Diagrama de flujo mostrando las cinco etapas de la definición multivariada de dominios espaciales en un contexto geometalúrgico, desde la definición inicial hasta la generación de modelos espaciales.
Publicado enTaller Geometalurgia - Las Bambas

DEFINICIÓN MULTIVARIADA DE DOMINIOS ESPACIALES

Publicado enTaller Geometalurgia - Las Bambas

Marco Geometalúrgico y Unidades Fundamentales

La definición de dominios espaciales dentro de un marco geometalúrgico es crucial para comprender y optimizar procesos mineros. Este enfoque se basa en la identificación de unidades geológicas y zonas minerales clave, considerando atributos como litología, alteración, mineralización, leyes, estructuras y texturas. El análisis exhaustivo incluye análisis químicos, petrografía, difracción de rayos X (DRX), tests de dureza (Spi, Axb, Bwi), ICP, mineralogía QEMSCAN, tests de flotación (Recuperación) y tests de reología (Vel. sedimentación).

Data Mining y Análisis Multivariado para la Reducción de la Dimensionalidad

La aplicación de Data Mining y análisis multivariado es fundamental en la definición de dominios. Estos métodos estadísticos multivariados analizan conjuntos de datos con múltiples variables, proporcionando un entendimiento profundo del fenómeno en estudio, algo que los métodos univariantes y bivariantes no logran. Técnicas como regresión lineal múltiple, análisis factorial – componentes principales, análisis clúster y árboles de decisión permiten reducir la dimensionalidad del problema y encontrar patrones significativos en los datos. El uso combinado de variables cuantitativas y cualitativas en estos análisis enriquece la caracterización de los dominios.

Aplicaciones y Metodologías en Proyectos Mineros

La definición de dominios se aplica en diversas etapas de proyectos mineros, desde la selección de muestras hasta la generación de modelos espaciales multivariados. Estudios de caso como el Proyecto Recuperación de Cu y el Proyecto Modelo Fe y S ilustran el uso de análisis univariado, componentes principales, análisis clúster (TwoStep Cluster) y árboles de decisión para identificar dominios basados en propiedades geológicas y mineralógicas que influyen en procesos metalúrgicos como la flotación (Recuperación Cu). Estos análisis permiten relacionar variables independientes con una variable dependiente de interés, generando dominios específicos para la estimación de elementos como Fe y S, diferenciados por litología, alteración y zonas de mineralización. La definición precisa de estos dominios tiene implicaciones importantes para el procesamiento metalúrgico, afectando la distribución de minerales como la calcopirita y el oro, y considerando la mineralogía de ganga.

Contenido:

DEFINICIÓN DE DOMINIOS

  • MARCO GEOMETALÚRGICO
    • Proceso iterativo con etapas desde la definición multivariada hasta la solución óptima y robusta.
  • UNIDADES GEOLÓGICAS
    • Consideración de litología, alteración, mineralización, leyes, estructuras, texturas, análisis químicos, petrografía, difracción de rayos X, test de dureza, ICP, mineralogía QEMSCAN, test de flotación, y test de reología.
  • DATA MINING Y ANÁLISIS MULTIVARIADO
    • Conjunto de métodos estadísticos multivariados para analizar datos con múltiples variables.
    • Proporciona un mejor entendimiento del fenómeno en estudio.
    • Permite reducir la dimensionalidad del problema.
    • Las variables pueden ser cuantitativas y/o cualitativas.
    • Métodos de análisis multivariados:
      • Regresión Lineal Múltiple, No Lineal y Logística: Analiza la relación entre una variable dependiente métrica y varias variables independientes también métricas, para predecir la variable criterio.
      • Análisis Factorial – Componentes Principales: Reduce la dimensión de grandes tablas de datos, encontrando combinaciones de variables iniciales para sintetizar la información y retener componentes con alta variabilidad inicial. Se aplica a variables cuantitativas.
      • Análisis Clúster: Clasifica observaciones en grupos homogéneos y diferentes entre sí, basándose en la suposición de subpoblaciones dentro de los datos. Permite agrupar datos por variables continuas (leyes) y categóricas (mineralogía) como dureza, ley, litología y alteración. Puede utilizarse con análisis de componentes principales para mejorar la agrupación.
      • Árboles de decisión: Estructura en forma de árbol con decisiones sucesivas para clasificar datos en subgrupos disjuntos. Útiles para exploración inicial de datos con gran cantidad de información e incertidumbre sobre las variables explicativas. El valor final corresponde a la moda (variable categórica) o la media (variable continua).

PROYECTO RECUPERACIÓN DE CU

  • ALCANCES Y OBJETIVOS: Identificar propiedades geológicas y mineralógicas que influyen en la flotación (Recuperación Cu).
  • ANÁLISIS EXPLORATORIO:
    • Análisis Univariado: Distribución de litología y alteración, y Recuperación Cu según estas variables.
    • Test de Hipótesis: Evaluación de la adecuación de muestreo (Kaiser-Meyer-Olkin), esfericidad (Bartlett) y porcentaje de variabilidad explicada al reducir la dimensión.
    • Resultados Componentes Principales:
      • CP1: Alteración biotítica y clorítica asociada.
      • CP2: Mineralización secundaria.
      • CP3: Alteración potásica y presencia de albita. Calcopirita menos abundante pero de grano mayor (¿mineralización en vetas/vetillas?).
  • ANÁLISIS DE CONGLOMERADOS:
    • Análisis Clúster en dos fases (TwoStep Cluster): Agrupación de muestras por relaciones (positiva o negativa) usando variables continuas y categóricas.
    • Resultados:
      • Clúster 1: Relativo a la mineralización supérgena.
      • Clúster 2: Relativo a la alteración fílica.
      • Clúster 3: Relativo a la alteración potásica.
  • DISTRIBUCIÓN DE CLÚSTER: Distribución espacial de las muestras y de las variables de geología por clúster.
  • ÁRBOLES DE DECISIÓN: Búsqueda de la relación entre variables independientes/predictivas y la variable dependiente de interés. Cada clúster es analizado a través de decisiones para generar resultados.

PROYECTO MODELO FE Y S

  • COMPONENTES PRINCIPALES FE: Reducción de la dimensión del problema. Relación importante de Fe con lito, alt, midx y midy.
  • ANÁLISIS CLÚSTER FE: Fuerte relación entre Fe y las variables geológicas. Generación de dominios para la estimación de Fe en el modelo de bloques.
  • DOMINIOS DE FE: Modelo de bloques diferenciado por dominios de Fe, caracterizados por cantidad de datos, porcentaje de datos, litología, alteración, zona de mineralización y estadísticas descriptivas de Fe (media, desviación estándar, coeficiente de variación, min, max, mediana) por Unidad Geológica (UG).
  • ANÁLISIS MULTIVARIADO S: Relación importante entre S y ag, bi, tcu, cnscu, min y ascu.
  • DOMINIOS DE S: Modelo de bloques diferenciado por dominios de la variable S, definidos por zona de mineralización, litología, alteración y estadísticas descriptivas de S por Unidad Geológica (UG). Se utiliza un Árbol de Decisión para definir los dominios de estimación de S.

DOMINIOS E IMPLICANCIA

  • Relación entre parámetros mineralógicos y posibles implicancias para el procesamiento metalúrgico.
  • Ejemplos de dominios geológicos, geoquímicos, mineralógicos, texturales y de alteración en diversos proyectos mineros.

Autor y Fecha de Publicación:

  • Autor: Valeria Ortega
  • Fecha de Publicación: No se especifica en el documento.

Link de descarga: Aquí