Trabajo Final Eva

FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
EVALUACIÓN DE YACIMIENTOS
Antofagasta, Enero 2019

ii
UNIVERSIDAD DE ANTOFAGASTA
FACULTAD DE INGENIERÍA
DEPARTAMENTO DE INGENIERÍA EN MINAS
EVALUACIÓN DE YACIMIENTOS
Víctor Araya Soto
Felipe Cifuentes Montecinos
Cristian Diaz Munizaga
Jorge Fernández Olivares
Darwin Joan Pérez Avendaño
Antofagasta, Enero 2019
Profesores: José Delgado Vega, Ingeniero civil en minas, Doctor en Geólogie de

L´Ingénieur.
Ivonne Salas Rojas, Ingeniera civil industrial En Minas, Doctora en Hidrología
Palabras Claves: vulcan, variograma, categorización.
Número de páginas:
Resumen: El presente trabajo pretende evaluar un yacimiento, cuya pasta principal

es el cobre.
iii
ÍNDICE
Contenido
ÍNDICE ................................................................................................................... iii
LISTA DE FIGURAS .............................................................................................. iv
LISTA DE TABLAS ................................................................................................. v
CAPÍTULO 1 .......................................................................................................... vi
1. INTRODUCCIÓN ............................................................................................ vi
1.1 Objetivos ............................................................................................. 1
CAPÍTULO 2 ........................................................................................................... 2
2. REVISÍON BIBLIOGRÁFICA ........................................................................... 2
CAPÍTULO 3 ......................................................................................................... 11
3. ANÁLISIS EXPLORATORIO DE DATOS ...................................................... 11
3.1 Ubicación y delimitación del proyecto minero. .................................. 11
3.2 Cobre total (CUT) .............................................................................. 14
3.3 Compositación................................................................................... 19
3.3.1 Análisis Estadístico a los sondajes Compositación Método Run

Length a 1 metros:......................................................................................... 19

Length a 3 metros: ......................................................................................... 20

Length a 6 metros: ......................................................................................... 20
CAPÍTULO 4 ......................................................................................................... 26
ANÁLISIS ECONÓMICO ........................................ Error! Bookmark not defined.

iv
CONCLUSIONES Y RECOMENDACIONES ................................................. 43
REFERENCIAS BIBLIOGRÁFICAS .............................................................. 45
LISTA DE FIGURAS
Figura 3.2. Porcentaje de distribución de datos. ..... Error! Bookmark not defined.
Figura 3.3. Distribución de leyes rango 0 y 4 para Cut.Error! Bookmark not
defined.
Figura 3.4. Distribución de leyes rango 4 y 8 para Cut .Error! Bookmark not
defined.
Figura 3.5. Distribución de leyes rango 8 y 13 para cut.Error! Bookmark not
defined.
Figura 3.6. Resultado del análisis de estándar medio Cus 20%. .................Error!
Bookmark not defined.
Figura 3.7. Resultado del análisis de estándar bajo Cus 20%. . Error! Bookmark
not defined.
Figura 3.8. Resultado del análisis de estándar Cus 20%. .. Error! Bookmark not
defined.
v
Figura 3.9. Dispersión del valor duplicado vs valor original Cut%................Error!

Bookmark not defined.
Figura 3.10. Media entre valores vs diferencia de valores Cut%. ..................... 31
Figura 3.11. Log-log entre valor duplicado vs valor original Cut%. ................... 32
Figura 3.12. Frecuencia acumulada (%) vs diferencia relativa (%) Cut%. ........ 33
Figura 3.13. Dispersión del valor duplicado vs valor original Cus 20%. ............ 34
Figura 3.14. Media entre valores vs diferencia de valores Cus 20%. ............... 35
Figura 3.15. Gráfico log-log entre valor duplicado vs valor original Cus 20%.
............................................................................. Error! Bookmark not defined.
Figura 3.16. Frecuencia acumulada (%) vs diferencia relativa (%) Cus 20%.
............................................................................. Error! Bookmark not defined.
Figura 3.17. N° de batch vs Cut%. ....................... Error! Bookmark not defined.
Figura 3.18. N° de batch vs Cus 20%. .............................................................. 43
LISTA DE TABLAS
Tabla 4.1 Valores desconocidos……………………………………………...20
Tabla 4.2 Sondajes Repetidos……………………………………….………..21 Tabla
4.3 Ángulos de Búsqueda………………………………………………30
Tabla 4.4 .Ejes obtenidos………………………………………………………31

vi
CAPÍTULO 1
1. INTRODUCCIÓN
La evaluación de yacimientos consta de la investigación en tópicos

relacionados con el modelamiento geológico, modelamiento geo metalúrgico,
cuantificación y clasificación de los recursos geológicos o reservas mineras,
modelamiento geoestadístico y modelamiento de incertidumbre geológica.
También todo lo que conlleva la viabilidad de un yacimiento requiere de
un estudio de mercado, estimación de costos (inversión, producción, impuestos)
y estudio de estabilidad política (que puede variar con el tiempo).
Para el trabajo investigativo realizado, en este caso apunta
principalmente a la evaluación de un yacimiento a partir de una base de datos
que corresponden a unos sondajes realizados, a través de los cuales se obtuvo
información que posiblemente podría significar el hallazgo de un yacimiento
mineral de cobre económicamente explotable, es por eso que se realiza el
estudio correspondiente para poder determinar si es o no rentable la explotación
del mineral y como (a través de que método).
1
Capítulo 1 - Introducción
1.1 Objetivos
1.1.1 Objetivos generales.
Evaluar económicamente un yacimiento mineral de cobre.
1.1.2 Objetivos Específicos.
• Ubicar, dimensionar y delimitar el proyecto minero.

• Realizar el modelamiento geológico del yacimiento.
• Estimar de la mejor manera las leyes de mineral presentes.
• Categorizar un modelo de bloques determinando los recursos y

reservas del yacimiento.
• Evaluar económicamente el yacimiento y determinar el método de
explotación más rentable.
2
Capítulo 2 – Revisión Bibliográfica
CAPÍTULO 2
2. REVISÍON BIBLIOGRÁFICA
En el siguiente capítulo se muestra un resumen de la información

necesaria para la comprensión plena sobre la estimación de un yacimiento a base
del software Vulcan 8.0. Se tiene como finalidad analizar, comprender y generar
conclusiones que permitan tomas de decisiones coherente sobre el
comportamiento del depósito mineral.
2.1 Principios de evaluación de yacimiento
2.1.1 Collar
Se aplica al enmaderado o al concreto que rodea la boca de un pozo de

acceso (chimenea) a la mina. También se usa este término para describir el tope
o la boca del hueco de un molino.
2.1.2 Sondaje
Técnica de exploración. Herramienta final de la exploración y una de las

más costosas económicamente. Con ellos es factible: “encontrar el yacimiento”,
ver su relación espacial, calidad, dimensionamiento y el desarrollarlo de la
evaluación económica del yacimiento.
2.1.3 Elipsoide
3
Sólido utilizado habitualmente para representar la forma de la Tierra,

cuyas secciones planas son elipses o círculos. Su forma se aproxima mucho a
un geoide. Un elipsoide hace referencia a un cuerpo tridimensional que permite
localizar puntos mediante pares de coordenadas.
2.1.4 Compósito
Está caracterizado por sus coordenadas x, y, z, las leyes de cobre total,

de cobre soluble, un código que indica la unidad, además del nombre del sondaje.
Un mismo conjunto de datos no debe contener muestras de soporte distinto. Por
ende, es necesario llevar muestras a compósitos de la misma longitud
(generalmente, igual a la altura del bloque de selección minera o a un sub-múltiplo
de esta altura) que se pueden agrupar en el estudio estadístico.
Mientras más largo el compósito, menos dispersos y menos erráticos los valores.
En general, cada unidad geológica se estima a partir de la información de los
compósitos pertenecientes a dicha unidad.
Los compósitos no deben cruzar fronteras “duras” entre unidades geológicas

distintas.
Es frecuente que se pierdan segmentos de la información inicial al compositor
(en la frontera de una unidad geológica o al final del sondaje).
Al compositor, se supone que las leyes son uniformes en cada testigo inicial,
para poder reconstituir el perfil de leyes de cada sondaje.
Aumentar la longitud de los compósitos tiene carios efectos, como por ejemplo
reducir el número de datos, disminuye la dispersión de los valores: menos valores
extremos, facilita el análisis variográfico.
La longitud de los compósitos se escoge generalmente en base a la altura de los
bloques usados para modelar el depósito.
4
2.1.5 Elipsoide
Sólido utilizado habitualmente para representar la forma de la Tierra,

cuyas secciones planas son elipses o círculos. Su forma se aproxima mucho a
un geoide. Un elipsoide hace referencia a un cuerpo tridimensional que permite
localizar puntos mediante pares de coordenadas.
2.1.6 Rumbo
Ángulo horizontal medido con respecto al norte magnético, de la línea

de intersección de un plano estructural con un plano horizontal.
2.1.7 Categorización
El nivel de conocimientos y de confianza en las estimaciones aumenta

con la exploración del depósito. Para el reporte de recursos y reservas, se suele
definir varias categorías:
• Los recursos minerales se subdividen, en orden de confianza geológica
ascendente, en categorías de inferidos, indicados y medidos.
• Las reservas mineras se subdividen, en orden creciente de confianza, en
reservas probables y reservas probadas.
2.1.8 Efecto soporte
Es el volumen donde se estudia la variable regionalizada.

5
2.1.9 Unidad selectiva de explotación
Es el volumen mínimo de los bloques que se pueden utilizar para

seleccionar el mineral del estéril, depende del equipo para explotar (pala), de la
base de estudio de factibilidad y en el modelo de yacimiento, cada unidad
contiene estimaciones de sus leyes y otros parámetros (densidad, dureza,
recuperación metalúrgica, etc.)
2.1.10 Variograma
El variograma es la principal medida de similitud utilizada con fines

geoestadístico, entre otras cosas permite detectar direcciones de anisotropía,
variabilidad con la distancia, correlación espacial, entre otros aspectos. Bajo la
hipótesis de estacionalidad, la esperanza, etc.
2.1.11 Fenómeno Regionalizado
Aquel que se desarrolla en el espacio, el conjunto de fenómenos físicos

y químicos que producen una mineralización, también el transporte de partículas
que generan depositación de un contaminante en un sitio.
2.1.12 Reservas
Cantidad (masa o volumen) de mineral susceptible de ser explotado,

incluida la dilución, y a partir de la cual se pueden recuperar, económicamente,
minerales valiosos o útiles, bajo condiciones reales, asumidas al momento de la
cuantificación.
6
2.1.13 Reserva minera
Es la parte económicamente explotable de un recurso mineral. Incluye

dilución de materiales y tolerancias por pérdidas que se puedan producir
cuando se extraiga el material. Contempla la consideración y modificación por
factores razonablemente asumidos de extracción, metalúrgicos, económicos, de
mercados, legales, ambientales, sociales y gubernamentales.
2.1.14 Correlación espacial
Es la propiedad de un conjunto de datos situados en un mapa geográficos

que muestra un patrón de organización, donde su característica es la presencia
de una determinada cantidad o calidad de la variable estudiada en una
determinada zona, esta puede ser más o menos probable que exista ese mismo
valor en regiones vecinas, infiriendo que toda zona mineralizada está relacionada
entre sí, pero no necesariamente tendrán un valor semejante con zonas más
alejadas al punto estudiado.
2.1.15 Krigeado
En términos mineros, el krigeado consiste en encontrar la mejor

estimación lineal insesgada de un bloque o zona “V”, considerando la información
disponible; es decir, las muestra interiores y exteriores a “V”.
7
2.1.16 Varianza Kriging
El kriging permite obtener, además de la estimación del valor de un

bloque, una indicación de la precisión local a través de la varianza kriging (Vk).
Desde el inicio del desarrollo del Kriging la Vk ha sido empleada para determinar
los intervalos de confianza de las estimaciones. Para esto es necesario asumir
que esta se ajusta a un modelo normal o lognormal. Sin embargo, en la práctica
es raro que los errores de estimación se subordinen a estos modelos de
distribución. Como para el cálculo de la varianza kriging se emplea solamente la
configuración de las muestras en el espacio y no sus valores locales, esta no
debe ser interpretada como una medida de la variabilidad local. Por otra parte,
como Vk es calculado a partir del variograma medio del yacimiento no es solo un
índice de la disposición espacial de las muestras sino también caracteriza las
varianzas medias globales permitiendo la discriminación entre las clases o
categorías de recursos. Este enfoque no es reciente y ha sido utilizado a lo largo
de muchas décadas, como se puede constatar en la tabla # 1.2 que resume las
categorías de la clasificación sugerida por Diehl y David (1982) y Wellmer (1983),
basadas en la cuantificación del error utilizando la desviación estándar kriging.
2.1.17 Continuidad
Se refiere a la distribución de una variable regionalizada en el espacio.

(Continuidad geológica – continuidad de leyes)
2.1.18 Ajuste del Variograma

8
El objetivo de ajustar un modelo teórico es disponer de una ecuación, la

cual se utilizará en los cálculos posteriores. En general, los paquetes
computacionales trabajan exclusivamente con el modelo teórico.
Distinguiremos dos variogramas:
i) El Variograma experimental, calculado a partir de los datos.
ii) El variograma teórico, que corresponde a una ecuación que se

ajusta al variograma experimental.
El variograma teórico debe respetar al variograma experimental, sobre

todo en los primeros puntos, que son más confiables.
El ajuste de variogramas constituye un punto crucial en un estudio
geoestadístico porque todos los cálculos posteriores se harán utilizando
exclusivamente el modelo teórico.
Para tener un buen ajuste, hay que considerar que uno de los objetivos
finales es la estimación de leyes de bloques (modelo de bloques), dentro de una
cierta vecindad restringida de manera de no considerar demasiadas muestras
para estimar la ley de cada bloque.
2.1.19 Categorización de recursos y reservas
El nivel de conocimientos y de confianza en las estimaciones aumenta

con la exploración del depósito. Para el reporte de recursos y reservas, se suele
definir varias categorías:
- Los recursos minerales se subdividen, en orden de confianza
geológica ascendente, en categorías de inferidos, indicados y medidos.
9
- Las reservas mineras se subdividen, en orden creciente de

confianza, en reservas probables y reservas probadas.
2.1.21 Dilución
Se refiere al hecho de mezclar (no separar) el mineral del estéril. Puede

deberse a varios factores:
-Dilución Interna: Geométrica, debido al contacto entre mineral y estéril y
la inherente (selectividad debida al tamaño de bloque).
-Dilución externa o de operación.
2.1.22 Recurso geológico
Concentración u ocurrencia de material de interés económico intrínseco

en o sobre la corteza de la tierra en forma y cantidad en que haya probabilidades
razonables de una eventual extracción económica (se habla indistintamente de
recursos geológicos, recursos minerales o recursos in situ)
2.1.23 Variable regionalizada
Es el valor de alguna de las características del fenómeno regionalizado

(profundidad de un estrato, la potencia de una veta, la ley de cobre en un punto,
la densidad de un bloque, la concentración de Plomo sobre un área.) Algunas
aplicaciones de la Geoestadística en minería.
10
• Crear modelos de bloques de leyes 3D para la planificación minera.

• Estimar las reservas globales y locales.
• Cuantificar la incertidumbre en el contenido metálico.
• Evaluar la selectividad de la explotación.

• Cuantificar la incertidumbre en las predicciones de la producción.
11
CAPÍTULO 3
3. ANÁLISIS EXPLORATORIO DE DATOS
3.1 Ubicación y delimitación del proyecto minero.
Al realizar el análisis de la base de datos vemos que son un

total de 230 sondajes ubicados en el espacio, siendo contenido por
las siguientes coordenadas que serán nuestro espacio de trabajo:
Este Norte Cota

Mínimo: 76087.289 3514.17 92.75
Máximo: 78957.766 5072.413 303.24
Gráfico de cota vs este y norte
cota
92.75
93.23
94.39
330 95.17
96.39
290
96.54
250 100.26
117.21
cota
210
122.45
170 127.32
129.04
130 129.72
5100
90 4700 129.79
4300 129.81
76 76.5 77 3900 131.05
77.5 78 78.5 79 3500 norte 131.85
(X 1000) 133.99
este
134.16
135.79
136.01
12
Al graficar las variables cota vs este y norte, podemos observar la

ubicación espacial de los sondajes, obteniendo una imagen tridimensional con
su dispersión por niveles, en donde se identifican claramente los sondajes en
los diferentes niveles de cota y su ubicación en el espacio.
Se cargaron las bases COLLAR, ASSAY, SURVEY al

software modelador Vulcan 8.0, se analizaron los datos con su previa
visualización y se le estableció unas etiquetas al rango de las leyes
para describir un comportamiento estructural.
13
Como se puede apreciar en la figura anterior hay una

apreciable variabilidad en las leyes en las cuales se concentran
alrededor de un rango de entre [0.002%; 3%].
Esto se determinó gracias a la triangulación del collar en el
propio software, al cual se le cargo los 230 drillholes para desplegar en
el espacio.
Gráfico de Dispersión por Niveles de cota
90 130 170 210 250 290 330

5100
norte
3500
76 79
este (X 1000)
A través del gráfico de dispersión por niveles de cota, podemos ver que
la mayor concentración de sondajes está entre los rangos de cota 90-130 y el
rango de las cotas 210-250, también observándose un valor aislado entre las
cotas 290 y 330.
14
Capítulo 3 – Análisis Estadístico
3.2 Cobre total (CUT)
De la base de datos otorgado se realizó el primer análisis y para la

descripción del dateo, se tomó en cuenta los valores categóricos -99 y 0
etiquetados por el laboratorio para la variable en estudio de los cuales se
descartaron 1529 datos y no se tomarán en cuenta ya que se categorizan como
roca estéril, obteniendo los siguientes resultados justificando a base de los
criterios aprendidos.
Resumen Estadístico para cut (leyes de cobre):
Recuento 10593
Promedio 0.53717
Desviación Estándar 0.834602
Coeficiente de Variación 155.37%
Mínimo 0.01
Máximo 11.58
Rango 11.57
Sesgo Estandarizado 123.852
Curtosis Estandarizada 298.84
15
Histograma
(X 1000)
5
4
frecuencia
0
-1 2 5 8 11 14
cut
Del histograma obtenido de las leyes de Cu, vemos que la mayor ocurrencia de
valores fluctúa entre leyes de 0,1 y 0,5%.
Se determinó gracias al gráfico de caja y bigotes una lista de outlyers los cuales
sesgan la distribución de datos por estar muy alejados de la media.
16
Tabla de valores atípicos (outliers)
dhid from to cut
L10-N1 26.2 26.6 7.73
L22 44 44.2 8.54
L22 46.5 47.5 8.35
L3 21.4 22.4 10.19
L3-N2 3.8 4.8 11.58
LK068 58 58.6 7.91
Se le aplicó escala logarítmica a la variable y se discrimino 3 estructuras de

dateo en la distribución logarítmica acumulada, como también los mencionados
outliers.
17
De lo explorado se realizará un segundo análisis acotando la distribución en

un rango de [0.008; 7.24] y despejando los outliers.
Tablas con percentiles y cuartiles para cut:
Percentiles Cuartiles
1.0% 0.01 25.0% 0.03
5.0% 0.01 50.0% 0.17
10.0% 0.01 75.0% 0.67
25.0% 0.03
50.0% 0.17
75.0% 0.67
90.0% 1.63
95.0% 2.23
99.0% 3.46
18
Se puede apreciar la variabilidad de los criterios cuantitativos, en el cuál las

leyes se ven diseminadas en la profundidad de la cota dando señal de que puede ser
un cuerpo intrusivo en forma de vetas o un depósito tipo SKARN que emergió hacia
arriba dentro de un cerro o una pseuda cordillera y al cual en su mineralización se le
produjo una falla corriendo y alterando su ubicación donde se encuentra la mena.
El coeficiente de variación señala un valor de C.V.: 1.527, dando entender que es un
cuerpo cuprífero de mediano tamaño.
La importancia de analizar de forma correcta la base de datos nos ayuda a tomar buenas
decisiones visualizando las bases, es por esto que la base de datos no debe estar sesgada
y debe contener la mayor cantidad de información posible para visualizar el comportamiento
de los datos en el espacio. Para este caso de estudio se analizó la variable CuT y se
determinó un cuerpo cuprífero de mediana variabilidad.
Luego de realizar las estadísticas básicas para obtener una idea conceptual del
yacimiento se debe profundizar el análisis exploratorio para encontrar tendencias o patrones
para poder acotar y tener una idea del comportamiento espacial de los datos, ya que el
muestreo toma pequeñas porciones de un dominio total lo cual no refleja la totalidad del
19
yacimiento a estudio, por lo cual se le debe regularizar los datos para poder establecer las
bases en que se trabajará y manipular.
3.3 Compositación
Se analizaron y exploraron las bases de datos de unos 230 sondajes establecidos en el

espacio en el trabajo anterior, a lo cual se le detalló sus datos característicos descriptos
precedentemente (estadística básica), pero aún no se puede manipular para realizar
estimaciones y su estudio geo estadístico del dominio ya que al ser sondajes en formas de
cilindros irregulares no cumplen con criterios estadísticos como “Muestras equiprobables,
homogéneas y representativas” ya que generan mucha variabilidad o errores, por lo cual se
le debe realizar una regulación o normalización a los testigos llamado Compositar, que no es
más que ponderar las leyes a un largo constante al cual se manipulan los sondajes para
establecer el Soporte el cual si sirve para trabajar en un caso geo estadístico por ser una
base de datos más regulada.
Utilizando el método de compositacion Run Lengh a través del software Vulcan 8.0,
compositamos a 3 distancias diferentes:
3.3.1 Análisis Estadístico a los sondajes Compositación Método Run Length a 1

metros:
Number of samples: 11495.0000 Skewness: 2.7583

Minimum: 0.0010 Fisher Kurtosis: 12.2049
Maximum: 10.1900 Nat. log mean: -1.8853
Range: 10.1890 Nat. log variance: 2.9847
Average: 0.4961 Coef. of variance: 1.5075
Standard deviation: 0.7478 Sichel t: 0.6751
Variance: 0.5592 Q1: 0.0350
Geometric mean: 0.1518 Median: 0.1700
Geometric variance: 19.7803 Q3: 0.6337
Harmonic mean: 0.0417
20

Length a 3 metros:

Variance: 0.4887 Q1: 0.0495

Length a 6 metros:

Variance: 0.4633 Q1: 0.0622
Hecho el análisis se determina trabajar con el composito cada 3 metros debido

a que posee un coeficiente de variación y varianza menor al de 1 metro,
descartándose el composito a 6 metros ya que se considera un composito a una
distancia muy larga, dándole peso quizás a valores que no son tan altos, no
representando correctamente la distribución de las leyes dentro del sondaje.
21
Por lo cual la opción para realizar el “declustering” o desagrupamiento por el

método de celdas es al composito a 3 metros Run Lenght.
3.4 Desagrupamiento
Se utilizó el composito señalado anteriormente para el desagrupamiento, en cual

se realizaron 2 manipulaciones:
 La creación de una variable W (peso) en la tabla ENTRY, en la cual
ingresarán las ponderaciones de los datos desagrupados luego de aplicar
el método.
 La elección del tamaño de celda para entregar una media ni
sobreestimada ni subestimada, de una longitud de 150 mts. x 150 mts.
que es una configuración desfavorable con una media ponderada de
0.3415.
22
Tabla de los tamaños de cada celda y su respectiva media:
Tamaño celda (m) Media

0 0.558
50 0.4718
64.2857 0.4455
78.5714 0.4315
92.8571 0.4223
107.1429 0.412
121.4286 0.3984
135.7143 0.403
150 0.3789
164.2857 0.3888
178.5714 0.38
192.8571 0.3759
207.1429 0.3805
221.4286 0.3826
235.7143 0.3674
250 0.3672
250 0.3672
23
Tamaño Celda vs Media

0.6
0.5
0.4
Media
0.3
0.2
0.1
0
0 50 100 150 200 250 300
Tamaño Celda
Mean
Al aumentar la longitud, la media ponderada disminuye, lo que indica que los

pesos calculados privilegian los valores bajo en desventaja a los valores alto.
Se realizó un análisis estadístico a los datos desagrupados del composito de CuT
de 3 metros, entregando el siguiente resumen:
Number of samples: 3902

Minimum: 0.00 Skewness: 2.24
Maximum: 6.21 Fisher Kurtosis: 6.61
Range: 6.21 Nat. log mean: -1.68
Average: 0.53 Nat. log variance: 2.79
Standard deviation: 0.70 Coef. of variance: 1.33
Variance: 0.49 Sichel t: 0.75
Geometric mean: 0.19 Q1: 0.05
Geometric variance: 16.25 Median: 0.25
Harmonic mean: 0.05 Q3: 0.72
24
Table de distribución de percentiles
Percentil
1% 0.01
25% 0.05
50% 0.25
75% 0.72
99% 3.07
3.5 Resumen estadístico básico de las diferentes litologías:
Litología TQ1:
3.6 Modelamiento geológico:
A través de los sondajes y la información geológica que nos entrega podemos

modelar las diferentes unidades geológicas presentes en el yacimiento, creando
polígonos por sección y creando solidos que representaran la forma y
distribución de los cuerpos geológicos bajo la superficie.
25
Litologia TQ1:
Litologia TQ2:
Litologia TQ3:
Litologia TQ4:
Litologia TQ5:
Litologia TQ6:
Litologia TQ7:
Litologia TQ8:
Litologia TQ9:
Litologia TQ10:
Litologia TQ11:
Litologia TQ12:
Litologia TQ13:
26
CAPÍTULO 4
ESTIMACIÓN
4.1
Figura 4.1. Sondajes

27
Figura 4.2. Composito para el Cobre total.
4.3 Elipsoide
Realizado la estimación del composito se procede a obtener atreves de

la elipsoide la dirección o comportamiento que tiene el depósito mineral
en el espacio. Para ello el despliegue de la elipse exige el bearing, dip y
plunge. Ver tabla y figura 4.3.
Tabla 4.3 Ángulos de Búsqueda.
Variable Angulo
Bearing 120
Plunge -20
28
Dip 1
Figura 4.3. Elipse de búsqueda.
Se observa en la Figura 4.4 la relación que se obtiene entre la elipse de

búsqueda y la dirección del cuerpo mineral. De la tabla 4.4 se puede verificar los
ángulos obtenidos por los ejes minor, major y semi nos permite realizar la
estimación y obtener los semivariogramas correspondiente.
29
Figura 4.4. Ángulos obtenidos por los ejes.
Tabla 4.4 .Ejes obtenidos
EJES ANGULOS DIP
MAJOR 120 -20
SEMI 29.658 -0.94
MINOR 117.078 69.976
A Continuación se obtiene la representación graficas de los semi variograma

en los 3 ejes. Ver figura 4.5 , 4.6 y 4.7 . Dependiendo de su
4.4 Semivariograma Cobre Total
Comportamiento se ajusta para proceder con la estimación

correspondiente. De la figura 4.8 se obtiene el comportamiento a lo largo del
sondaje.
30
Figura 4.5. semi variograma eje major CuT.
Figura 4.6. Semi variograma eje semi CuT.

31
Figura 4.7. Semi variograma eje minor CuT.
Figura 4.8. Semi variograma a lo largo del sondaje CuT.

32
4.5 Semivariograma Cobre soluble
Figura 4.9. Semi variograma eje major CuS.
Figura 4.10. Semi variograma eje semi CuS.

33
Figura 4.11. Semi variograma eje minor Cus.
4.6 Semivariograma Cobre Insoluble

34
Figura 4.12. Semi variograma eje major CuI.
Figura 4.13 Semi variograma eje semi CuI.
Figura 4.14 Semi variograma eje minor CuI.

35
4.7 Semivariograma Plata
Figura 4.15. Semi variograma eje Major Ag.
Figura 4.16 Semi variograma eje semi Ag.

36
Figura 4.17. Semi variograma eje semi.
4.8 Modelo de bloque
De la Figura 4.9 tiene como objetivo crear el bloque que envolverá el

depósito mineral con el objetivo de agregar algunas variables claves que nos
37
permitirá dividir el yacimiento en cientos de bloques. Las dimensiones del bloque

será de 5x5x5 y en la figura 4.10 se aprecia la dimensión del bloque para la
variables estudiadas.
Figura 4.18. Dimensiones del bloque.
4.9 Modelo de bloque para Cobre Total

38
Figura 4.19. Estimación del bloque para el cobre total.
En la figura 4.11 se aprecia la discretizacion del depósito para el variable

cobre total en ciento de paralelepípedo.
Figura 4.20. Bloque cobre total.

39
Capítulo 4 – Conclusiones y Recomendaciones
4.10 Modelo de bloque para Cobre Soluble
Figura 4.21. Estimación del bloque para Cobre Soluble.
Figura 4.22. Bloque Cobre Soluble.

40
4.11 Modelo de bloque para Cobre Insoluble
Figura 4.23. Estimación del bloque para Cobre Insoluble.
Figura 4.24. Bloque Insoluble.
4.12 Modelo de bloque para plata

41
Figura 4.25. Estimación del bloque para a Plata.
Figura 4.26. Bloque plata.
4.13 Minado
42
4.14 Categorización
43
4.15 Curva tonelaje Ley
CAPÍTULO 5
CONCLUSIONES Y RECOMENDACIONES
44
5.1 Conclusiones
La importancia de analizar de forma correcta la base de datos nos ayuda

a tomar buenas decisiones.es por esto que La base de datos no debe estar
sesgada y debe contener la mayor cantidad de información posible. Para este
caso de estudio se analizó las variable Cut% , Cus%. CuI% y Ag. Asi entender y
analizar sus respectivos comportamientos variograficos.
5.2 Recomendaciones
• Para mejorar la utilización de la base de dato se recomienda la mayor

disponibilidad de datos para las variables estudiadas para la disminución
de errores.
• Obtención de información de los sondajes que se comportan de forma
anormal.
45
Referencias Bibliográficas
REFERENCIAS BIBLIOGRÁFICAS
[1] Autor José delgado vega. Apunte Geoestadística
[2] Marco Antonio Alfaro. Introducción al muestreo minero. Santiago de Chile,

2002.

Trabajo Final Eva

Cargado por

Copyright:

Formatos disponibles

Trabajo Final Eva

Cargado por

Información del documento

Descripción original:

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo Final Eva

Cargado por

Copyright:

Formatos disponibles

FACULTAD DE INGENIERÍA

DEPARTAMENTO DE INGENIERÍA EN MINAS

Antofagasta, Enero 2019

Antofagasta, Enero 2019

Profesores: José Delgado Vega, Ingeniero civil en minas, Doctor en Geólogie de

Resumen: El presente trabajo pretende evaluar un yacimiento, cuya pasta principal

LISTA DE FIGURAS .............................................................................................. iv

LISTA DE TABLAS ................................................................................................. v

1.1 Objetivos ............................................................................................. 1

2. REVISÍON BIBLIOGRÁFICA ........................................................................... 2

3. ANÁLISIS EXPLORATORIO DE DATOS ...................................................... 11

3.1 Ubicación y delimitación del proyecto minero. .................................. 11

3.2 Cobre total (CUT) .............................................................................. 14

3.3.1 Análisis Estadístico a los sondajes Compositación Método Run

3.3.2 Análisis Estadístico a los sondajes Compositación Método Run

3.3.3 Análisis Estadístico a los sondajes Compositación Método Run

ANÁLISIS ECONÓMICO ........................................ Error! Bookmark not defined.

CONCLUSIONES Y RECOMENDACIONES ................................................. 43

REFERENCIAS BIBLIOGRÁFICAS .............................................................. 45

Figura 3.9. Dispersión del valor duplicado vs valor original Cut%................Error!

Tabla 4.1 Valores desconocidos……………………………………………...20

Tabla 4.2 Sondajes Repetidos……………………………………….………..21 Tabla

4.3 Ángulos de Búsqueda………………………………………………30

Tabla 4.4 .Ejes obtenidos………………………………………………………31

La evaluación de yacimientos consta de la investigación en tópicos

1.1.1 Objetivos generales.

Evaluar económicamente un yacimiento mineral de cobre.

1.1.2 Objetivos Específicos.

• Ubicar, dimensionar y delimitar el proyecto minero.

• Categorizar un modelo de bloques determinando los recursos y

Capítulo 2 – Revisión Bibliográfica

En el siguiente capítulo se muestra un resumen de la información

Se aplica al enmaderado o al concreto que rodea la boca de un pozo de

Técnica de exploración. Herramienta final de la exploración y una de las

Capítulo 2 – Revisión Bibliográfica

Sólido utilizado habitualmente para representar la forma de la Tierra,

Está caracterizado por sus coordenadas x, y, z, las leyes de cobre total,

Los compósitos no deben cruzar fronteras “duras” entre unidades geológicas

Capítulo 2 – Revisión Bibliográfica

Sólido utilizado habitualmente para representar la forma de la Tierra,

Ángulo horizontal medido con respecto al norte magnético, de la línea

El nivel de conocimientos y de confianza en las estimaciones aumenta

2.1.8 Efecto soporte

Es el volumen donde se estudia la variable regionalizada.

Capítulo 2 – Revisión Bibliográfica

2.1.9 Unidad selectiva de explotación

Es el volumen mínimo de los bloques que se pueden utilizar para

El variograma es la principal medida de similitud utilizada con fines

2.1.11 Fenómeno Regionalizado

Aquel que se desarrolla en el espacio, el conjunto de fenómenos físicos

Cantidad (masa o volumen) de mineral susceptible de ser explotado,

Capítulo 2 – Revisión Bibliográfica

2.1.13 Reserva minera

Es la parte económicamente explotable de un recurso mineral. Incluye

2.1.14 Correlación espacial

Es la propiedad de un conjunto de datos situados en un mapa geográficos

En términos mineros, el krigeado consiste en encontrar la mejor

Capítulo 2 – Revisión Bibliográfica

2.1.16 Varianza Kriging