METODOLOGÍAS DE VALIDACIÓN PARA MODELOS DE RECURSOS

John Estaño Arisaca

MineSight Applications Perú S.A.C.
[email protected]

Resumen. En el proceso de Análisis Geoestadístico,

trabajaremos con estadística detallada del
Los principales activos de una empresa minera, mineral económico analizado: histogramas;
además de su equipo humano, son sus gráficos de probabilidad acumulada; Boxplots;
RECURSOS y sus RESERVAS. variografía; efecto de suavizamiento de leyes y
corrección de volumen varianza; curvas tonelaje-
Unos RECURSOS mal estimados pueden llevar
ley; análisis mediante Swatplots para la
a una empresa a la ruina.
determinación de sesgo global y, verificación de
Objetivo: conocer metodologías que ayuden a sesgo local en el punto muestreado; análisis
validar la Estimación de Recursos minerales. comparativo con la Simulación secuencial
condicional gaussiana y determinación del
En este trabajo se cubren los importantes pasos riesgo de leyes sobre la ley de corte.
de un proceso de validación del Modelo de
Recursos para asegurar la calidad de los En el proceso de Validación revisaremos:
resultados de una Estimación de Recursos.
Correlación y error en estimación; gráficos de
Cubriremos el tema de validación visual, distribución entre Ley real y ley estimada,
validación puntual, validación geoestadística sesgos zonales asociados a la interpolación;
analizando sesgos globales y locales, validación grado de incertidumbre en la ley estimada; en la
mediante Simulación Condicional Secuencial reconciliación compararemos el Modelo de
Gaussiana y finalmente el proceso de Largo Plazo con data de sondajes de voladura.
Reconciliación.
Esta metodología puede ser aplicada a todo tipo
Asumiremos que existe y es satisfactorio el de yacimiento mineral.
proceso de QA/QC para los análisis
El resultado de estos procesos, nos indicará el
geoquímicos y para el almacenamiento de la
grado de confianza de nuestra Estimación de
data de los sondajes.
Recursos.
En síntesis, cubriremos los procesos de:
Revisión, Análisis Geoestadístico y Validación.
Revisión de datos
En el proceso de Revisión, empezamos por
revisar la representatividad del modelo geológico Algunos de los procesos de revisión de datos
comparado con la data usada. que mencionaremos en este trabajo técnico,
deben realizarse antes de ejecutar la
Comprobaremos la anisotropía con la interpolación de leyes y otros estudios deben
orientación del elipsoide de búsqueda. hacerse posterior a la interpolación.

Estaño, Página 1de 5

Tipos de Procesos de revisión de Datos • Añadir cintas de borde a los taladros
para una mejor visualización del taladro.
Entrelos tipos de revisión de datos que • Revise las vistas de planta banco por
debemos realizar se encuentran: banco.
• Use los mismos colores y misma
• Visual : mapas, curvas de ley, etc.. etiqueta por ley que se muestra.
• Estadístico: gráficos, estadísticas etc.. • Revisar si las leyes siguen la orientación
• Otros: Reconciliación, reportes antiguos, de la búsqueda.
etc. • Si el software que usted usa lo permite,
dibuje la elipse sobre la vista de planta.
Dentro de la validación visual tenemos: • Compare los contornos de los
compósitos versus los contornos del
• Revisar el Modelo Geológico contra los modelo. ¿Se ven similares o diferentes?
taladros y los sólidos construidos. Realice esta comparación banco por
• Revisar las secciones y vistas del banco.
modelo con los taladros. • Haga un sólido por ley de corte y
• Revisar la dirección de búsqueda. traslape los sólidos de alta ley. ¿Se
Ejecutar una corrida de verificación y sobreponen cerca de los compósitos de
luego sobre poner el elipsoide sobre el alta ley? O ¿dejamos de usar algunas
modelo. áreas de compósitos de alta ley?
• Revisar mapas de contorno y las curvas
de ley del Modelo.
Dentro de la validación estadística del modelo y
Al revisar el Modelo Geológico, considerar antes de los compósitos tenemos:
de la interpolación lo siguiente:
• Realizar histogramas del modelo, curvas
• Revisar códigos de Taladros (DDH) tonelaje ley, Ploteo probabilístico,
versus los códigos del modelo y SwathPlots (Gráfico que resulta de la
asegurarse de que coincidan. comparación de valores promedio
• Preguntarse: ¿hace sentido la dentro de un espacio limitado).
interpretación geológica? Recordar que • Si el software que usted usa lo permite,
la persona que hace la Estimación de dibuje la elipse sobre la vista de planta.
Recursos no necesariamente ha hecho • Compare los contornos de los
o revisado la interpretación geológica. compósitos versus los contornos del
• Observar si existen espacios o sobre modelo. ¿Se ven similares o diferentes?
posiciones en los polígonos y/o sólidos. Realice esta comparación banco por
• Preguntarse: ¿Necesito considerar banco.
bordes suaves durante la interpolación • Haga un sólido por ley de corte y
en lugar de bordes duros? traslape los sólidos de alta ley. ¿Se
• Revisar si hay cambios en valor de leyes sobreponen cerca de los compósitos de
entre contactos en relación a la distancia alta ley? O ¿hemos dejado de usar
del contacto. algunas áreas de compósitos de alta
ley?
Considerar, luego de la interpolación lo • Revisar estadísticas de compósito
siguiente: desagrupado (declustered) o
estadísticas poligonales vs el modelo.
• Mapear los bloques del modelo y los • Use curvas tonelaje-ley para comparar.
taladros. • Revise gráficos de dispersión
• Usar polígonos en 2d sin mostrar las (scatterplots) y probabilísticos
caras pero si mostrar las líneas de tal
manera que sea un modelo transparente Complementar las revisiones anteriormente
de ser requerido. mencionadas comparando el modelo geológico
• Usar el mismo color para ítem del antes y después de la interpolación.
taladro y también ítem del modelo de
bloques.

Estaño, Página 2de 5

Antes de la interpolación: • Usemos SwathPlots para mostrar la
distribución de leyes en una serie de
• Interpolar por tipo de roca usando el bandas (Swaths).
vecino más cercano (poligonal).
• Compare con la interpretación • Usualmente son generadas en 3
direcciones ortogonales a lo largo del
geológica. ¿Obtenemos el mismo
depósito.
porcentaje de tipo de roca o
aproximadamente el mismo? • Variaciones de ley en el modelo son
• Antes de la interpolación, comparadas con el modelo de vecino
o ¿Ha usado % en múltiples mas cercano (NN).
zonas?
o Revise la codificación de % de • Modelo de NN no proporciona
mineral (Ore%) estimaciones confiables a nivel local,
o Calcule estadísticas (total de globalmente representa una estimación
bloques dentro de los sólidos) imparcial de la ley media (declustered).
en la variable ore% en el
modelo. ¿Concuerda con los • Si el modelo es imparcial, las tendencias
sólidos del volumen? de ley deben ser similares a la
• Revise las curvas CPP de los distribución de leyes en NN.
compósitos. Dependiendo de la curva,
puede ser necesario restringir ciertos • El mostrar tonelaje no es necesario,
valores o aumentar su influencia. pero es útil para ver de donde vienen la
mayor cantidad de toneladas y si hay
una tendencia.
• El del Mapa vario gráfico de Contorno,
¿coincide con los contornos de leyes de • También es útil para ver, por ejemplo, si
los compósitos? Use la misma hay gran diferencia entre la poligonal y
orientación en la interpolación. kriging, etc, pero si está sucediendo en
donde no hay mucho tonelaje, puede
Despuésde la interpolación, Validación pasar por alto esa variabilidad.
Global:

• Si hay diferentes dominios o tipos de ¿Por qué necesitamos estadísticas de

roca, comparar las leyes promedio de elementos desagrupados (declustered)?
los compósitos con el modelo por tipo ¿Por qué necesitamos la distribución NN
de roca a una ley de corte 0 para (poligonal) al igual que los
asegurarse de que no se introduce un compósitosdesagrupados (declustered)?
sesgo.
Vea cómo, si hay agrupación en el área de alta
• Comparelas estadísticas de rocas a ley, entonces la media calculada es sobre
partir del modelo a las estadísticas de estimada.
los taladros por código. Por ejemplo
pueden usar una grafica Box Plot. Usted podría desagrupar (decluster) los
compósitos y a continuación elegir el tamaño de
• Compare estadísticas del modelo con celda que minimiza la media si la des
tres diferentes métodos de interpolación: agrupación (declustering) se ha producido en la
IDW, Kriging y Poligonal. ¿Qué tan zona de alta ley. Luego compare ley promedio
cerca están las estadísticas del desagrupada (declustered) contra ley promedio
Poligonal usando Kriging o IDW? del bloque.

• Compare curvas tonelaje – ley con la Calcule la media y otras estadísticas de los
poligonal. ¿Qué tan cercanas son? compósitos desagrupados. Usted quiere que las
¿Qué pasa con los valores atípicos? estadísticas del modelo coincidan con esas
estadísticas, no con las estadísticas agrupadas.

Estaño, Página 3de 5

La distribución Poligonal representa la Validación de Puntos:
distribución de compósitos desagrupados
(declustered). Este tipo de validación la podemos hacer antes
y después de la interpolación. Estima un dato
Para una comparación adicional, puede convertir puntual usando un plan de interpolación.
el modelo a bloques del tamaño SMU (
SelectiveMiningUnit) y luego compararlas con el Solo se usan los datos periféricos al punto a
modelo de bloques. estimar y no se considera ese punto en la
estimación. Se usa para chequear que tan
Si los compósitos están desagrupados, puede preciso puede resultar el proceso de
también convertir la distribución de los estimación.
compósitos al tamaño del SMU.
Revisar correlación y error en estimación
¿Por qué? Una media > 0 aun con diferentes Revisar gráficos de distribución entre Actual y
tamaños de bloque. La media y el tonelaje Estimado
mayores que el cutoff son diferentes para Relación de varianza de Kriging con error en
diferentes tamaños de bloque. promedio Ponderado

Si usted va a opinar sobre la media y el tonelaje La validación puntual puede sugerir mejoras. Se
arriba del cutoff 0, antes debe comparar contra usa para comparar no para determinar
la distribución ajustada de los compósitos de tal parámetros. Revela debilidades.
manera que ésta tenga la misma estructura que
el SMU o a la distribución ajustada poligonal. Recuerde que las conclusiones se basan en
observaciones de errores en ubicaciones donde
Cambio de Soporte: no necesitamos estimados. Sacamos aquellos
valores que vamos a usar de tal manera que los
Analice que ocurre cuando se realiza la resultados son más conservadores.
corrección volumen varianza con el cambio de
soporte, podemos usar una corrección Igualmente se pueden validar los variogramas y
Lognormal, Discreto Gaussiano o por Polinomios ver cuál de todos es el que dará un estimado de
de Hermite. leyes más cercano a la realidad.

Compare la estimación con la distribución Se debe verificar el comportamiento de la

ajustada de los compósitos. interpolación con los diferentes escenarios de la
simulación condicional secuencial gaussiana
Validación Local: para determinar posibles sesgos en el depósito.

Localmente debemos revisar si el bloque Reconciliación:

interpolado que pasa por un compósito refleja el
valor de ley analizado. Por reconciliación entendemos el comparar los
resultados de interpolar los datos de los
Sobreponga los valores de los bloques a los barrenos de voladura en un modelo de Corto
compósitos. Plazo, versus el Modelo de Recursos de Largo
Plazo y determinar por qué razón, si la hubiere,
Identifique aquellos bloques que interceptan a el Modelo de Largo Plazo (exploraciones) no
un compósito. Grafique con un ploteo reconcilia bien con el modelo de Corto Plazo
probabilístico o scatter. (Barrenos de Voladura).

Revise el scatterplot. La correlación es cercana Es bueno considerar diferentes comparaciones

a 1. como: comparar estadísticas, Curvas Ton/ley,
PPlots etc.
Revise el ploteo probabilístico. ¿Cómo se ven
los altos erráticos? Al cambiar parámetros de búsqueda, ¿se
acercan las estadísticas?

Estaño, Página 4de 5

Realice validación puntual usando los taladros “Global Estimation Variance: Formulas and
de voladura y vea que tan cercanos están los Calculation,”
resultados comparados con los taladros de 4. Crozel, D., David, M., 1985.
exploración. Mathematical Geology, Vol. 17 No. 8, pp
785-796.
En general, el estimador debe investigar las
razones por las que el Modelo de Largo Plazo Conditional Simulation for Recoverable Reserve
no reconcilia con el modelo de los barrenos de Estimation,
voladura. 5. Dagdelen, K., Verly, G., Coskum, B., 1997.
SME Annual Meeting, Preprint #97-201.
Finalmente, si existiese un reporte de
Estimación de Recursos anterior, o un Modelo Performance Analysis of Different Estimation
Estimado anterior, compare y encuentre la Methods on Conditionally Simulated Deposits,
explicación a las posibles diferencias. La 6. Arik, A., 2000.
explicación podría deberse a mas datos de SME Annual Meeting. Salt Lake City, Utah.
perforaciones, nueva topografía, nueva Preprint 00-088.
interpretación geológica etc.
Confidence Interval Estimation for Mineable
Una vez completado lo anterior, volver a Reserves.
empezar con los nuevos barrenos que vayan 7. Davis, B.M., 1992.
haciéndose. SME Annual Meeting, Preprint #92-39.

En conclusión, mientras no se agote la mina, “Conditional Estimation Variances: An Empirical

este es un proceso reiterativo. Approach,”
8. Froidevaux, R., 1984.
Referencias: Mathematical Geology, Vol. 16, No. 4, pp
327-350.
“Grade Estimation and Its Precision in Mineral
Resources: The Jacknife Approach” AppliedGeostatistics.
1. Adisoma G.S., Hester, M.G. 1996 9. Isaaks, E.H., Srivastaba, R.M, 1989.
Mining Engineering Vol. 48, No.2, pp 84-88 New York, Oxford University Press.

“Dealing with Outlier High Grade Data in

“The volume-Variance Relationship: A Useful Precious Metals Deposits,”
Tool for Mine Planning” 10. Journel, A.G., Arik, A., 1988
2. Parker, H.M., 1980. Proceedings, Computer Applications in the
Geostatistics (Mousset-Jones, P.,ed.), Mineral Industry, Balkema Rotterdam, pp.
McGraw Hill, New York. 161-171.

"Aplied Statistics in Mineral Exploration,”

“Effects of Search Parameters on Kriged 11. Mercks, J.W., 1997
Reserve Estimates,” Mining Engineering, Vol. 49, No 2, pp 78-82.
3. Arik, A.,1990.
International Journal of Mining and
Geological Engineering, Vol 8, No. 12, pp.
305-318.

Estaño, Página 5de 5