Explorando el Núcleo de la Geometalurgia:
Procesamiento de Datos, Ingeniería de Atributos y Más
Adéntrate en el Capítulo IV de este curso de geometalurgia, un borrador crucial que ilumina el camino hacia la comprensión del procesamiento de datos, la ingeniería de atributos (feature engineering), el concepto de dominios, la representatividad de muestras y las técnicas de visualización esenciales. Descubre cómo la visualización 3D y la visualización de logueo son herramientas poderosas para analizar los datos de los yacimientos de Atacocha y El Porvenir.
Visualización 3D
Este capítulo sienta las bases para el análisis de datos robusto, crucial para la toma de decisiones informadas en la industria minera. Aprende sobre la importancia de la continuidad y la explicación geológica de los dominios, así como los criterios de representatividad basados en leyes y litología. Este borrador ofrece una visión fundamental para optimizar la caracterización de yacimientos y mejorar los procesos geometalúrgicos.
Contenido Detallado:
I. Procesamiento de Datos
- Esta sección introduce la etapa inicial del trabajo geometalúrgico, donde la información bruta comienza a tomar forma para su análisis posterior.
II. Feature Engineering (Ingeniería de Atributos)
- Se enfoca en la creación de nuevas variables o features a partir de los datos existentes, como leyes (plomo, zinc, cobre, plata) y litología (caliza, mármol, skarn, intrusivo).
- También considera el body (cuerpos mineralizados como Ore Body 10, 18, 23, Anita, Veta LA 27) y la localización (Open Pit, Underground) como features principales.
- Se exploran los features derivados, como los ratios Pb/Zn y Fe/S.
- El flujograma de geometalurgia destaca la integración de litología, alteración, mineralización, fases, BWi, recuperación, grado, tonelaje, producción y ahorro de reactivos en la generación de features.
III. Dominios
- Los dominios deben tener continuidad (global o local) y pueden estar dispersos o con concentración local.
- La continuidad de estructuras puede ser útil, incluso sin continuidad de bloques, especialmente en vetas angostas y fallas.
- Un principio clave es que los dominios deben ser explicados por algún fenómeno geológico.
- Las fallas fatales o mal rendimiento deben ser aislados primero al definir dominios.
- Los dominios deben ser útiles para la planificación minera y ser significativamente distintos.
IV. Representatividad
- La representatividad se define como la medida en que la muestra exhibe las mismas características que el depósito a representar.
- Las muestras son representativas si presentan características similares en conminución (relacionado con litología y orebody) y flotación (relacionado con textura, tamaño de grano, ley de cabeza, contenido de arcillas).
- Se mencionan muestras metalúrgicas para Atacocha (AT) y El Porvenir (EP).
- Para Atacocha, se seleccionaron 30 muestras, con criterios de distribución de leyes (Zn, Pb, Cu, Ag, Mn) y distribución de las unidades litológicas y principales cuerpos mineralizados a minar en 2018, tanto de Underground (20%) como de Open Pit (80%).
- Para El Porvenir, también se seleccionaron 30 muestras con criterios similares de distribución de leyes (Zn, Pb, Cu, Ag), unidades litológicas y cuerpos mineralizados a minar en 2018. Sin embargo, posteriormente se indica que se utilizaron 15 muestras para pruebas metalúrgicas.
- Se presentan bases de datos de muestras para El Porvenir, incluyendo información del sondaje, orebody, unidad litológica, esquema, P80, y análisis químicos (Ag, Cu, Pb, Zn, COT, S=, S, etc.).
- Los criterios de representatividad para Atacocha incluyen leyes (Pb, Zn, Cu, Fe, Bi, Ag), litología, cuerpos mineralizados y distribución espacial dentro del depósito. Se muestran gráficos comparando la distribución de leyes de Pb, Ag y Cu entre el block model y las muestras de Atacocha (UDGR-BM, UDGR-Sample, OpenPit-BM, OP-Sample). También se compara la matriz Litología – Orebody entre el block model y las muestras underground de Atacocha.
- Los criterios de representatividad para El Porvenir incluyen leyes de Plomo y Zinc, comparando su distribución entre el block model y las muestras. También se compara la matriz Litología – Orebody entre el block model y las muestras de El Porvenir.
V. Visualización 3D
- Se mencionan vistas de planta e isométricas para Atacocha y El Porvenir.
VI. Visualización de Logueo
- Se indica la visualización de logueo para Atacocha y El Porvenir.
VII. Análisis de Datos
- Se introduce la etapa de análisis de datos como parte del flujo del capítulo.
- Se menciona el uso de bases de datos de perforaciones para El Porvenir (sondajes 2016-2018, Zn > 0.01%) y Atacocha (sondajes UG y OP, Zn > 0.01%).
- Se indica el análisis de Perforaciones: Orebody – Matriz de Correlación para varios orebodies de Atacocha (Ore Body 10, 17, 1, Adela) y El Porvenir (Socorro1, Veta 1204 A, Veta Carmen Norte 3, Veta Exito).
- También se menciona el análisis de Perforaciones: Litología – Matriz de Correlación para diferentes litologías (BRTC, Skarn, MRML, MASS, CALC) en Atacocha y El Porvenir.
Autor y Fecha de Publicación:
- Autor: Compañía Minera Nexa
- Fecha de Publicación: 2018 (implícito en la información del taller)
Link de descarga: Aquí
