You are on page 1of 26

Facultad de Ciencias e Ingeniería

Especialidad: Ingeniería Geológica


Curso: MIN322 Geoestadística

M. Sc. Samuel Canchaya Moya


scanchaya@pucp.pe
Pierre M. Gy: El padre de la
“Theory of Sampling” (TOS)
 Nacido en París, Francia en 1924. Ingeniero químico (1946),
Doctor en Física (1960) y en Matemáticas (1975).
 Escribió 9 libros y alrededor de 175 “papers”.
 Sus principales obras fueron:
o (1979) Sampling of Particulate Materials; theory and practice Foto de ESBENSEN (2008)

o (1992) Sampling of Heterogeneous and Dynamic Material


Systems: Theories of Heterogeneity, Sampling and
Homogenizing
o (1998) Sampling for Analytical Purposes; Wiley, England;
153 p.
 Su legado principal:
o Los denominados: 7 Errores de P. Gy
o La famosa fórmula de P. Gy que relaciona la varianza de
muestreo con la masa de la muestra y el tamaño máximo de
los incrementos:
s2 = Kd3 (1/MS-1/ML)
2
WCSB: World Conference on
Sampling and Blending
Son los eventos internacionales de Muestreo más importantes, que se
realizan cada dos años impares. En forma paralela se realizan los eventos
“SAMPLING 20XX”, los años pares, en Australia y que convoca a los países
asiáticos..

WCSB ya realizados:
 WCSB1: Agosto del 2003, Esbjerg, Dinamarca; en honor a P. Gy
 WCSB2: Mayo del 2005 en Qeensland-Australia
 WCSB3: Octubre 2007 en Porto Alegre-Brasil
 WCSB4: Octubre 2009 en Cape Down, Sudáfrica
 WCSB5: Octubre 2011 en Santiago de Chile
 WCSB6: Noviembre 2013 en Lima-Perú
 WCSB7: Junio 2015 en Bordeaux-Francia

3
Exactitud y Precisión

Exactitud Precisión
sin Precisión sin Exactitud

Exactitud Ninguno
y Precisión

Exactitud: Cuando la media es insesgada


Precisión: La varianza del error debe ser pequeña
4
Muestra ideal:
“Insesgada y de varianza pequeña”

Insesgado
Varianza grande Sesgado
Varianza pequeña
MEDIA
MEDIA

Insesgado Sesgado
Varianza pequeña Varianza grande

MEDIA MEDIA

Exactitud: Cuando la media es insesgada


Precisión: La varianza del error debe ser pequeña
5
6

La importancia del muestreo

 El muestreo por ser la fase inicial de toda estimación


repercute en todas las actividades subsecuentes: de allí su
IMPORTANCIA.
 De nada vale el uso de equipos sofisticados durante el
análisis químico, ni de herramientas sofisticadas durante
la estimación de recursos si no están controlados los
errores, sobre todo durante el MUESTREO PRIMARIO,
que son los más importantes y gravitantes.
 Los errores son acumulativos (aditivos); por lo tanto se
debe minimizar su contribución durante todas las fases:
ENFOQUE SISTÉMICO
7

Conceptos y términos generales

Muestra (M): Parte o porción representativa de un población o dominio;


resultado de un procedimiento de muestreo equiprobable:
“cuando todos los componentes tienen
la misma probabilidad de ser elegidos”

Cuando el muestreo no cumple la condición de equiprobabilidad


sólo se obtiene un ESPECIMEN (E)

E M
Incrementos

Incremento: Grupo de partículas extraídas de un lote en una sola operación.


Muestra: Reunión de varios incrementos correctamente extraídos
…Definiciones preliminares:
 Variable aditiva.- Toda variable que tiene
un sentido físico intrínseco o que está
ponderada con algún soporte físico. Ejemplos:
Densidad, potencia de una veta, ley ponderada
por la potencia (“acumulación”), o por la
longitud del tramo muestreado.
 Batch: Conjunto de muestras analíticas y sus respectivas muestras de control,
que conforman una unidad . Debe ser sometida en su totalidad o en conjunto, a
procedimientos de preparación mecánica y análisis similares, no por partes.

 Conminución: Operación que reduce el tamaño de los fragmentos, ya sea


por: chancado, trituración y/o pulverización.

8
Definiciones preliminares:

 Soporte.- Volumen, peso o cantidad de datos


que sustenta el valor de una variable. Ejemplos:
La potencia de una veta, la longitud del tramo de
un DDH, los m3 de una muestra de morrenas, etc.

 Dominio.- Volumen, área o zona,


seleccionada o independizada de las
contiguos, para efectos de estudio.
Ejemplos: Zona de mineral primario,
zona de endoskarn, zona de alteración
argílica avanzada, volumen que
engloba las leyes mayores a 5 g/t Au,
etc.
9
El concepto del Soporte

 La muestra es siempre un diferencial


de volumen (dv), si se compara con el
Volumen (V) mayor al que representa.
 Cuando se asigna un valor encontrado
en el dv, a un volumen mucho mayor V
se produce un error denominado error
de extensión.
 Aún cuando se envía del campo una V
muestra apreciable (algunos kilos de
muestra) los analitos de laboratorio no
pasan de 1 gramo, en el mejor de los
casos.
 La reducción drástica del volumen de
la muestra, en los procesos de
preparación mecánica (muestreo
secundario), es la principal fuente de dv
error.
10
SOPORTE: Volumen, peso o cantidad de datos
que sustenta el valor de una variable. Ejemplos:
El concepto del Soporte La potencia de una veta, los m3 de una muestra
de morrenas, el peso de una muestra, etc.

“From – To”

Área La ley por si sola no tiene aditividad.


Se requiere: “ley ponderada”
(“acumulación”)

Volumen
V

Densidad = PESO
11
Los errores de P. Gy & F. Pitard

 FSE : Error fundamental


 GSE : Error de agrupamiento o segregación
 PIE1: Error de fluctuación de la heterogeneidad a corto plazo
 PIE2 : Error de fluctuación de la heterogeneidad a largo plazo
 PIE3 : Error de fluctuación periódica de la heterogeneidad
 IDE : Error de la delimitación de incrementos
 IEE : Error de extracción del incremento
 IWE: Error de ponderación de los incrementos
 IPE : Error de preparación de los incrementos
 INE: Error del Efecto de Pepita

12
Descripción de los errores de P. Gy & F. Pitard
TIPO CARACTERÍSTICAS OBSERVACIONES
Derivado de la heterogeneidad de Nunca se cancela; es el
FSE : Error constitución del material que está siendo único que permanece cuando
muestreado la operación de muestreo es
fundamental de (V.gr.: Las leyes varían entre fragmentos) perfecta. “Es el único que se
muestreo puede estimar con
antelación.”
Heterogeneidad debido a la estratificación Para minimizarlo: Buena
de los fragmentos dentro de la población de homogenización y mayor
GSE : Error de interés número de incrementos.
(V. gr.: Pequeños fragmentos asentados
agrupamiento o
hacia el fondo). La varianza de GSE es
segregación directamente proporcional a:
1. Heterogeneidad de constitución
2. Factor de agrupamiento
3. Factor de segregación (estratificación)

13
Diorita

Heterogeneidad:

3 cm 3 cm

2 cm

Calcita

Piroxeno

Cuarzo

40 µ 14
GY (1992): “Debemos remover la palabra
Heterogeneidad: HOMOGENEIDAD de nuestro vocabulario”

Analizador
de
cac Absorción
Atómica
ef

1 cm Siendo los iones de


Au más densos que
40 m las moléculas de
agua, se produce
una segregación
vertical por efecto
ef
de la gravedad.
cp
Modificado a partir de Gy (1999: 38).
15
Segregación:

La Segregación está en función a la heterogeneidad y


depende principalmente de:

La Granulometría: Los más gruesos tienden a


subir

La densidad o peso: Los más pesados se


concentran al fondo

16
Muestreo habitual en: Carros
Mineros, Camiones,
Contenedores y similares
O

17
La Ecuación Fatídica del Muestreo

IDE Fuerza de la gravedad

IWE IEE
GSE
g
HETEROGENEIDAD
POR DENSIDAD Y
MOVIMIENTO SEGREGACION
POR
GRANULOMETRÍA

IWE: Increment Weighting Error


IDE: Increment Delimitation error
IEE: Increment Extraction Error
GSE: Grouping Segregation Error
Homogenizador triaxial para 20 kg

19
ERRORES relacionados con la heterogeneidad
de lotes monodimensionales

TIPO CARACTERÍSTICAS OBSERVACIONES


PIE1 : Error de Tendencias espaciales no periódicas en Se originan por el efecto
fluctuación de la el material a muestrear, observables en pepita, errores sistemáticos de
heterogeneidad a periodos de tiempo cortos; debido a muestreo o análisis, etc. Se
heterogeneidad a pequeña escala: h1 reconocen con el variograma.
corto plazo (h1)
PIE2 : Error de Suele haber tendencias espaciales no Tendencias, “drifts” o
fluctuación de la periódicas en el material a muestrear; fluctuaciones de largo plazo.
heterogeneidad a originadas por la heterogeneidad Suelen ser reconocibles con el
introducida por tendencias de amplio variograma.
largo plazo (h2)
rango: h2
PIE3 : Error de Técnicas de procesamiento pueden Resultados sesgados de
fluctuación ser afectados por factores que varían naturaleza desconocida.
periódica de la periódicamente como las estaciones o Fácilmente reconocibles con el
la temperatura. Es la heterogeneidad variograma
heterogeneidad (h3)
introducida por fenómenos cíclicos.

20
ERRORES relacionados con
los Incrementos
TIPO CARACTERÍSTICAS CÓMO MINIMIZAR
IDE : Ocurre cuando cada componente del lote no Garantizar la equiprobabilidad de
Error de tiene igual oportunidad de constituirse en la extracción de cada incremento.
delimitación de muestra. Principales fuentes: muestreo Se debe tratar de usar diámetro
superficial, con palas, de carros mineros, mayores en la perforación.
incrementos
volquetes, o contenedores con decantamiento
de un líquido (humedad), forma inadecuada
de contenedores, etc.
IEE : Error de Cuando no se captura todas las partículas Usar aparejos y equipos correctamente
extracción del (generalmente por muy finas o muy gruesas = diseñados
incremento causa principal de sesgos)

IWE : Error de Ocurre cuando no se guarda una adecuada Cada incremento debe representar una
ponderación de proporción entre el peso y la masa de los cierta porción del lote y debe tener una
los incrementos incrementos, con relación al peso y la masa masa proporcional a la masa de dicha
de la muestra y de la entidad muestreada. porción

IPE : Error de Asociados con la manipulación, preservación Evitar: contaminación, alteración,


preparación de y procedimientos de laboratorio errores humanos, pérdidas, fraude,
21 etc.

incrementos
Estructura general de
los errores:

FASES DEL MUESTREO:


MUESTREO PRIMARIO (MP)
MUESTREO SECUNDARIO (MS)
ANALISIS (A)

ADITIVIDAD DE LOS ERRORES DEL MUESTREO:


EG = EMP + EMS + EA
EG = Error Global
EMP = Error en la fase de muestreo primario
EMS = Error en la fase de muestreo secundario o de preparación mecánica
EA = Error analítico

22
Magnitud de los errores en cada fase

Sesgo % Error
Fase Actividad
% relativo
Muestreo 100 a 1,000
Muestreo
1000 Transporte y
primario 1 a 100
almacenamiento
Preparación mecánica,
Muestreo 10 a 100 QA/QC
QA/QC 50 reducción correcto
secundario
actual Preparación química 5 a 20
0.1 a 1 Análisis Análisis 0.1 a 5
Según: Gy (1999:10) Compilado a partir de: Gy (1999:10); Gy & Francois-
Bongarson (1999) y Paski (2006)
Referencias
 Canchaya S. (2010) “QA/QC” ¿Realidad o Fantasía?.- XV Congreso Peruano de Geología, Cuzco 27 Set. Al 01 de
Octubre; 4p.

 Canchaya S. (2011) QA/QC in mining: reality or fantasy?.- 5ta Conferencia Mundial de Muestreo y Mezclas
(5WCSB), Santiago de Chile, 25 al 28 de Octubre del 2011; 7p.

 Esbensen, K. H. (2004) 50 years of Pierre Gy’s Theory of Sampling.- WCSB1; Esbjerg, Dinamarca.

 Gy P. (1999) Sampling for Analytical Purposes.- John Wiley & Sons, New York; 153p.

 Gy P. (1992) Sampling of Heterogeneous and Dynamic Material Systems. Theories of Heterogeneity, Sampling and
Homogenizing.- Elsevier, New York.

 Gy P. & Francois-Bongarson D. (1999) Seminario de Muestreo de Minerales.- Tecniterrae, Santiago de Chile.


Citado por Alfaro M. (2002) Introducción al Muestreo Minero.- Instituto de Ingenieros de Minas de Chile; 82p.

 Paski E. (2006) Taller internacional de muestreo geológico.- IIMP & Actlabs; Lima Abr. 2006; 120 p.

 Simon A. (2007) Control Sample Insertion Rate: Is there an Industry Standard?.- 23rd International Applied
Geochemistry Symposium, IAGS; Oviedo, Spain, June 2007; 9 p.

 Francois-Bongarcon D. (2005) The modeling of the Liberation Factor and its Calibration.- Proceedings 2nd World
Conference on sampling and Blending (WCSB2): 11-13.

 Francois-Bongarcon D. & Gy P. (2001) The most common error in applying “Gy’s Formula” in the theory of mineral
sampling an the history of the Liberation Factor.- In Mineral Res. And Ore Reserve Estimation; The AusIMMM Guide
to Good Practice; 67-72

 Francois-Bongarcon D. (2013) A new philosophy of application of QA-QC data processing. 6ta. Conferencia
Mundial de Muestreo y Mezclas 6WCSB Nov. 2013 Lima; 7p.

24
6ta. CONFERENCIA MUNDIAL
DE MUESTREO Y MEZCLAS
Hotel Marriot
19 al 22 de Noviembre
Lima PERU

Francis Pitard
Dominique
Francois
Bongarcon
25
Eventos importantes con participación activa:

QA/QC in Mining Reality or Fantasy? S. Canchaya

Density and Mechanical Competence


critical variables for Geomet Model S.
Canchaya
2
5-7 Dic. Santiago-Chile 2015
Efecto Proporcional Característica
frecuente en variables de Explorac.
6 6 Geoquímica (S. Canchaya)
Muestreo y QA/QC (S Canchaya)
3 19 al 22 de Noviembre 2013 Lima- Perú
Density Sampling for Resources Estimation and Geometallurgical
Purposes; Canchaya et al.
Sampling of Variables with Proportional Effect; S. Canchaya XVII Congreso Peruano de
Geología Oct. 2014 PUCP
El Modelo Geometalúrgico Strictu
Sensu (S. Canchaya)

Espectrometría FTNIR semi-cuantitativa, herramienta principal


para implementar la data geometalúrgica.- S. Canchaya

You might also like