Este artículo explora los procesos cruciales de validación y categorización de recursos minerales, aspectos fundamentales para determinar el valor de una empresa minera y comunicar la calidad del recurso a los inversores. Se examinan las metodologías para validar modelos geológicos y de leyes, incluyendo comparaciones visuales, análisis de promedios por ubicación y variables de control, y técnicas de cambio de soporte. Se detallan las categorías de recursos según estándares internacionales, como Medido, Indicado e Inferido, y se enfatiza la importancia de la incertidumbre en la estimación del metal fino. Finalmente, se discuten herramientas geoestadísticas para la categorización, incluyendo la simulación condicional y la reconciliación de datos.
Validación, Categorización, Recursos Minerales, Reservas, Modelado Geológico, Leyes, Cambio de Soporte, Incertidumbre, Simulación, Reconciliación.
Contenido:
- Introducción a la Validación y Categorización: Se establece la importancia de la validación y categorización de recursos minerales para la industria minera. Se destaca que la validación determina la consistencia del modelo con los datos, mientras que la categorización define la calidad del recurso. Ambos procesos son esenciales para definir el valor de una empresa minera y comunicar información confiable a los inversores.
- Proceso de Validación: Se describen los pasos clave para validar un modelo de recursos minerales. Se enfatiza la comparación exhaustiva entre el modelo y los datos, tanto en el modelo geológico como en el de leyes.
- Validación Visual: Se comparan visualmente los datos con las leyes estimadas, utilizando herramientas como secciones transversales y mapas. Se busca identificar patrones y discrepancias entre el modelo y la realidad.
- Comparación de Promedios: Se comparan los promedios de leyes del modelo con los datos, considerando la desclusterización de los datos para evitar sesgos. El método de vecino más cercano (NN) se recomienda para estimar las leyes a un bloque pequeño, asegurando la participación de la mayoría de los datos.
- Promedios por Variables de Control: Se comparan los promedios de leyes del modelo y los datos por variables de control, como zonas mineralizadas, tipos de sulfuros y dominios de estimación. Se analiza la diferencia porcentual entre el modelo y los datos para identificar posibles áreas de sobreestimación o subestimación.
- Leyes Medias por Ubicación: Se utilizan sistemas de coordenadas para validar las leyes medias por ubicación. Se comparan los promedios de leyes del modelo con los datos utilizando gráficos de distancia, lo que permite visualizar las tendencias y diferencias.
- Validación por Ploteo Swath: Se analizan las leyes del modelo y los datos a lo largo de secciones transversales (swaths) para verificar la continuidad de la mineralización y la precisión del modelo. Se comparan las leyes estimadas con los datos utilizando gráficos que muestran la distribución de leyes y el volumen de material.
- Chequeo en Bloques Grandes: Se define un modelo de bloques nuevo con bloques más grandes (3x3x3 veces el modelo original) para realizar chequeos a escala mayor. Se promedian el modelo y los datos por unidad de estimación y se comparan los promedios en gráficos de dispersión (scatterplots). Se considera la densidad de los datos para interpretar los resultados.
- Cambio de Soporte: Se realizan cálculos de cambio de soporte para determinar la distribución teórica de las leyes de los bloques. Se comparan las curvas tonelaje-ley estimadas con las teóricas para evaluar la consistencia del modelo y detectar posibles suavizamientos en los estimados.
- Categorización de Recursos: Se explican las categorías de recursos según estándares internacionales, como el Código JORC de AusIMM y NI 43-101 de CIM.
- Tipos de Recursos: Se definen las categorías de recursos Medido, Indicado e Inferido, basándose en la continuidad geológica y la densidad de datos. Se aclara que solo los recursos Medido e Indicado pueden convertirse en reservas.
- Factores a Considerar: Se mencionan factores que influyen en la categorización, como la densidad de datos, la geología del depósito y la incertidumbre en la estimación del metal fino. Se resalta la importancia de considerar la incertidumbre en la cantidad de metal y no solo en las toneladas y leyes.
- Herramientas Geoestadísticas para la Categorización: Se presentan herramientas geoestadísticas para la categorización de recursos.
- Herramientas Comunes: Se listan herramientas como la distancia a la muestra más cercana, las dimensiones de la malla de perforación, la varianza de kriging para bloques pequeños y grandes, la simulación condicional y la extrapolación a partir de la reconciliación.
- Simulación Condicional: Se utiliza la simulación para evaluar la incertidumbre en la estimación del recurso. Se generan múltiples realizaciones del modelo que cumplen con los datos disponibles y la variabilidad espacial definida por el variograma. Se analizan las estadísticas de las simulaciones para determinar la incertidumbre en el tonelaje, la ley y la cantidad de metal.
- Reconciliación: Se compara el modelo con los datos de producción para evaluar su precisión y detectar sesgos. Se analiza la diferencia entre el modelo y los datos en función del espaciamiento entre sondajes. Se busca una correlación entre el espaciamiento y la incertidumbre para determinar el espaciamiento óptimo que minimice la incertidumbre en la estimación del recurso.
- Suavizamiento de la Categoría del Recurso: Se reconoce que el proceso de estimación puede suavizar la categoría del recurso, lo que puede afectar la toma de decisiones. Es importante tener en cuenta este factor al interpretar los resultados de la categorización y al planificar la explotación del yacimiento.
Autor:
La fuente no menciona al autor de la presentación.
Fecha de Publicación:
La fuente no especifica la fecha de publicación.
Link de descarga: Aquí
