso se
dice que es un caso singular, y por lo tanto no podemos modelar la incertidumbre.
o Adicionalmente para minimizar el sesgo condicional las estimaciones por kriging son inevitablemente
suavizadas (es decir, la variabilidad de los bloques es menor que la de las muestras, la cual si
encontramos al operar la mina)
o Estas dos limitaciones de los modelos estimados por kriging contribuyen a la distorsin de la posterior
evaluacin de un proyecto
Otros aspecto que tendemos a alisar es el geolgico, por ejemplo, los modelos de alteracin o mineralizacin se
limitan a zonaciones de asociaciones de minerales reconocidos en los mapeos slo con lupa 10x
Lo anterior lleva a que simplifiquemos a un promedio la composicin mineralgica de estas zonas. Esto tiene un alto
impacto en el modelamiento geometalrgico

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

Definicin de limites de incertidumbre para categoras

Medido e Indicados
o Uno de los criterios ms aceptados por los especialistas para definir los lmites de la certidumbre
asociados a recursos en categoras Medidos e Indicados ha sido definido por MRDI (H. Parker)
o Para Para Recursos Indicados los sondajes son suficientes para estimar tonelaje, ley y metal contenido
en incrementos de produccin anuales dentro de un 15% a un 90% de confianza
o Para Recursos Medidos los sondajes son suficientes para estimar tonelaje, ley y metal contenido en
incrementos de produccin mensuales o trimestrales dentro de un 15% a un 90% de confianza
Para medir la exactitud y precisin de un modelo podemos realizar Reconciliaciones con un modelo de Corto Plazo
estimado con pozos de tronadura
Usando volmenes mensuales de extraccin reales podemos cubica ambos modelos y comparar

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

Cmo evaluar la incertidumbre de un modelo

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

Determinar respuesta de un modelo usando

reconciliaciones mensuales

Este grfico puede

aplicarse a
categoras
especficas: ejemplo
slo recursos
medidos o indicados

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

10

Usar Modelos de Incertidumbre

o Los modelos de incertidumbre se basan en simulaciones condicionales tanto de las leyes como de los
contactos geolgicos
o Entre otras aplicaciones permiten cuantificar la incertidumbre de un modelo en funcin de diferentes
factores

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

11

Caso Estudio 1: modelo incertidumbre yacimiento

xidos
o Se realiz un modelo de incertidumbre para la zona de xido y lixiviado a travs de simulaciones
condicionales
o El procedimiento consisti en:
o Simular el contacto de xido + lixiviado con el resto de las unidades
o Simular contacto xido-lixiviado

o Simular leyes de xido y lixiviado

o Combinar simulaciones de geologa y leyes para obtener diferentes modelos o escenarios de leyes en la
zona de oxidacin

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

12

Mapas de Probabilidad (% prob de superar cutoff

planta)
Cuerpo central explotado en el
pasado, homogneo, baja
probabilidad de errar entre lastre o
mineral

En este estudio los esquemas

de clasificacin se basaban en
las caractersticas del cuerpo
central, que se extrapolaban a
todo el yacimiento

Mineralizacin en zona sur (explotacin

actual) es ms errtica, mas contactos entre
lastre y mineral, implica mayor
incertidumbre respecto a si un bloque ser
mineral o lastre. Por lo tanto se debe aplicar
una diferente forma de clasificar los
recursos

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

13

Anlisis por Periodos

Cae Nivel de produccin y aumenta espaciamiento de la
malla de perforacin (aumenta variabilidad del error)

La malla de perforacin en
estos periodos asegura un
error menor a 4% con un
95% de confianza,
influenciado por altos
niveles de produccin.
TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

14

Caso Estudio 2: Error estimaciones segn mallas de

sondajes y leyes de corte
o Metodologa:
Creacin de 30 modelos de referencia (simulacin de geologa y leyes)
Creacin bases datos de sondajes ficticios a diferentes mallas
Estimacin de 30 modelos de recursos por cada malla de sondajes ficticios
Reconciliacin entre modelos de referencia versus modelos estimados por mallas

Estadstica y anlisis de los errores de estimacin por cada malla

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

15

Estadstica y anlisis de los errores de estimacin

por malla (i)
o Reconciliacin: se ha cubicado (tonelajes y leyes medias) tanto de los modelos de referencia como de
los respectivos modelos estimados segn diferentes mallas y diferentes leyes de corte
Se usaron 2 leyes de corte LC1: 0,35% Cut y LC2 = 0,50% Cut
La ley de corte es un variable que influye directamente en la reconciliacin

o Con la reconciliacin se ha determinado un error de la estimacin segn la ley de corte, la malla de

sondajes y segn diferentes volmenes de comparacin (soporte):
o En cada caso los errores se han calculado para el tonelaje, ley de Cu y el Cobre fino

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

16

Distribucin error por Mallas Secundario

Ley Corte = 0,35% Cut
Nota:
A esta ley de corte (0,35%) el
secundario muestra ms
variabilidad que el primario, los
errores mayoritariamente se
distribuyen en un rango de +10%

Malla
100 x 100
150 x 150
200 x 200
300 x 300

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

17

Distribucin error por Mallas Secundario

Ley Corte = 0,50% Cut
Nota:
En Secundario a esta ley de
corte (0,50%) y de igual forma
que en Primario la dispersin de
los errores aumentan y las
mallas se diferencias ms una
de otra

Malla
100 x 100
150 x 150
200 x 200
300 x 300

Las mallas 200 y 300 salen

del intervalo +- 15%

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

18

Distribucin error por Mallas Primario

Ley Corte = 0,35% Cut
Nota:
A esta ley de corte (0,35%) los
errores se distribuyen en rangos
bajos +- 8%

Malla
100 x 100
150 x 150
200 x 200
300 x 300
350 x 350

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

19

Distribucin error por Mallas Primario

Ley Corte = 0,50% Cut
Nota:
A esta ley de corte (0,50%) la
dispersin de los errores
aumenta y las mallas se
diferencias ms una de otra.

Malla
100 x 100
150 x 150
200 x 200
300 x 300
350 x 350

La malla 100 se limite en +-5%

La malla 200 est limitada en +10%
Las mallas 300 y 350 salen
del intervalo +- 15%

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

20

Anlisis Resultados
o Por lo tanto los resultados de la reconciliacin dependen de:

Unidad geolgica (La zona secundaria es ms variable que la zona primaria)

Volumen de comparacin (soporte), ms pequeo mayor incertidumbre
Espaciamiento de las mallas de sondajes
Ley de corte

TALLER CLASIFICACIN RECURSOS MINERALES - 7 JUNIO 2016

21