Desarrollos recientes en el campo de la estimacion de recursos mineros Sociedad Geologica del Peru 10 Febrero 2015, Lima Ing. Daniel Guibal, FAusIMM (CP) Corporate Consultant – SRK Consulting

Daniel Guibal • Geoestadistico • MSc (Matematicas y Geoestadistica), Ecole Nationale Superieure des Mines de Paris, 1973 • Ingenieur Civil des Mines (Ingeniero de Minas), Ecole Nationale Superieure des Mines de Nancy, 1971 • Centro de Geoestadistica (hasta 1982) • Minero Peru (1974 – 1976) • Consultor in Australia desde 1983 (Siromines, Geoval, SRK Consulting) • FAusIMM (CP), GAA

Introduccion • No se van a cubrir aqui todos los desarrolos recientes..Tiempo! • Eleccion de algunos temas que me parecen muy importantes

Factores fundamentales • Codigos para Informar sobre Recursos Minerales y Reservas de Mena (JORC 2012, CMMI/NI 43101, SAMREC, CRIRSCO, BVL) • Poder de las computadoras: Hardware y Software

Codigos (Jorc 2012) • Tres principios basicos – Transparencia – Materialidad – Competencia (CP, QP, PC)

• Tabla 1: normas (Si un tema no se comenta, debe explicarse por que), in particular: precision (?) de la estimacion. • Recurso debe “tener perspectivas razonables para una eventual extracción económica”

Codigos (Jorc 2012) (2) • Consecuencias para estimacion – Mas atencion a la calidad de los datos – Mediciones topograficas, de orientacion, desvio – Muestreo, QA/QC: mucho progreso en ese campo

• Negativo: resistencia al uso de metodos innovativos, todavia no establecidos por miedo a auditoria (No se justifia, pero..) • Clasificacion de recursos (Criteria? Perro manchado o “spotted dog”)

Modelamiento Geologico Dominios • Tradicional metodo: Planes, Secciones, W/F • Problemas: numero de orientaciones limitado, toma tiempo en complejos contextos geologicos, formas son sujetivas, a veces inconsistentes a 3d, actualizacion dificil.

Modelamiento Geologico 3D Modelamiento explicito vs.. Modelamiento implicito 3D

VS.

Manual

Matematico

Modelamiento Implicito • Ventajas: – – – – – –

Rapidez, actualizacion facil, verdadero 3D Economico comparado a 2.5D Menos posibilidad de introducir sesgos Se puede incorporar observaciones geologicas Muy poco manual input Permite definicion mas rigorosa de dominios geologicos – Los modelos pueden reproducirse sin problemas (auditoria) – Se pueden probar multiples modelos, lo que permite une evaluacion cuantitativa de los riesgos

Modelamiento Implicito (2) • Desventajas: – Todavia existe en un limitado numero de software, pero cambia muy rapidamente – Problemas con geologias muy complejas (modelamiento explicito no funcionaria tampoco) – Deterministico, no probabilistico – Problema de cambio de soporte si se hace contorno de leyes – Desconfianza de parte de un sector de geologos – Todavia en desarollo – Se necesita una formacion a la tecnica y – “Demasiado bonito para ser verdad”

Ejemplo - gOcad Faulted S-grid of coal seam Australia

Modelling of Archean greenstone belt, Canada Fault network, greenstone belt, Canada

Ejemplo: 3D Geo Modeller

Geomodeller model of fault network around Porcupine-Destor camp, Canada

Geomodeller model of the Udokan copper resource , Russia

Ejemplo: Leapfrog

Lithological solids in a copper porphyry system Leapfrog iso-surfacing of grade built from drill hole and map data using Leapfrog shells (Au ppm) from drill hole data

Geometalurgia • Muy a menudo, tratamiento/ metallurgia = parte la mas costosa de un proyecto (Ej: cobre) • Modelos de variables geometalurgicas (minerales, dureza, etc) • Problema de datos (Se necesitan!) • Problema de modelos (variables son a veces semi-cuantitativas a lo mejor)

Problemas de estimacion • Analisis de contactos: duro

Analisis de contactos Blando (Soft)

Kriging • Analisis quantitativo del vecindaje (AQV?) – Optimizacion de los parametros de kriging: tamano de bloque, radios de busqueda, numero de datos.. – Calidad del kriging: varianza de kriging, eficencia de kriging or slope of regression

Recursos recuperables • Problema del kriging: pequenos bloques! Mucho alisado, lo que implica que la curva tonelaje – ley es sesgada • Solucion: estimar distribucion de bloques dentro de paneles mas grandes: metodos no lineales • 2 tipos de metodo: – Indicador kriging – Metodo Gausiano: condicionamiento uniforme

Simulaciones condicionales • Desarrollo ha tomado tiempo, pero ahora se pueden utilisar a larga escala • Reproducen variabilidad (histograma, variogramas, correlaciones) y son condicionales • Aplicaciones: – – – –

Analisis de riesgo, clasificacion de recursos Control de leyes en un tajo abierto Estudios de selectividad Estimacion de Recursos (particularmente for minas subterraneo

Conclusion • Hay todavia mucho por hacer • Tecnologia sigue avanzando: mas y mejores datos de todo tipo • Desafio para el futuro: la integracion de fuentes de datos muy diversos • El (La) geologo/a o ingeniero/a de recursos va a tener mas y mas responsabilidades, ya que son ellos que manejan todas las herramientas requeridas.

GRACIAS Algunas Preguntas?