XXI Congreso Peruano de Geología, p.

xxx (2023)

XXI Congreso Peruano de Geología

DELIMITACIÓN DE VETAS DE AS-AG POR GEOQUÍMICA DE BLAST HOLES,

ESTIMACIÓN DE AS (INVERSO A LA DISTANCIA) PARA SU INCLUSIÓN EN EL
MODELO DE LARGO PLAZO, MINA TOROMOCHO
Juan David Ramos Sánchez 1, Pepe Guzmán Vargas 2, José Carlos Basurto Susanibar 3, Roni Eliot Cruces
Chancahuaña4
1 Minera Chinalco Perú, Av. Santa Cruz 180, Piso 1 - torre A, +51967767491, [email protected]
2 Minera Chinalco Perú, Av. Santa Cruz 180, Piso 1 - torre A, +51964398643, [email protected]
3 Minera Chinalco Perú, Av. Santa Cruz 180, Piso 1 - torre A, +51989166295, [email protected]
4 Minera Chinalco Perú, Av. Santa Cruz 180, Piso 1 - torre A, +51966870816, [email protected]

1. ABSTRACT
3. GEOLOGÍA
En la mina Toromocho se han identificado 44 vetas y 2 Toromocho es un yacimiento tipo pórfido skarn que
cuerpos diseminados a partir de la definición y modelado pertenece a la franja polimetálica Miocénica del centro
de dominios de arsénico (As). Esto se realizó con la del Perú, asociado con extensas zonas de alteración
información de muestreo y logueo de blastholes. Análisis potásica y fílica, con zonificación de Cu/Pb-Zn/Pb-Ag
estadísticos determinan que los dominios de As son (Kouzmanov et al.,2008). Se desarrolla en calizas del
controlados exclusivamente por estructuras, las cuales grupo Pucará, secuencias volcánicas del Grupo Mitu y se
fueron proyectadas hasta el PIT junio 2023. La base de emplazan intrusivos Miocénicos (Kouzmanov et
datos usada incluye 380,863 taladros de perforación al.,2008).
blasthole que equivale a 5,712,945 m. Para la estimación,
se realizó una interpolación de bloques utilizando el 4. BASE DE DATOS
método de inverso a la distancia y se delimitó un tamaño Los datos que se emplearon para definir la forma de las
de bloque 5x5x15, posteriormente rebloqueado a estructuras de As, fueron los 380,863 taladros de
20x20x15. La validación se basó en la validación visual, perforaciones de tipo blastholes, con longitud de 15
sesgo condicional, sesgo global, swath plot, curva metros por taladro, representando un total de 5,712,945
tonelaje ley y reconciliación del As para los años 2021, m. Esta información fue recopilada entre el 2013 hasta
2022 y 2023. abril del 2023. Las estadísticas y la matriz de correlación
muestran una fuerte correlación (aprox. 0.7) entre el As
2. INTRODUCCIÓN y Ag
Assay AS AG
Samples 380863 380863

Las estimaciones de recursos minerales de Toromocho Minimum

Maximum 11.05
0 0.01
1337.74
hasta la ultima versión del 2019 no incluyen vetas ni los Mean
Standard deviation
0.03
0.09
7.62
15.39
cuerpos diseminados de arsenico por lo que se tiene una CV
Variance
2.91
0.01
2.02
237
subestimación sistemática de arsenico en dicho modelo Skewness
Log mean
22.29
-4.33
13.51
1.51
de largo plazo, lo que impacta de forma negativa en los Log variance
Geometric mean
1.44
0.01
0.81
4.52
ingresos planificados por ventas de la empresa ya que el 10% 0 1.65
20%
concentrado contiene mas arsenico de lo planeado y baja
0.01 2.23
30% 0.01 2.78

de valor al tener una mayor penalización.

40% 0.01 3.39
50% 0.01 4.11
60% 0.02 5.03
70% 0.02 6.36

Por esta razón el area de geologia diseño una estrategia 80%

90%
0.04
0.06
8.65
14.3

para identificar,a partir de los blast holes, las vetas con 95%
99%
0.11
0.34
23.25
64.74
alto contenido de arsenico y las zonas diseminadas para
luego modelarlas en 3 dimensiones, estimarlas e
incorporarlas al modelo de largo plazo para así contar con
valores de arsenico mas cercanos a la realidad que nos
permitan hacer mejores planes de minado y por lo tanto
cumplir con ingresos planificados de la compañía
 XXI Congreso Peruano de Geología, p. xxx (2023)

Figura 4.1. Estadísticas y matriz de correlación entre

As y Ag. Fuente MCP (2022)
Debido a que los valores de As (%) y Ag (ppm) no
poseen las mismas dimensiones, se realiza una
transformación logarítmica (Z-Score Log) para ser
considerada una sola variable (ASLZ+AGLZ).

(𝑋 − 𝑋̅ )
𝑍=
𝜎
Donde :
X:Score o valor de la variable
X ̅:Media aritmética
σ:Desviación estándar

Se realizó una corrección de datos para la generación

Figura 5.1 Vista en Banco 4650 de las vetas
de archivos Assay, Collar y Survey, limitando a aquellos
polimetálicas de As + Ag. Fuente: MCP (2023).
taladros que no posean errores en coordenadas e
información geológica vacía. Los taladros resultantes
Se consideró como dominio de As a estructuras con, por
fueron cargados al sofware Mineplan para la creación de
lo menos, 60 metros en bancos, isovalores de As mayores
compósitos.
de 0.49. La interpretación de estructuras se realizó cada
15 metros y fueron proyectadas hasta el PIT junio 2023
dando como resultado 44 estructuras y 2 cuerpos
diseminados (Figura 5.1).

Figura 5.2. Vista en planta del cuerpo diseminado y

estructuras tabulares de As. Fuente: MCP (2023)

5.2. MODELO DE BLOQUES

Figura 4.2 Transformación z-score log para As y Ag. El tamaño de bloque utilizado en el proceso de
Fuente: MCP (2023). interpolación fue definido 5x5x15m con el objetivo de
capturar los espesores más cortos de la interpretación de
5. MODELAMIENTO las estructuras de As (Cuador et al., 2011).
Posteriormente, fue rebloqueado 20x20x15 m, por
5.1. ESTRUCTURAS DE AS motivos operativos del área de planeamiento mina.
El modelamiento de estructuras de As se basó en un Los dominios de las estructuras de As en el modelo de
modelo numérico de isovalores (según percentiles y bloques fueron codificados a través de las estructuras de
valores significativos para MCP), de la variable As modeladas en Leapfrog e importadas al MinePlan.
ASLZ+AGLZ (Virrueta, 2020).
6. ESTIMACION DEL AS

6.1. BASE DE DATOS ASSAYS-COMPOSITOS

Con la finalidad de mitigar la variabilidad de los

ensayos, la longitud de los intervalos de muestreo fue de
 XXI Congreso Peruano de Geología, p. xxx (2023)

un tamaño fijo de banco 15 metros, logrando análisis

geoestadísticos más robustos (Rossi y Deutsch, 2014). El
espaciamiento promedio de blastholes por banco es de
8.14 (Figura 6.1.1).

Figura 6.3.2. Modelamiento Variográfico del DOM 8.

Fuente: MCP (2023).

Figura 6.1.1 Gráfica de espaciamiento promedio de 6.4. CONTROL DE MUESTRAS CON VALORES
Blastholes. Fuente MCP (2023). ALTOS

Se utilizó la metodología de outliers restriction, en

6.2. ANALISIS DE DATOS lugar de usar capping, para limitar la influencia de datos
atípicos (Rossi y Deutsch, 2014). A partir de gráficos de
Previamente a la estimación, se realizó un análisis
log-normales por dominio se estableció el límite de 95%,
geoestadístico de litología, alteración y zona de
controlando los compósitos que superan ese límite
mineralización, con el objetivo de definir unidades
(Parker, 1991). La influencia se varió según la pasada de
consistentes de estimación (Rossi y Deutsch, 2014).
estimación entre 5 a 10 metros.
Los resultados muestran que las leyes de arsénico no 6.5. CONFIGURACION DEL MODELO DE BLOQUES
están controladas por el tipo de litología, alteración y
zona mineral. Los dominios finales de estimación Para las interpolaciones de leyes de As, se definió unas
resultan de la interpretación y posterior codificación de dimensiones de 5x5x15 que permite capturar las
las estructuras tabulares y cuerpos diseminados. estructuras con espesores cortos, según la naturaleza de
las muestras y altura de banco (Cuador et al., 2011).
6.3. VARIOGRAFIA
Posteriormente, se realizó un rebloqueo a 20x20x15
Se utilizó el variograma para modelar la continuidad metros que es el tamaño de bloque operativo para
espacial de los distintos dominios (Journel y Huijbregts, planeamiento de mina y reporte de recursos minerales
1978). Se muestra los ejemplos del estudio variográfico (Rossi y Deutsch, 2014).
para el DOM 8.
6.6. PLAN DE ESTIMACION
.
La estimación de los dominios de As se realizó por el
interpolador inverso a la distancia (IDW). Se realizaron
3 pasadas de alcances decrecientes (Rossi y Deutsch,
2014). Para dominio de leyes muy elevadas, se realizó un
control de outliers.

7. VALIDACIONES

7.1. VALIDACION VISUAL

Inspección visual de los valores de los bloques del

modelo comparado con los compósitos a escala local en
Figura 6.3.1. Análisis de Continuidad del DOM 8. bancos y secciones (Bernabé y Vega, 2010; Figura 7.1.1.)
Fuente: MCP (2023).
 XXI Congreso Peruano de Geología, p. xxx (2023)

Figura 7.4.1 Validación swath plot para el As. Fuente:

Figura 7.1.1 Vista Planta-Banco 4530 modelo de MCP (2023).
bloques y compósitos de los dominios de As.
Fuente: MCP (2023). 7.5. CURVA TONELAJE LEY

7.2. VALIDACION POR SESGO CONDICIONAL Se comparó los tonelajes y leyes estimadas con relación
Se comparó la media estimada con la media local del volumen y varianza entre el modeo de bloques estimado
modelo de referencia NN (nearest neighboor) y los con el interpolador NN y con el IDW para validar la
compósitos de As a través de histogramas y log-normal condición de soporte (Abzalov, 2016).
plots (Abzalov, 2016) del modelo de bloques resultante.

Figura 7.5.1 Curva tonelaje ley NN vs IDW del As.

Figura 7.2.1 Histogramas, Log probability plot y QQ Fuente: MCP (2023).
plot de compósitos de As vs NN vs IDW. 7.6. KRIGING NEIGHBOURHOOD ANALYSIS (KNA)
Fuente: MCP (2023).
Se utiliza para analizar los parámetros de estimación
7.3. VALIDACION POR SESGO GLOBAL
para poder evitar el suavizado excesivo de los estimados,
el efecto pantalla y minimizar el sesgo condicional (Vann
Se comparó los resultados de los compósitos de
et al. 2003; Figura 7.6.1).
entrada, con el interpolador IDW por cada dominio de
As.

7.4. SWATH PLOT

Se realizó análisis de tendencias en bancos y secciones

para el modelo de bloques IDW, NN y los compósitos
comparando las medias con la finalidad de validar la
reproducción de datos (Bernabé y Vega, 2010; Figura
7.4.1.).
 XXI Congreso Peruano de Geología, p. xxx (2023)

Figura 7.8.3. Factor R1 del año 2023 del modelo sin

dominios de As (rojo) y considerando dominios de As
(azul). Fuente: MCP (2023).

En las figuras 7.8.1 a la Fig. 7.8.3, podemos observar

en línea roja la distribución de As en el modelo de largo
Figura 7.6.1 Análisis de parámetros de estimación por plazo (sin considerar los dominios de AS) una fuerte
KNA para el cuerpo masivo de As (DOM 99). variación mensual y un promedio anual donde se observa
Fuente: MCP (2023). una subestimación del As en el modelo de largo plazo
con respecto al modelo de corot plazo.
7.7. VALIDACION DE DISTANCIAS PROYECTADAS Sin embargo, podemos observas la línea azul
(Estimacion de As considerando dominios), que la tiene
Se realizó la validación para determinar que las una fuereta variación mensual y el promedio anual es mas
distancias proyectadas al PIT junio 2023 de los dominios cercano al que se observa en el modelo de corto plazo.
de As estén dentro de las distancias obtenidas sustentado
en los variogramas (Bernabé y Vega, 2010). 8. CONCLUSIONES
En el análisis inicial de datos, se observó que las leyes
de arsénico en el yacimiento están controladas por
7.8. RECONCILIACION DEL AS 2021, 2022 Y 2023
estructuras; La correlación entre As y Ag resultó muy
Para poder comparar las leyes estimadas del modelo de buena (aprox. 0.7); por ello, se optó por usar una suma de
bloques con las medidas reales, se utilizó el factor R1 el ambas informaciones para tener una mejor continuidad
cual compara el modelo de largo plazo en comparación en identificación e interpretación de las estructuras.
con el modelo de corto plazo (Parker 2012). Se identificó e interpretó 44 estructuras tabulares y 2
cuerpos diseminados de arsénico, fueron proyectados
𝑆ℎ𝑜𝑟𝑡 𝑇𝑒𝑟𝑚 𝑀𝑜𝑑𝑒𝑙 (𝑆𝑇 𝑀𝑜𝑑𝑒𝑙) hasta el límite del PIT diciembre 2023.
R1 = El método de interpolación para la estimación de leyes
𝐿𝑜𝑛𝑔 𝑇𝑒𝑟𝑚 𝑀𝑜𝑑𝑒𝑙 (𝐿𝑇 𝑀𝑜𝑑𝑒𝑙) es el inverso a la distancia, porque es el que mejor
representa los valores de entrada sin generar un exceso
en el suavizamiento de las leyes tanto bajas como altas.
Las distancias proyectadas por interpretación de los
dominios de As no sobrepasan la distancia máxima
calculada en el estudio variográfico, con lo cual se puede
indicar que los valores estimados proyectados al PIT
diciembre 2023 son valores geoestadísticamente
Figura 7.8.1 Factor R1 del año 2021 del modelo sin controlados.
dominios de As (rojo) y considerando dominios de As Esta nueva estimación mejora la predictibilidad del
(azul). Fuente: MCP (2023). arsenico en el modelo de largo plazo y por lo tanto su
cumplimiento en los planes de minado mensuales y
anuales, además al ser lo mas aproximado a la realidad
permite acercanos al cumplimiento de los ingresos de
planes de venta de concentrados.

AGRADECIMIENTOS

A todo el equipo de geología de Minera Chinalco Perú

Figura 7.8.2. Factor R1 del año 2022 del modelo sin por su disposición y apoyo que ha contribuido en la
dominios de As (rojo) y considerando dominios de As finalización de este trabajo.
(azul). Fuente: MCP (2023).
 XXI Congreso Peruano de Geología, p. xxx (2023)

REFERENCIAS

Bernabé, H., Vega, M. 2010. Validación del modelo de

bloques en la estimación de recursos minerales en la
exploración. XV Congreso Peruano de Geología. SGP,
v.9, p 1311-1314.
Cuador, J., Gómez, O., Estévez, E. 2011. Determinación
del tamaño racional del bloque para la estimación de los
recursos minerales en el yacimiento Mariel. Minería y
Geología. 27(4), p. 20-39.
Journel, A., Huijbregts, C. 1978. Mining geostatistics.
Academic, New York, p 600.
Kouzmanov, K., Ovtcharova, M., Von Quadt, A,
Guillong, M., Spikings, R., Schaltegger, U., Fontboté,
L., Rivera, L. 2008. U-Pb and 40Ar/39Ar age
constraints for the timing of magmatism and
mineralization in the giant Toromocho porphyry Cu-
Mo deposit, central Peru. XIII Geological Congress of
Perú, Lima, p. 1-2.
Parker, H. 1991. Statistical treatment of outlier data in
epitermal gold deposit reserve estimation. Math Geol
23, p 125-199.
Rossi, M., Deutsch, C. 2014. Mineral Resource
Estimation. Springer. p. 51-65, 89-96, 221-230, 286-
288.
Virrueta, A. 2020. Isovalores, cocientes metálicos y
dirección de flujo en la veta ramal piso 722, mina San
Cristóbal Volcan Compañía Minera S.A.A. UNSA, p.
19-30.