NUEVO EXAMEN DE LA TEORIA DEL MUESTREO DE MINERALES EN PARTICULAS: UN PUNTO DE VISTA GEOESTADISTICO EFECTIVO PARA LA DETERMINACION DE LAS VARIANZAS

Y MASAS MINIMALES DE LAS MUESTRAS

D. FRANCOIS-BONGARCON Geostadstico Principal Mineral Resources Development, Inc. San Mateo, California

RESUMEN La teora y la prctica del muestreo de materiales en partculas han recibido una atencin continua por la industra minera mundial por ms de un siglo, debido a su importancia crtica en todas las fases de un proyecto minero, desde la exploracin hasta la produccin y la comercializacin. Una teora completa y poderosa ha sido creada por P. Gy (1982), pero sus aplicaciones a los minerales de oro han encontrado poco xito, porque sus frmulas de varianza y masas minimales de muestreo resultaron inadecuadas. Este trabajo presenta los resultados de un proyecto de investigacin iniciado en la compaa Inco Exploration and Technical Services Inc., utilizando la geoestadstica para clarificar los resultados obtenidos por Gy, ponerlos ms al alcance del non-especilista, y generalizarlos a fin de poder aplicarlos a todos los tipos de minerales. INTRODUCCION En un sitio lejano del Norte del Canad, un gelogo minero est sacando una muestra de 2 kg de un montn de mineral de plata. En otro continente, un gelogo de exploracin se prepara a perforar un pozo de 51 cm de dimetro en un depsito aluvial de diamantes. En un laboratorio de los E.U. un tcnico est separando 500 g de pulpa de menos de 200 mallas. En otro sitio, una compaa de carbn ha sacado una muestra del cargamento de un buque, y ahora, se est discutiendo si la calidad del cargamento cumple con los trminos del contrato de venta. Al mismo tiempo, un ingeniero de minas en una mina de oro a cielo abierto se pregunta si muestras de los tajos sern adecuadas para el control de las leyes. Todos estos profesionales tienen una preocupacin comn: cuan representativa es la muestra realmente ? El siguiente experimento simplificado va a poner las cosas en perspectiva. La mayora de la gente no tiene ningn problema para entender que si se saca una muestra de 60 g de un montn de 2 kg de arroz blanco en el cual se ha echado 100 granos de arroz negro (10 ppm por volumen), se tiene pocas probabilidades que la muestra permita estimar una ley cerca de la ley real de la mezcla de arroz. Tanto el experimento como la teora indican un error estandar de 58 % de la ley, y a menos que se obtenga exactamente 3 granos de arroz negro en la muestra (10 ppm), el error mnimo posible es de ms o menos un grano, esto es 33 % de la ley. Sin embargo, poca gente sabe que si se hubiera utilizado granos de metal en vez de arroz negro, el error estandar experimental se hubiera multiplicado por 4, a pesar de cualquier esfuerzo de homogenizar la mezcla antes de sacar una muestra (si no est convencido, prubelo !). Todava menos personas sabran por qu.

Aunque las implicaciones pueden ser crticas para el muestreo en las minas, los instrumentos que podran ayudar a los profesionales para resolver estos problemas no son conocidos, o no son percibidos como utilizables.

La cuestin de la representatividad de las muestras mineras se arrastra desde la antigedad, pero teoras generales de la varianza del muestreo con provisiones para las aplicaciones prcticas son muy reciente. Sola una es a la vez prctica y general, esta es la teora de Gy (Gy, 1982). Algunos casos especiales han sido tratados con provecho de puntos de vista un poco diferentes por varios autores (e.g. Ingamells and Switzer, 1973 - Visman, 1978 - Deverly, 1984 - Clifton et al., 1969), con resultados que confirman la teo Aunque el trabajo de Gy inspira respeto y admiracin, no ha recibido toda la atencin que merece de los profesionales en la industra y la academia. Las causas de esta situacin poco deseable se pueden encontrar en el aspecto esotrico de la mayora de las publicaciones sobre el tema. Esto es muy penoso, porque, aun cuando las demonstraciones matemticas de detalle no son necesarias para el profesional en general, un entendimiento del origen de la forma particular de las ecuaciones, y del significado de los parmetros, es muy necesario para adaptar las frmulas de los libros a una variedad de casos prcticos. Otra causa de la indiferencia de parte de los profesionales se encuentra en la necesidad de una generalizacin ms avanzada de la teora para que se pueda aplicar a ms tipos de minerales, incluyendo los de metales preciosos. Como ya se ha descrito (Francois-Bongarcon, 1991), estos asuntos han sido tratados con xito en la compaa Inco Exploration and Technical Services (I.E.T.S.) por medio de una investigacin emprica y terica: se han desarrollado las generalizaciones necesarias, tanto como las presentaciones ms intuitivas de la teora. Se espera que los resultados presentados en este trabajo contribuiran a clarificar la teora y la prctica de los mtodos de Gy, a hacerlos ms aplicables y ms comprensibles, y por lo mismo, crear instrumentos prcticos que cada gelogo, ingeniero de minas o compaa minera podr aplicar a sus problemas respectivos. ERRORES DE MUESTREO

En este trabajo, vamos a considerar solamente el problema del muestreo de minerales en partculas. El muestreo de minerales compactos (mineral in situ) ha sido tratado muy bien por las teoras y los instrumentos prcticos de la geoestadstica minera clsica. Estas teoras no forman parte de es Segn su naturaleza y/o etapa de pulverizacin, hay dos tipos de minerales en partculas: no-liberados y liberados. Se dice que el mineral es liberado cuando los componentes de interes estn completamente separados, tan bien que para todos los fines prcticos, el lote a muestrear se conoce como una coleccin de fragmentos de roca, o particulas, que son o mineral puro o ganga pura. La Tabla 1 presenta una clasificacin simplificada de los diversos orgenes de los errores esperados cuando se trata de estimar una cantidad de inters usando muestras. Con cuidado y experiencia, los componentes del Error Total de Muestreo que no son encuadrados en la tabla pueden ser eliminados o tan minimizados que pueden ser desechados. En particular, una buena parte de los trabajos de Gy, dedicada a los dispositivos y procedimientos de muestreo, estudia el Error de Delineacin y Extraccin en mucho detalle, con implicaciones importantes que ningn profesional minero puede ignorar (Gy, 1982). Los tres errores encuadrados en la tabla son los que no se pueden eliminar. Se pueden minimizar, en la mayora de los casos, con el mximo cuidado, pero no se pueden descuidar. Por esta razn, se deben cuantificar precisamente si se quiere tener un buen control sobre la representatividad de las muestras. El instrumento propio para cuantificarlos es sus varianzas relativas. El Error Fundamental de Muestreo El ms conocido de los tres errores es el Error Fundamental de Muestreo (FSE). Este es el valor mnimo que se puede obtener para el error restante promedio, esto es lo que de ninguna manera se puede eliminar completamente, aun cuando se ha manejado una homogenizacin perfecta del lote a muestrear. Refleja el

hecho que una muestra de 60 g de nuestra mezcla de arroz no nos dar generalmente la ley verdadera del arroz negro. La irreducibilidad del FSE se puede illustrar mejor en el caso extremo donde en la mezcla el arroz negro tiene una ley de solamente 0.1 ppm, entonces solamente un grano de arroz negro se encuentra en los 2 kg, tan bien que la ley de arroz negro en la muestra de 60 g tiene solamente dos valores posibles: 0., o 3.33 ppm cuando el grano se encuentra en la muestra. En este caso, el error relativo es de 3 333 % ! Ms tarde, vamos a desarrollar la cuantificacin del FSE, suponiendo que la muestra contiene fragmentos seleccionados uno por uno al azar en el lote. El FSE comenz a ser tratado, empricamente, al fin del siglo diecinueve, a partir de trabajos de Vezin, y desde este tiempo, la varianza relativa del muestreo ha sido representada por la frmula genrica bien conocida (y todava de actualidad como veremos):
R 2

(MS,d) = K. d / MS

(I)

Esta frmula relaciona la varianza relativa de precisin R2 con el tamao mximo o nominal d de los fragmentos de roca, y tambin con la masa MS de la muestra, por medio de una constante de muestreo, K, y de un exponente que tuvo tendencia a fluctuar a travs de la historia, esencialmente entre los valores 2 y 3, a menudo por razones intuitivas, empricas, y a veces falsas, lejos de cualquier consideracin cientfica. El trabajo presentado aqu se ha concentrado especialmente en dar a este exponente un contenido ms racional. Cuando el mineral est completamente liberado, esto es cuando la pulverizacin alcanza el tamao de "liberacin", la frmula de la varianza del FSE cambia. Si esto puede suceder, hay que recordar que en esta etapa, ms pulverizacin ya no cambia la variabilidad de los fragmentos individuales, y por esto, la formula (I) toma una forma particular que ser discutida ms adelante. El Error de Ensaye El Error de Ensaye (SAE) no se tratar en detalle aqu. Se puede calcular, en orden de magnitud, a partir de una serie de ensayes duplicados, una vez que se ha estimado los parmetros K y del FSE. Se recordar que la varianza de las diferencias es dos veces la del SAE, y que la varianza del FSE del muestreo de la pulpa tambin es parte de los resultados y tiene que substraerse si es necesario. El Error de Agrupamiento/Segregacin En la prctica, la muestra ni se saca del lote por seleccin al azar de fragmentos individuales, ni se saca como una muestra grande nica. En general, se constituye a partir de un cierto nmero de incrementos, o grupos, que contienen, cada uno, un gran nmero de fragmentos vecinos. Cuando el lote se ha homogenizado perfectamente, sacar incrementos en vez de fragmentos individuales no cambia la representatividad de la muestra resultante. El Error de Agrupamiento/Segregacin (GSE) se debe a la combinacin de este "agrupamiento" prctico de los fragmentos en la muestra y de una carencia de homogeneidad de distribucin de los fragmentos en el lote a muestrear (segregacin). Este error puede aumentar drsticamente la varianza total del muestreo, pero se cancela cuando no ocurre segregacin o agrupamiento. Aunque la idea contradiga nuestra intuicin, es casi imposible homogenizar con xito un lote de mineral en particulas solamente mezclndolo. Aqu, homogenizar significa darle a los componentes del lote una distribucin aleatoria en el espacio. En muchos casos, intentos de mezclar bien el lote antes de sacar una muestra resultan contraproducentes, esto es aumentan la segregacin, debido a una combinacin de factores, desde diferencias en gravedades especficas, hasta propriedades adhesivas o estticas diferenciales de los componentes. El comportamiento diferente de los granos de metal en el experimento con la mezcla de arroz demuestra claramente la existencia de errores de agrupamiento/segregacin, tan bien como las dificultades en minimizarlos. Adems, a veces, es posible que la homogenizacin no es una opcin. Por

ejemplo, no se puede homogenizar una pila grande de mineral acumulado, o el cargamento de un buque, antes de sacar muestras. Como el GSE es muy difcil de eliminar, y puede ser rdenes de magnitud ms grande que el FSE, vamos a estudiar tambin su cuantificacin, la cual no depende del grado de liberacin del mineral. Se debe notar aqu que se ha descubierto un mtodo para eliminar el GSE cuando la segregacin puede ser maximizada artificialmente. Este mtodo, a veces designado como "muestreo a propsito", consiste en poner artificialmente el lote en un estado de segregacin mxima de geometra conocida (e.g. en capas homogneas horizontales en un envase), y luego muestreando a travs las estructuras de la segregacin a fin de obtener una muestra en la cual todo el espectro de los valores segregados se encuentren en las proporciones adecuadas, como si los fragmentos se hubieran seleccionado al azar de un lote homogenizado, de modo de eliminar el GSE (en el ejemplo mencionado, la muestra sera un cilindro vertical). Otro mtodo consiste en sacar un nmero muy grande de incrementos, para acercarse al caso de la seleccin de fragmentos individuales, sobre el cual la segregacin no tiene influencia. NOTACIONES El resto de este trabajo es esencialmente tcnico, aun cuando las demostraciones se han mantenidas simples, esto es al mnimo estrictamente necesario para que el lector pueda entender el significado y el origen de los varios parmetros de las frmulas prcticas de clculo de varianzas. Antes de desarrolar las ecuaciones, definir a continuacin las notaciones empleadas. d MS, ML S, L NF, NG NL, N
2 R

2 FSE

p, X o tL t tS t, ti m o mi, m v v o vi, , i
i

, ', z2 M, G, f, g, c, D2(v|V)

Varianza relativa del FSE de la muestra Tamao nominal del Fragmento Masa de la muestra, del lote La muestra, el lote Nmero de fragmentos (= partculas), de grupos (= incrementos) en la muestra S Nmero de fragmentos en el lote L, al tamao corriente, al tamao de liberacin Proporcin, nmero de fragmentos de mineral puro en la muestra liberada Ley del lote L en el mineral de inters Ley de la muestra Ley del fragmento Masa del fragmento (o el fragmento mismo), su valor promedio Volumen del fragmento, su valor promedio Gravedades especficas Contribucin del fragmento individual a la varianza de la ley de los fragmentos Grado de segregacin Sub-ndices para el Mineral, la Ganga, los fragmentos liberados Factores de forma de fragmentos, de extensin de tamaos, de composicin mineralgica, y de agrupamiento, en la teora de Gy Varianza de la ley de un volumen v en un dominio ms grande V

ELEMENTOS DE LA GEOESTADISTICA DE LAS REGULARIZACIONES Y EFECTOS DE PEPITA El instrumento geoestadstico ms adecuado para describir un lote de mineral en partculas despus de homogenizarlo es el modelo de efecto de pepita puro. Por lo tanto es til introducir aqu el modelo continuo de la geoestadstica clsica de los efectos de pepita, porque nos va a ayudar a entender mejor los conceptos, parmetros y frmulas de la teora del muestreo.

En este modelo geoestadstico usual de la mineralizacin, las variaciones locales en la gravedad especfica usualmente se desatienden a la escala del estudio, y las leyes promedios de inters son promedios espaciales directos a travs de volmenes grandes de geometra conocida. La variable regionalizada correspondiente (e.g. la ley) no tiene ninguna correlacin espacial observable (esto es no alcance visible sobre el variograma a la escala del estudio, sugiriendo un modelo de variograma de efecto de pepita puro). La varianza de la ley de una muestra de volumen v en un lote ms grande V se puede poner en la frmula (Journel 1978, Matheron 1971): D2(v|V) = (1/v - 1/V).A (II)

donde, de paso, A = IC(h).dh es la integral de la funcin de covarianza C(h), sobre la distancia h, de las "microestructuras" inobservables, extendida al espacio entero. La integral A tiene la unidad de medida de una varianza multiplicada por la unidad de medida de v y V. Es un parmetro constante del modelo de variable regionalizada utilizado, independiente de los "soportes" (volmenes) v y V.

En este modelo, para cualquier volumen de medida p (e.g. tamao de una muestra), tambin te A = p.Co(p) (III)

donde Co(p) es la varianza de pepita (que se puede observar sobre el variograma) del volumen p Los geoestadsticos llaman "regularizacin" a la transformacin del modelo de variograma de un tamao de muestra p a un modelo con un soporte fsico ms grande q. La frmula (III) establece la regla de regularizacin de un modelo de efecto de pepita puro: Co(q) = (p/q).Co(p) (IV)

La varianza de pepita de cualquier volumen q entonces es inversamente proporcional a la medida de q. Consecuentemente, la regularizacin sobre un soporte q mucho ms grande que el soporte original p tiene un efecto drstico de reduccin sobre la varianza, siempre que sea toda debida a un efecto de pepita puro. Al contrario, la regularizacin de una estructura de transicin, esto es de un variograma sin efecto de pepita, con un alcance ms grande que los soportes considerados, tiene un efecto de reduccin mucho ms dbil sobre la varianza global de la variable. Estos conceptos son muy tiles para evaluar como la variabilidad de los fragmentos del lote de partculas se transforma en la (menor) variabilidad de una muestra multi-fragmental sacada del mismo lote: como se puede ilustrar con una simulacin, o averiguar con un experimento, una "pepitizacin", esto es una homogenizacin buena del lote despus de su pulverizacin, ser conducente a una reduccin drstica de varianza. Al contrario, en un lote muy segregado, o en la mineralizacin in situ, una gran proporcin de la variabilidad de los fragmentos puede decribirse con una estructura de transicin de alcance grande. En la presencia de un efecto de agrupamiento, esta porcin estructurada disminuir el poder de reduccin de varianza de la regularizacin por una muestra, posiblemente haciendo la varianza total del muestreo rdenes de magnitud ms grande que la del FSE solo. La frmula (IV) tambin representa un caso particular de una relacin volumen-varianza emprica originalmente establecida en base a datos agricolas (Smith, 1928). Esta relacin fue verificada experimentalmente para una variedad de modelos de variogramas incluyendo mezclas de efectos de pepita y de estructuras de transicin (Zhang et al., 1990) y expresa la relacin entre las varianzas de dos volmenes v y V en un dominio F como: D2(V|F) = (v/V)b.D2(v|F) (V)

donde b es un parmetro que vara desde 0 (continuidad extrema) hasta 1 (efecto de pepita puro, ie. frmula (IV) ), y generalmente encontrado entre los valores 0.17 y 0.45 en el mineral in situ. Esta relacin

se aplicar al mineral compacto dentro de los fragmentos del lote de mineral. Una justificacin adicional del uso de la relacin de Smith (V) es la de constituir una buena aproximacin para el caso particular del modelo de variograma de De Wijs, que es el mejor modelo conocido para la descripcin de las microestructuras dentro de los fragmentos (Francois-Bongarcon, 1991).

VARIANZA DEL ERROR FUNDAMENTAL DE MUESTREO - CASO DEL MINERAL NON-LIBERADO En esta seccin, la muestra ser considerada como una coleccin de fragmentos sacados al azar (modelo equiprobable) de un lote de mineral no-liberado, o equivalentemente, sacados en un incremento nico de un lote perfectamente homogenizado. A la inversa de lo que ocurre con el clculo clsico y muy simple de la varianza de la media de un nmero NF de valores sacados al azar de una cierta distribucin (error estandar de la media), el clculo riguroso de la varianza de la ley promedia de NF fragmentos de masas variables mi toma 11 pginas de clculos matemticos pesados, a pesar de simplificaciones (Matheron, 1966), y todava, el resultado es una aproximacin de primer orden. Entonces no buscaremos aqu un rigor absoluto. Tampoco pretenderemos ofrecer una demostracin corta. Ms bien, derivaremos el resultado por analoga, utilizando los simples conceptos geoestadsticos que acabamos de presentar, de una manera que le dar a las frmulas una forma directamente interpretable. Una vez que el mineral ha sido quebrado, posiblemente molido o pulverizado, y mezclado, las estructuras de transicin de media a gran escala que existan en la mineralizacin in situ se encuentran destruidas. Se puede decir que han sido "pepitizadas". Estas estructuras a veces se conocen como "correlaciones espaciales", "alcances de influencia", o "estructuras macroscpicas", pero no reflejan sino el estado natural de segregacin que llamamos ms comunmente "continuidad de mineral". En cambio, las estructuras que son ms pequeas que el tamao de los fragmentos quedan preservadas (estas son las que hemos llamado microestructuras), y estas solas son responsables las variacines de las varianzas de muestreo con el tamao de los fragmentos. El estado del lote todava se puede describir con un modelo de variograma. Este modelo aparece como un efecto de pepita puro a cualquier escala ms grande que el tamao de los fragmentos. El Modelo Discreto Real en el Caso de Masas Iguales En el caso discreto que nos interesa, las variaciones locales de la gravedad especfica ya no se pueden desatender a la escala y en las condiciones del estudio, y las masas y los tamaos de los fragmentos son desiguales. Consecuentamente, el modelo continuo de la geoestadstica de los efectos de pepita no se puede aplicar.

Por otro lado, en el caso de masas iguales donde todos los fragmentos tienen los mismos volmenes, masa, y gravedad especfica, las ecuaciones (II) y (III) pueden aplicarse (Francois-Bongarcon, 1991) a fin de expresar la varianza relativa de la muestra S en el lote L, esto es aqu la varianza del FSE, como DR2(S|L) =
2 FSE

= (1/MS - 1/ML).m.DR2(t|L)

(VI)

En esta ecuacin, DR2(t|L) es la varianza relativa de la ley t del fragmento genrico en el lote, que puede calcularse utilizando la frmula clsica: DR2(t|L) = (1/NL). i[ (ti - tL)2/tL2 ] (i=1,...NL) Consecuentamente, como se tiene m/ML = 1/NL:
2 FSE

= DR2(S|L) = (1/MS - 1/ML). i[ m.(m/ML).(ti - tL)2/tL2 ] (i=1,...NL) (VII)

que nos da la forma general de una aproximacin discreta de la integral A como suma de contribuciones individuales de cada fragmento de forma mi. i con:
i

= (mi/ML).(ti - tL)2/tL2 (VIII)

y, en este caso, mi = m para cada fragmento. El Caso General de Masas Desiguales

La frmula (VII) tambien nos da por analoga una generalizacin inmediata al caso de masas de
2 FSE

= DR2(S|L) = (1/MS - 1/ML). i[ mi.(mi/ML).(ti - tL)2/tL2 ] (i=1,...NL)

o, en una forma ms concisa:

FSE 2

= (1/MS - 1/ML). i(mi. i)

(i=1,...NL)

(IX)

donde i, definido en (VIII), es la contribucin del fragmento mi a la varianza total de la ley de los fragmentos en el lote. Se tiene que notar que por la variacin de masa y de volumen de los fragmentos, la contribucin de cada fragmento a su varianza total est ponderada ahora por la proporcin del fragmento en masa, mi/ML, en vez de 1/NL. Simplificaciones Prcticas La frmula (IX) es la frmula inicial de la teora del FSE de Gy. Sin embargo, no es aplicable de esta forma, porque las masas y la leyes de los fragmentos individuales no son conocidos. Siguiendo a Gy, vamos a introducir una simplificacin, en seguida volveremos a la frmula (VI) a fin de establecer una generalizacin que nos pareci necesaria cuando tratamos de aplicar los resultados de Gy a minerales de oro (FrancoisBongarcon, 1991).

De todas las caractersticas fsicas v, m, de un fragmento, v es probablamente el que tiene menos correlacin con la ley. De aqu la justificacin de la simplificacin orginalmente propuesta por Gy, que consiste en utilizar la frmula (IX) en el caso particular de volmenes iguales, con los volmenes individuales de los fragmentos reemplazados de hecho por el volumen promedio v. Al mismo tiempo, aplicamos tambin la relacin de Smith (V) a la frmula (VI) a fin de expresar la varianza de la ley de los fragmentos como funcin de la varianza que ellos tendran al tamao de liberacin. Finalmente, la frmula (IX) se
2 FSE

= (1/MS - 1/ML). .( / )b. ( . ) v v v

( =1,...N )

(X)

con el sub-indice

indicando que la suma se calcula al tamao de liberacin.

Adicionalmente, se puede ensear (Gaudin, 1926) que mientras se lleva la pulverizacin a cabo, la curva de distribucin de frecuencias de tamao (y por lo mismo de volmen) de los fragmentos se traslada a lo largo del eje del tamao (resp. del volmen) sin cambiar su forma. Consecuentamente, el valor v(qu) de cualquier cuantile qu puede relacionarse con el volmen promedio con una ecuacin del tipo v = g(qu).v(qu), donde g(qu) es una constante adecuada llamada el factor de extensin del tamao. Gy ha demostrado experimentalmente sobre una variedad de tipos de minerales que el cuantile de 95% es el mejor a utilizar, puesto que g(95) presenta la menor extensin de fluctuaciones experimentales alrededor de su valor promedio g = 0.25. Resulta que la distribucin de los tamaos de los fragmentos se representar optimamente por su tamao nominal d = d(95), esto es el tamao de la criba que produce un rechazo de 5 %, y el tamao nminal de liberacin por d = d (95).

Se espera tambien que la forma de los fragmentos es consistente a travs del lote y durante las etapas sucesivas de pulverizacin. Se puede entonces introducir un factor de forma f (generalmente igual a 0.5 para fragmentos aprximadamente redondos) tal que v(i) = f.d(i)3 para cualquier fragmento de volmen v(i) y tamao d(i). Consecuentamente, en (X): .( / )b = f.g.d3.(d /d)3b v v v La suma de los productos . in (X) (el factor c de composicin mineralgica de Gy) se puede explicitar al tamao de liberacin utilizando las leyes 0 y 1 de los fragmentos de ganga pura y de mineral puro, sus masas acumuladas MG and MM, y sus gravedades especficas respectivas G and ( . ) ( . ) ( =
iM

iM

iM

)+
M

iG

iG

iG

)
G

= [(1 - tL)/tL].[ .
M

.(1 - tL)+

.tL] = c

(XI)

/tL para los minerales de baja ley)

Finalmente, se obtiene la frmula prctica final:

FSE 2

= (1/MS - 1/ML).f.g.c.d3.(1-b).d

3b

(XII)

donde c es definido por (XI), y generalmente g = 0.25 y f = 0.5 (Gy, 1982). Cuando los fragmentos son aprximadamente de masas iguales, por supuesto, g = 1. En (XI), cuando el mineral puro no es metal puro, las leyes a utilizar son las leyes en el mineral de inters, posiblemente derivadas de las leyes de La frmula (XII) es de la misma forma que la frmula histrica (I) con = 3.(1-b) (el trmino 1/ML es usualmente eliminable). (XII) tambin es idntica a la frmula clsica de Gy, bien conocida, cuando b tiene el valor partiular b = 0.17 . En la prctica, cuando ya se conoce el tamao de liberacin d , o cuando ste se puede determinar o estimar bien, (XII) puede utilizarse directamente. En otros casos, (I) se uilizar, con los parmetros K y ajustados experimentalmente a partir de los resultados de un experimento de tipo rbol de muestreo. Despus se puede construir un nomograma para estudio y representacin grfica conveniente de los protocolos de muestreo (Francois-Bongarcon, 1991).

VARIANZA DEL ERROR FUNDAMENTAL DE MUESTREO - CASO DEL MINERAL LIBERADO Cuando la pulverizacin alcanza el tamao de liberacin, el lote puede ser considerado como una coleccin de fragmentos de ganga pura y mineral puro. Quebrando los fragmentos aun ms ya no aumenta su variabilidad. La razn de volmenes en (V) y (X) es convencionalmente igual a 1 siempre que v contine disminuyendo, y (XII) toma la forma particular:
2 FSE

= (1/MS - 1/ML).f.g.c.d3

(XIII)

En el caso de minerales de baja ley, una forma alternativa de (XIII) expresa esta varianza como una funcin del nmero X de fragmentos de mineral puro (e.g. partculas de oro, diamantes) en la muestra, en la forma:
2 FSE

= 1/X

Este resultado notable, muy til para estimaciones rpidas, se deduce facilmente de (XIII), y tambin se puede obtener fcilmente usando la ley de distribucin binomial. Ensea por ejemplo que se puede obtener una precisin mnima correspondiente a un intervalo de confianza gaussiano de +/- 50 % con probabilidad de 95%, tan pronto como el nmero esperado de partculas de mineral puro en la muestra alcan VARIANZA DEL ERROR DE AGRUPAMIENTO/SEGREGACION Modelos Estandar Gy propone un modelo de anlisis de la varianza en el cual la varianza total de muestreo, incluyendo la varianza del GSE, se escribe:
T 2

= (1 + . ).[(NF.(NG - 1))/(NG.(NF - 1))].

2 FSE

(XIV)

donde NF o NG son los nmeros de fragmentos y de grupos (incrementos) que constituyen la muestra, es un factor de segregacin entre 0 y 1, y = (NF - NG)/(NG - 1) se llama el factor de agrupamiento. Como para todos los fines prcticos, 1 << NG << NF, Gy propone la forma simplificada:
T 2

= (1 + . ).

2 FSE

y concluye que el error total de muestreo es la suma de dos errores independientes, el FSE y el GSE. Sin embargo, no propuso algn mtodo experimental de evaluar el factor de segregacin . Es interesante notar que si se reemplazan la cantidades de la forma N - 1, que vienen de estimadores uncesgados de las diversas varianzas, por sus valores correspondientes completos N, se obtiene el modelo determinstico subyacente ms simple:
T 2

= [1 + .(NF - NG)/NG].

2 FSE

(XV)

De manera similar, e independientamente, Visman propone una expresin de la varianza total como suma de dos trminos, uno en razn inversa a la masa de la muestra, el otro en razn inversa al nmero de incrementos:
T 2

= A/MS + B/NG

(XVI)

donde A y B son constantes de muestreo. En seguida, el define el grado de segregacin z tal que z2 = B/(A. ) donde es el nmero de fragmentos por unidad de masa. Comparando (XV) con (XVI), se ve fcilmente que z2 . cuando NG es eliminable en relacin a NF. Resulta que la teora de Visman es muy similar a la de Gy, con la diferencia mayor que Visman propone un mtodo prctico para estimar las constantes A y B (en aproximacin de primer orden) usando una serie valores de muestras pequeas y una de muestras grandes (Visman, 1978). Un Modelo Ms Intuitivo Estos dos modelos consisten realmente en definir el GSE como la diferencia del FSE al error total. Sin cuestionar la exactitud de las frmulas propuestas, nos parece apropiado proponer un modelo ms explicativo que le dar un contenido ms interpretable a las cantidades que intervienen. Para esto, se tiene que entender que el caso real se encuentra entre los dos extremos: el caso de la homogenizacin perfecta, donde solo el FSE existe, produciendo la varianza mnima absoluta, y el caso de segregacin total, donde la varianza de muestreo alcanza su valor mximo absoluto max2. En el primer

caso, las leyes de los fragmentos dentro de cada incremento presentan la variabilidad mxima. En el segundo, las leyes de los fragmentos se quedan casi constantes dentro de cada incremento, pero las leyes de los incrementos presentan la variabilidad mxima. Claramente, cuando el caso real pasa de un extremo al otro, un tipo de variabilidad se transforma progresivamente en el otro, y se puede entonces introducir un grado de segregacin convencional ' (lgicamente pero un poco ingenuamente) para cuantificar la extensin de esta transformacin. De aqu, se propone el modelo ms intuitivo sig
T 2

= (1 - ').

2 FSE

+ '.

max

(XVII)

En la condiciones que producen la varianza mxima, cada incremento se conduce como si fuera un gran fragmento nico. Puesto que se puede considerar que los fragmentos estn sacados al azar, la muestra tiene la misma varianza que una muestra de un nmero NG de fragmentos pequeos individuales, y
max 2

= (NF/NG).

2 FSE

= (MG/ m).

2 FSE

= [MG/(f.g.d3. )].

2 FSE

donde MG es la masa de cada incremento. Consecuentamente, el modelo final es:

T 2

= (1 - ').

FSE

+ '.[MG/(f.g.d3.)].

FSE

(XVIII)

Si la expresin entre angulares del segundo trmino de (XVIII) se reemplaza por su forma equivalente (NF/NG), se obtiene (XV). Por eso, ' = , y ltimamente, este modelo ms intuitivo es realmente el mismo que el de Gy. En adicin al mtodo de Visman, la frmula (XVIII) se puede utilizar directamente para evaluar experimentalmente el grado de segregacin (MS,d). CONSIDERACIONES EXPERIMENTALES E INVESTIGACIONES ADICIONALES Por falta de espacio, este trabajo es corto en ejemplos de aplicaciones. Por supuesto, el lector es referido a la bibliografa. Por abstractos que parezcan las frmulas (I), (XI), (XII) y (XVIII), es muy importante entender que son de hecho instrumentos completamente prcticos, listo para su uso. El curso de accin ms clsico para esto consiste en conducir un experimento de rbol de muestreo: un lote grande se pulveriza, se homogeniza y se muestrea por divisin en etapas sucesivas, hasta que sea completamente transformado en pulpas. En seguida, las pulpas se analizan, y las leyes de cada muestra se reconstituyen subiendo en el rbol. Cada etapa entonces genera un valor experimental de la varianza de las muestras correspondientes. La cantidad FSE2/(1/MS - 1/ML) de cada etapa se grafica en funcin del tamao nominal d en formato log-log, y el grfico se ajusta a una lnea recta. La pendiente de la lnea es el estimador de , y el exponencial de su valor al origen es un estimador de K. En cada etapa, ML es el MS de la etapa previa. Una vez que K y se han determinado, el tamao de liberacin d se puede determinar como subproducto. Despus, se puede utilizar el mtodo de Visman o ecuacin (XVIII) para determinar (MS,d) para un cierto estado del lote. En el curso de las investigaciones que nos condujeron a la generalizacin del exponente , encontramos que = 1.5 es un valor de substitucin estandar para minerales de oro, con K = 400-700 g/cm . Los trabajos de Gy indican que = 2.5 (o b = 0.17) sera un valor comn para varios metales de base. Estas investigaciones continan en la compaa I.E.T.S. para una variedad de minerales de nquel, y con respecto a los mtodos de evaluar los varios parmetros de muestreo, incluyendo el grado de segregacin. Se cree que pronto se encontrar un mtodo de estimar por lo menos K y directamente usando los datos de pozos. AGRADECIMIENTOS

La agradecemos a la direccin de de la compaa I.E.T.S. por su apoyo para este proyecto de investigacin y por autorizar la publicacin de este trabajo.

TABLA 1: REPARTICION TENTATIVA DE LOS ERRORES DE ESTIMACION * ERROR TOTAL DE ESTIMACION: TE= SE + GE + IE ** ERROR TOTAL DE MUESTREO: SE = CE + SAE ERROR DE TOMA DE MUESTRA: CE = LE + ME + FSE --ERROR DE UBICACION: LE ERROR DE REALIZACION: ME = DE + GSE o o -** ** ERROR DE DELINEACION Y EXTRACCION: DE ERROR DE AGRUPAMIENTO / SEGREGACION: GSE

ERROR FUNDAMENTAL DE MUESTREO: FSE

ERROR DE ENSAYE: SAE ERROR DE MODELACION: ME ERROR DE INTERPOLACION: KE

ERROR DE ESTIMACION GEOESTADISTICA: GE = ME + KE

ERROR DE INTERPRETACION GEOLOGICA: IE

BIBLIOGRAFIA Clifton, H.E., Hunter, R.E., Swanson, F.J., Phillips, R.L. 1969. Sample Size and Meaningful Gold Analysi s. In Shorter Contrib utions t o Econom i c Geology , U.S.G.S. Professi o n a l Paper # 625-C. Deverly, F. 1984. Doctoral thesis. Ecole Nationale Superieure des Mines de Paris. 158. Francois-Bongarcon, D. 1991. CIM Bulletin. 84 (950): 46-57.

Gaudin, A.M. 1926. An Investigation of Crushing Phenomena. Transactions AIME. 73: 253-316. Ingamells, C.O., Switzer, P.A. 1973. Proposed Sampling Constant for Use in Geochemical Analysis. Talanta. 20: 547-568. Journel, A.G., Huijbregts, Ch.J. 1978. Mining Geostatistics. Academic Press. London. 600.

Gy, P.M. 1982. Sampling of Particulate Materials, Theory and Practice. Elsevier. Amsterdam. 43

Matheron, G. 1966. Comparaison Entre les Echantillonages a Poids et a Effectifs Constants. Rev d e l'Industr i e Mineral e , August 1966. 609621. Matheron, G. 1971. The Theory of Regionalized Variables and its Applications, Les Cahiers du Centre d e Morpho logie Mt e ah m atique, Fascicul e 5. Ecole National Superie ure des Mines d e Paris. 212.

Smith, H.F. 1938. An Empirical Law Describing Heterogeneity in the Yields of Agricultural Crops Agricult u r a l Science s. 28: 123. Visman, J. 1978. A General Sampling Theory. Materials Research and Standards. 9 (11): 9-64. Zhang, R., Warrick, A.W., Myers, D.E. 1990. Variance as a Function of Sampleah m M Support Size. te atical Geology . 22 (1): 107121.