Los resultados de reconciliación del modelo operativo con el balance metalúrgico para el año 2015 en Unidad Minera Cerro Lindo, evidencian diferencias menores al 5% para los elementos Plomo, Plata y Cobre, y un sesgo mayor al 15% para el elemento Zinc.
Ante esta situación, el presente trabajo propone un análisis de subdominios de indicadores para el elemento Zinc como alternativa de solución efectiva para disminuir el sesgo.
El estudio de subdominios de estimación con indicadores consiste en primero determinar dominios estructurales mayores, y luego en desarrollar una metodología para encontrar los cut-off que determinarán los dominios de estéril/mineral baja ley y mineral baja ley/alta ley. La correcta determinación de estos subdominios se reflejará en el cumplimiento de las condiciones de estacionaridad y fenómeno intrínseco en cada subdominio encontrado y facilitará la utilización adecuada de la ecuación lineal de estimación.
El resultado final permitirá obtener validaciones matemáticas satisfactorias y mejorar los resultados de la reconciliación del modelo operativo con el balance metalúrgico para el elemento Zinc.
El estudio realizado muestra una disminución del sesgo para el elemento Zinc; con la disminución del sesgo se disminuye la incertidumbre del modelo operativo y en consecuencia se cuenta con una mayor confianza para la planificación de la actividad extractiva. El ahorro de tiempo y costos asociados contribuyen de manera positiva a la cadena de valor de la compañía minera.
ESTUDIO DE INDICADORES PARA MEJORAR CONCILIACION MINERA EN UM CERRO LINDO
1. TITULO:
KRIGING DE INDICADORES PARA MEJORAR RESULTADOS
DE LA RECONCILIACIÓN MINERA EN UM CERRO LINDO
Autores: Joel Mejía, Fernando Sáez
Expositor: Joel Mejía
Empresa: Compañía Minera Milpo
SRK Consulting (Perú) S.A.
5. Conciliación Modelo LP – Balance metalúrgico
Datos de entrada:
• Balance metalúrgico Planta
• Tajos explotados Planeamiento (sólidos 3D)
• Modelo LP Geología
6. ANTECEDENTES: 2012 - 2013
Realidad operacional:
• Preferentemente, se explotan los tajos de mayor continuidad
geológica y de ley
• Producción: 2012 10K, 2013 15K
Criterios del modelo de recursos:
• Modelamiento 100% geológico: SPP, SPB, SSM, fallas, diques,
enclaves
• Plan de estimación: basado en los alcances variográficos
• Plan de categorización: basado en los alcances variográficos
7. Conciliación Modelo operativo – Balance metalúrgico
2012 - 2013
Oportunidad de mejora:
• Disminuir bloques medidos e indicados sub económicos
Plan de acción:
• Modelamiento geo económico: Utilizar como referencia los tramos
de compósitos con valor mayor a US$ 20
Modelo Operativo ‐ Largo Plazo 2012 ‐ 2013
Categoría Cutoff MTM % Zn % Pb % Cu Onz Ag MTM Zn MTM Pb MTM Cu MOnz Ag
MEDIDO 0 7.7 3.81 0.37 0.80 0.80 0.3 0.03 0.1 6.2
INDICADO 0 1.9 1.66 0.16 0.80 0.69 0.0 0.00 0.0 1.3
INFERIDO 0 0.1 3.53 0.59 0.51 0.39 0.0 0.00 0.0 0.0
WASTE 0 0.0 0.00 0.00 0.00 0.00 0.0 0.00 0.0 0.0
TOTAL 0 9.7 3.38 0.33 0.80 0.78 0.3 0.03 0.1 7.5
Balance Metalúrgico años 2012 ‐ 2013
AÑO Cutoff MTM % Zn % Pb % Cu Onz Ag MTM Zn MTM Pb MTM Cu MOnz Ag
2012 3.8 3.08 0.29 0.86 0.74 0.1 0.01 0.0 2.8
2013 5.4 3.11 0.32 0.77 0.75 0.2 0.02 0.0 4.1
TOTAL 9.2 3.10 0.31 0.80 0.74 0.3 0.03 0.1 6.9
‐5% ‐9% ‐6% 1% ‐4% ‐14% ‐11% ‐4% ‐9%Diferencia Relativa
9. ANTECEDENTES: 2014
Realidad operacional:
• Ocurren con mayor frecuencia y dimensiones los “enclaves”;
incrementan los tajos de borde
• Producción: 16K
Criterios del modelo de recursos:
• Modelamiento geo económico: SPP, SPB, SSM, fallas, diques,
enclaves y envolvente económica (US$ 20)
• Plan de estimación: basado en los alcances variográficos
• Plan de categorización: basado en los alcances variográficos
10. Conciliación Modelo operativo – Balance metalúrgico
2014
Oportunidad de mejora:
• Geología: mejorar interpretación de dominios estériles: diques y
enclaves
• Planeamiento: programar los tajos con mayor confianza geológica
• Recursos minerales: mejora continua
Plan de acción:
• Interpretación de diques y enclaves
• Perforación “infill” adicional para incrementar la confianza de los
tajos programados
• Análisis de vecindad de kriging (QKNA)
Modelo Operativo ‐ Largo Plazo 2014
Categoría Cutoff MTM % Zn % Pb % Cu Onz Ag MTM Zn MTM Pb MTM Cu MOnz Ag
MEDIDO 0 4.8 4.14 0.43 0.73 0.82 0.20 0.02 0.03 3.94
INDICADO 0 1.3 2.56 0.28 0.69 0.69 0.03 0.00 0.01 0.90
INFERIDO 0 0.0 3.60 0.35 0.36 0.37 0.00 0.00 0.00 0.00
WASTE 0 0.0 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
TOTAL 0 6 3.80 0.40 0.72 0.79 0.23 0.02 0.04 4.84
Balance Metalúrgico 2014
Mes Cutoff MTM % Zn % Pb % Cu Onz Ag MTM Zn MTM Pb MTM Cu MOnz Ag
TOTAL 6 3.06 0.33 0.79 0.75 0.18 0.02 0.05 4.43
‐3% ‐24% ‐21% 10% ‐6% ‐28% ‐24% 7% ‐9%Diferencia Relativa
11. Mejora continua: 2015
QKNA
Gráfico tomado de la publicación:
“The Slope of Regression for Kriging Estimators”
Clayton Deutsch
(BV – KV)
BV
KE =
KE: Eficiencia del kriging
BV: Varianza del bloque
KV: Varianza de kriging
12. ANTECEDENTES: 2015
Realidad operacional:
• Ocurren con mayor frecuencia y dimensiones los “enclaves”;
incrementan los tajos de borde
• Producción: 18K
Criterios del modelo de recursos:
• Modelamiento geo económico
• Plan de estimación: basado en QKNA y análisis de sensibilidad
en el plan de estimación
• Plan de categorización: basado en los alcances variográficos
13. Conciliación Modelo operativo – Balance metalúrgico
2015
Oportunidad de mejora:
• Geología: modelos de corto plazo, muestreo sistemático por densidad
• Planeamiento: recuperar “mineral remanente”
• Recursos minerales: Caracterización económica para el zinc
Plan de acción:
• Evaluación de método más selectivo de minado
• Análisis de vecindad de kriging (QKNA) y Kriging de indicadores
Modelo Operativo ‐ Corto Plazo 2015
Cutoff Tonnes ZN PB CU AG TM Zn TM Pb TM Cu Onz Ag
MEDIDO 0 4.5 3.65 0.35 0.76 0.81 0.16 0.02 0.03 3.66
INDICADO 0 1.1 3.30 0.31 0.84 0.87 0.04 0.00 0.01 0.99
INFERIDO 0 0.5 3.30 0.32 0.81 0.76 0.02 0.00 0.00 0.39
WASTE 0 0.4 0.00 0.00 0.00 0.00 0.00 0.00 0.00 0.00
TOTAL 0 6.5 3.35 0.32 0.73 0.77 0.22 0.02 0.05 5.04
Balance Metalúrgico 2015
Mes Cutoff TM % Zn % Pb % Cu Onz Ag TM Zn TM Pb TM Cu Onz Ag
TOTAL 6.8 2.83 0.31 0.68 0.75 0.19 0.02 0.05 5.05
3% ‐18% ‐5% ‐7% ‐3% ‐15% ‐2% ‐3% 0%Diferencia Relativa
15. 0.3 0.4 0.5 0.6 0.7
Baja Ley Transición Alta Ley
Análisis de Sensibilidad – Análisis de Contacto
(Valor indicador 10% Zn)
Baja Ley Transición Transición Alta Ley
16. BPlan de estimación – Baja Ley/Transición/Alta Ley
Zona de baja ley Estimación normal
0
1
0 0
1
0
1
1
Zona de alta ley Compósitos alta ley
Zona de transición dos códigos (0 y 1):
1. Estimación envolvente P(0.4) compósitos 0
2. Estimación envolvente P(0.6) compósitos 1
3. La ley final del bloques el promedio ponderado
de las 02 estimaciones y utilizando como peso
las probabilidades
P(0.4)
Dominio SPB
P(0.6)
17. Estructura lógica – Multi Run Software
Indicadoral compósito
Estimación Indicadores
Análisis Sensibilidad
Analisis Sensibilidad
Transición
Alta Ley
Estimación Indicadores
Transición
Alta Ley
20. Kriging de Indicadores: Resultados
• En el modelo diciembre 2015, se
disminuye el sesgo en la ley del
zinc (-18% a -14%). Similar
situación para el contenido fino
del zinc (-15% a -11%).
• En el modelo julio 2016, el sesgo
en la ley del zinc es de -11%.
Para el contenido fino del zinc es
de -14%.
21. Año 2016 Retos
¿Es representativo el muestreo para el Zinc?
¿Es representativa la data de densidad?
¿Planta puede mejorar su desempeño?
¿Cómo mejoramos el modelo de corto plazo?
“Solo mejoras lo que
controlas”