1

28 al 30 de Marzo del 2013

Lima - Per
M. Sc. Samuel Canchaya
[email protected]

LA EXCELENCIA DEL MUESTREO
www.sampling-ok.com

CONTENIDO PARTE TEORICO-PRACTICA
2
Jueves 28 Viernes 29
Mdulo I Mdulo II
09:00 a 13:00 09:00 a 13:00
INTRODUCCIN A LA TEORA DEL
MUESTREO Y QA/QC DEL
MUESTREO SECUNDARIO Y
ANLISIS Conceptos generales. La Teora
del Muestreo. Los Errores de P. Gy.
Heterogeneidad. Error Fundamental.
Estructura de los errores en la cadena del
muestreo. La prctica comn de los
procedimientos QA/QC del Muestreo
Secundario y el Anlisis.
QA/QC DEL MUESTREO PRIMARIO - MALLAS
Y DISTANCIAS OPTIMAS DE MUESTREO
Muestreo primario: Concepcin y seleccin del mtodo
ms indicado de muestreo. El concepto de anisotropa.
Test de Heterogeneidad. Nomograma de Preparacin de
Muestras. Manual de Procedimientos del Muestreo y
Cadena de Seguridad del Muestreo. Equipos, materiales
y aparejos recomendables y no recomendables. Gestin
ptima de una Campaa de muestreo. Aplicaciones de
la geoestadstica en la optimizacin del muestreo.
14:00 a 17:00 14:00 a 17:00
Taller 1: Identificacin y tratamiento de
valores altos errticos y bajos valores no
significativos.
Taller 2: Ejemplo de aplicacin del
Nomograma de Muestreo
Taller 3: Determinacin del efecto
proporcional y sus consecuencias
Taller 4: Competencia mecnica de roca intacta,
determinacin sistemtica de carga puntual.
Taller 5: Muestreo sistemtico de la densidad:
Aplicaciones en la estimacin de Recursos y
Geometalurgia.
Taller 6: Ejemplos de Variografa 1D en el Anlisis de
la variabilidad de flujos mineralrgicos
2
CONTENIDO:
PRACTICAS DE CAMPO
3
Sbado 30
PRACTICAS DE CAMPO
09:00 a 13:00
Prctica de campo 1: Muestreo de sedimentos de escorrentas (stream sediments)

Prctica de campo 2: Muestreo de suelos

Prctica de campo 3: Muestreo de rock chips

Prctica de campo 4: Muestreo de testigos diamantinos enteros y deleznables

14:00 a 17:00
Prctica de campo 5: Muestreo con cortadora porttil de estructuras tabulares: Vetas, lentes,
mantos, diques.

Prctica de campo 6: Muestreo de ripios de taladros de voladura (blast holes)
M. Sc. Samuel Canchaya
[email protected]

LA EXCELENCIA DEL MUESTREO
www.sampling-ok.com

28 al 30 de Marzo del 2013
Lima - Per
3
M. Sc. Samuel Canchaya
[email protected]

LA EXCELENCIA DEL MUESTREO
www.sampling-ok.com

28 al 30 de Marzo del 2013
Lima - Per

Introduccin a la Teora del Muestreo (TOS)
Conceptos y trminos generales: Exactitud y precisin, lmites de confianza
El concepto del soporte. El efecto pepita.
Los Errores de Pierre Gy y F. Pitard
Error de agrupamiento o segregacin
Errores relacionados a lotes mono-dimensionales
Errores relacionados con el incremento
El concepto de heterogeneidad; tipos de heterogeneidad
Estructura general de los errores en la cadena del muestreo
La prctica comn de los procedimientos QA/QC
Magnitudes de los errores en cada fase

6
4
Distribucin normal
de los errores:
7
rea bajo
la curva
Si no existe sesgo, en general los errores siguen una
distribucin normal como la mostrada en el grfico
donde: e es error y s
2
su varianza
P [-2s

e +2s] = 0.95
< <
Lo cual significa que:
el error e caer dentro del rea comprendida
entre -2s y + 2s con un intervalo de
confianza de 0.95
Dicho de otra manera:
el riesgo a equivocarnos ser de 5%
e = +/- s intervalo de confianza de 68%

e = +/- 1.645 s intervalo de confianza de 90%

e = +/- 2s intervalo de confianza de 95%

e = +/- 3s intervalo de confianza de 99.7%
99.7 %
95.0 %
68.0 %
A medida que aumenta la confianza el error aumenta;
mientras que el riesgo de equivocarnos disminuye .
8
El concepto de
six sigma
VARIAS DENOMINACIONES:
Six sigma
6 s
6 sigma
6 s
DPMO: Defectos por milln de oportunidades
Ms all de los dgitos, six sigma es una filosofa de negocios enfocada en la MEJORA
CONTINUA, optimizando procesos a partir de las necesidades de los clientes.
Es como plantearse un intervalo de
confianza de : 99.99966 %
Lo cual significa que se aspira a tener un
porcentaje de 99.99966 libre de defectos;
o slo 3.4 DPMO.
Si furamos menos exigentes; v.gr. slo 99.9%; esto significara
catstrofes como:
96 accidentes areos por cada 100,000 vuelos.
Por lo menos 20,000 prescripciones mdicas errneas por ao.
Corte de servicio de celular por 10 minutos cada semana.
s
s
s
s
s
s
5
9
Exactitud y Precisin
Exactitud: Cuando la media es insesgada
Precisin: La varianza del error debe ser pequea
Exactitud
sin Precisin
Precisin
sin Exactitud

Exactitud
y Precisin
Ninguno
10
Muestra ideal:
Equiprobable y de varianza pequea
Exactitud: Cuando la media es insesgada
Precisin: La varianza del error debe ser pequea
Media
Media
Media
Media
Sesgado
Varianza grande
Insesgado
Varianza grande
Insesgado
Varianza pequea
Sesgado
Varianza pequea
6
Distribucin promedio de tiempo en las tareas
asociadas a aplicaciones geomatemticas
11
25%
10%
15% 15%
35%
Data
C.Estad
C. Geoestad
Process
Interpret
Validacin de la Data
Tratamiento de valores bajos
no significativos
Identificain y tratamiento
de altos errticos
Compatibilizacin de datas
distintas
La importancia del muestreo
El muestreo por ser la fase inicial de toda estimacin
repercute en todas las actividades subsecuentes: de all su
IMPORTANCIA.
De nada vale el uso de equipos sofisticados durante el
anlisis qumico, ni de herramientas sofisticadas durante
la estimacin de recursos si no estn controlados los
errores, sobre todo durante el MUESTREO PRIMARIO,
que son los ms importantes y gravitantes.
Los errores son acumulativos (aditivos); por lo tanto se
debe minimizar su contribucin durante todas las fases:
ENFOQUE SISTMICO
12
7
13
Conceptos y trminos generales
Muestra (M): Parte o porcin representativa de un poblacin o dominio;
resultado de un procedimiento de muestreo equiprobable:
cuando todos los componentes tienen
la misma probabilidad de ser elegidos

Cuando el muestreo no cumple la condicin de equiprobabilidad
slo se obtiene un ESPECIMEN (E)
E M
Incrementos
Incremento: Grupo de partculas extradas de un lote en una sola operacin.
Muestra: Reunin de varios incrementos correctamente extraidos
Definiciones preliminares:
Variable aditiva.- Toda variable que tiene un sentido fsico intrnseco o
que est ponderada con algn soporte fsico. Ejemplos: Densidad, potencia
de una veta, ley ponderada por la potencia (acumulacin), o por la
longitud del tramo muestreado.
14
Lote: Batch o conjunto de material del
cual se selecciona incrementos y muestras.
Debe tener contornos y/o lmites bien
definidos: saco, tolva, carro, contenedor, etc.

Conminucin: Operacin que reduce el
tamao de los fragmentos, ya sea por:
chancado, trituracin y/o pulverizacin.
8
Definiciones preliminares:
Dominio.- Volumen, rea o zona,
seleccionada o independizada de las
contiguos, para efectos de estudio.
Ejemplos: Zona de mineral primario,
zona de endoskarn, zona de alteracin
arglica avanzada, volumen que
engloba las leyes mayores a 5 g/t Au,
etc.
15
V
dv
Soporte.- Volumen, peso o cantidad de datos
que sustenta el valor de una variable. Ejemplos:
La potencia de una veta, la longitud del tramo de
un DDH, los m
3
de una muestra de morrenas, etc.
16
El concepto del Soporte
La muestra es siempre un diferencial
de volumen (dv), si se compara con el
Volumen (V) mayor al que representa.
Cuando se asigna un valor encontrado
en el dv, a un volumen mucho mayor V
se produce un error denominado error
de extensin.
An cuando se enva del campo una
muestra apreciable (algunos kilos de
muestra) los analitos de laboratorio no
pasan de 1 gramo, en el mejor de los
casos.
Una reduccin drstica del volumen de
la muestra, asociado generalmente a
una conminucin sucesiva, es la
principal fuente de error
V
dv
9
Diferentes
configuraciones
de bloques en
malla regular
100 m
1
0
0

m

a
l
l
1 0.3 3 0.2 0.1
0.01
0.5 0.6 2 5 6
10
0.06
0. 1
0.02
0.03
0.
2
0.
3
0.
5
1.0
0.04
C
s
0
2
para a =170 para a = 50
l
l
l
Modelos esfricos para la estimacin de
varianzas de extensiones elementales
(Modificado a partir de a partir de JOURNEL & HUIJBREGTS (1978)
10
19
El efecto pepita (C
0
)
Este efecto ocurre principalmente:
Cuando se tiene gran variabilidad
local
Cuando ocurre Au grueso
Refleja errores sistemticos de
muestreo o analticos
Mejor solucin
AUMENTAR EL SOPORTE
20
Ensayo al fuego
25-50 g
muestra
OX-Pb
Mezcla fundente
Nitrato de plata
+ 1100 C
10%
HCL
Separacin del rgulo
de Pb de la escoria
Lavado del
rgulo de Pb
+ 940 C
Separacin del botn de Au
del OX-Pb que es absorbido
por la copela
Disolucin del
botn de Au con
cidos
Gravimetra
AA
ICP
COPELACION
FUSION
11
21
Los errores de P. Gy
& F. Pitard
FSE : Error fundamental
GSE : Error de agrupamiento o segregacin
PIE
1
: Error de fluctuacin de la heterogeneidad a corto plazo
PIE
2
: Error de fluctuacin de la heterogeneidad a largo plazo
PIE
3
: Error de fluctuacin peridica de la heterogeneidad
IDE : Error de la delimitacin de incrementos
IEE : Error de extraccin del incremento
IWE: Error del peso de los incrementos
IPE : Error de preparacin
INE: Error del Efecto de Pepita
22
TIPO CARACTERSTICAS OBSERVACIONES
FSE : Error
fundamental de
muestreo
Derivado de la heterogeneidad de
constitucin del material que est siendo
muestreado
(V.gr.: Las leyes varan entre fragmentos)
Nunca se cancela; es el
nico que permanece cuando
la operacin de muestreo es
perfecta. Es el nico que se
puede estimar con
antelacin.
GSE : Error de
agrupamiento o
segregacin

Heterogeneidad debido a la estratificacin
de los fragmentos dentro de la poblacin de
inters
(V. gr.: Pequeos fragmentos asentados
hacia el fondo). La varianza de GSE es
directamente proporcional a:
1. Heterogeneidad de constitucin
2. Factor de agrupamiento
3. Factor de segregacin (estratificacin)
Para minimizarlo: Buena
homogenizacin y mayor
nmero de incrementos.
Suele aumentar con la
conminucin.
Descripcin de los errores de P. Gy & F. Pitard
12
Heterogeneidad:
23
3 cm
40
Calcita
Cuarzo
Piroxeno
3 cm
Diorita
2 cm
Heterogeneidad:
24
Modificado a partir de Gy (1999: 38).
Analizador
de
Absorcin
Atmica
Siendo los iones de
Au ms densos que
las molculas de
agua, se produce
una segregacin
vertical por efecto
de la gravedad.
GY (1992): Debemos remover la palabra
HOMOGENEIDAD de nuestro vocabulario
1 cm
ef
cac
40 m
ef
cp
13
Tipos de
Heterogeneidad:
25
Para poder medir la heterogeneidad debemos diferenciar claramente sus dos
categoras:
Heterogeneidad de constitucin.- Es una propiedad intrnseca de los
materiales, que se confronta cuando consideramos las propiedades de los
fragmentos de un lote mirndolos uno a uno. Una muestra seleccionada de
un lote afectado por heterogeneidad de constitucin est afectada de un
error denominado ERROR FUNDAMENTAL. Este error nunca es cero.
Heterogeneidad de distribucin.- Considerando un lote como un set de
grupos, encontramos que sos tienen una distribucin heterognea;
dependiendo de tres factores:
Heterogeneidad de constitucin
Distribucin espacial de los constituyentes
Forma del lote
26
Segregacin:
La Segregacin est en funcin a la heterogeneidad y
depende principalmente de:

La Granulometra: Los ms gruesos tienden a
subir

La densidad o peso: Los ms pesados se
concentran al fondo
14
27
TIPO CARACTERSTICAS OBSERVACIONES
PIE
1
: Error de
fluctuacin de la
heterogeneidad a
corto plazo (h1)
Tendencias espaciales no peridicas en
el material a muestrear, observables en
periodos de tiempo cortos; debido a
heterogeneidad a pequea escala: h1
Se originan por el efecto
pepita, errores sistemticos de
muestreo o anlisis, etc. Se
reconocen con el variograma.
PIE
2
: Error de
fluctuacin de la
heterogeneidad a
largo plazo (h2)
Suele haber tendencias espaciales no
peridicas en el material a muestrear;
originadas por la heterogeneidad
introducida por tendencias de amplio
rango: h2
Tendencias, drifts o
fluctuaciones de largo plazo.
Suelen ser reconocibles con el
variograma.
PIE
3
: Error de
fluctuacin
peridica de la
heterogeneidad (h3)
Tcnicas de procesamiento pueden
ser afectados por factores que varan
peridicamente como las estaciones o
la temperatura. Es la heterogeneidad
introducida por fenmenos cclicos.
Resultados sesgados de
naturaleza desconocida.
Fcilmente reconocibles con el
variograma
ERRORES relacionados con la heterogeneidad
de lotes monodimensionales
28
TIPO CARACTERSTICAS CMO MINIMIZAR
IDE :
Error de la
delimitacin
de
incrementos
Ocurre cuando cada componente del lote no
tiene igual chance de constituirse en la
muestra. Principales fuentes: muestreo
superficial con esptula o lampa;
decantamiento de un lquido (humedad),
forma inadecuada de contenedores, etc.
Garantizar la equiprobabilidad
de extraccin de cada
incremento.
Se debe tratar de usar dimetro
mayores en la perforacin.
IEE : Error de
extraccin del
incremento
Cuando no se captura todas las partculas
(generalmente por muy finas o muy gruesas
= causa principal de sesgos)
Usar aparejos y equipos
correctamente diseados
IWE :
Error del peso
de los
incrementos
Ocurre cuando no se guarda una adecuada
proporcin entre el peso y la masa de los
incrementos, con relacin al peso y la masa
de la muestra y de la entidad muestreada.
Cada incremento debe
representar una cierta porcin
del lote y debe tener una masa
proporcional a la masa de dicha
porcin
IPE : Error de
preparacin
Asociados con la manipulacin,
preservacin y procedimientos de
laboratorio
Evitar: contaminacin,
prdidas, alteracin, errores
humanos, fraudes, etc.
ERRORES relacionados con
los incrementos
15
29
Estructura general de
los errores:
EG = Error Global
EM
1
= Error en la fase de muestreo primario
EM
2
= Error en la fase de muestreo secundario o de preparacin mecnica
EA = Error analtico
EG = EM
1
+ EM
2
+ EA
Aditividad de las varianzas:
s
2
(EG) = s
2
(EM
1
)+ s
2
(EM
2
)+ s
2
(EA)
Magnitud de los errores en cada fase
Sesgo
%
Fase
1000
Muestreo
primario
50
Muestreo
secundario
0.1 a 1 Anlisis
Segn: Gy (1999:10)
Actividad
% Error
relativo
Muestreo 100 a 1,000
Transporte y
almacenamiento
1 a 100
Preparacin mecnica,
reduccin
10 a 100
Preparacin qumica 5 a 20
Anlisis 0.1 a 5
Compilado a partir de: Gy (1999:10); Gy & Francois-
Bongarson (1999) y Paski (2006)
QA/QC QA/QC
16
M. Sc. Samuel Canchaya
[email protected]

LA EXCELENCIA DEL MUESTREO
www.sampling-ok.com

28 al 30 de Marzo del 2013
Lima - Per
Mdulo II:
QA/QC del Muestreo Secundario y Anlisis
El Muestreo Primario: La Cenicienta de la actividad minera
Definicin de QA/QC
Aseguramiento de la Calidad del Muestreo Secundario y el Anlisis
Principales amenazas contra la calidad en el Lab. de Preparac. Mec. y Anls.
Qumico
Muestras de Control (MC): Blancos gruesos y finos, Estndares, Duplicados de
campo y lab, Gemelos.
Preparacin vs. adquisicin de muestras de control.
Procedimiento de insercin de las muestras de control en los batchs de
anlisis.
Acciones correctivas cuando se sobrepasan los lmites establecidos por las MC.
32
17
El muestreo primario:
La Cenicientade la actividad minera
QA/QC preferentemente aplicado al anlisis y su
preparacin mecnica previa.

Siempre es ms fcil adquirir equipos de anlisis qumico cada vez ms
sofisticados; por el contrario es difcil obtener aprobacin de las Gerencias
para cortadoras de rocas, cuarteadores rotatorios, homogenizadores, etc.

Cantidad de publicaciones sobre anlisis qumico es ms de un centenar de
veces ms que las relacionadas con el muestreo.

Cursos especficos de muestreo son casi inexistentes en universidades e
institutos; mientras cursos de anlisis qumico son obligatorios.

Responsables de anlisis qumicos son especialistas de gran calificacin y
bien pagados. Muestreros son considerados de menor rango y con escalas
ms bajas de remuneraciones.
33
34
El Muestreo Primario:
La Cenicienta de la actividad minera
Los programas de QA/QC son preferentemente enfocados o aplicados
al anlisis qumico.
Los ISO y sus Comits Tcnicos generalmente se enfocan
exclusivamente o por lo menos preferentemente a la parte analtica.
Los equipos analticos cada vez se hacen ms sofisticados, con
procesadores cada vez ms potentes y de mejor performance; sin
embargo por el lado del muestreo es difcil conseguir que las Gerencias
o Jefaturas aprueben la adquisicin de equipos ms adecuados, sin que
estos sean muy sofisticados.
Siempre ser ms fcil que se apruebe la adquisicin de un sistema de
horno de grafito para un equipo de AA (que cuesta varios miles de
dlares); mientras que ser muy difcil que se apruebe la adquisicin de
aparejos de muestreo a pesar que slo cuestan decenas a centenas de
dlares.
18
35
El Muestreo Primario:
La Cenicienta de la actividad minera
La cantidad de publicaciones (papers) relacionadas con la parte
analtica es 100 veces mayor que las relacionadas al muestreo.
Cursos especficos sobre muestreo son inexistentes en las
universidades; mientras que cursos regulares sobre anlisis qumico son
regulares en todas las universidades e institutos, desde hace dcadas.
Los responsables del anlisis qumicos en los laboratorios de anlisis
son especialistas con una gran calificacin; mientras que los que se
dedican a la parte de muestreo secundario son considerados de menor
rango y a veces no tienen calificaciones muy exigentes. Peor an: los
que realizan el muestreo primario (en el campo, interior mina, tajo
abierto o en la faja transportadora de circuitos de conminucin o
mineralrgicos) son a lo mucho tcnicos.
En las minas la cuadrilla de muestreo generalmente pertenece a la
escala de honorarios ms baja.
Conclusiones:
QA/QC preferentemente aplicado al anlisis
y su preparacin mecnica previa.

Fase de muestreo primario la ms importante; adems genera mayor
proporcin de errores.

Muestreo sigue siendo cenicienta de la actividad minera.

Gelogos de muestreo y muestreros no son debidamente seleccionados,
capacitados ni bien remunerados.

36
19
37
QA/QC:
Quality Assurance & Quality Control
Quality Assurance.- Conjunto de acciones
sistemticas para asegurar la calidad y confianza
en el muestreo. PREVENCION

Quality Control.- Conjunto de actividades o
tcnicas para monitorear, identificar errores y
realizar acciones correctivas durante el muestreo
y anlisis. DETECCION
La Calidad del Muestreo
Todos nosotros entendemos
la importancia del MUESTREO

Todos aspiramos a la CALIDAD

Los procedimientos de QA/QC convenientemente aplicados pueden ser
herramientas para lograr y controlar la CALIDAD

Es bueno saber que actualmente casi todos aplican el QA/QC

Sin embargo el QA/QC se aplica prioritariamente en la fase del anlisis
qumico de la muestra y su preparacin mecnica previa.

Se descuida el aseguramiento y control en la fase del MUESTREO
PRIMARIO, fuente principal y ms importante de los errores
38
20
La prctica actual del
QA/QC
El Aseguramiento de la Calidad
(Quality Assurance) es el
conjunto de acciones sistemticas
y preventivas para asegurar la
calidad y confianza en el muestreo y anlisis.

El Control de la Calidad (Quality Control) es el conjunto de actividades
o tcnicas para monitorear, identificar errores y realizar acciones
correctivas durante el muestreo y anlisis.

Una de las acciones mas difundidas dentro del QA/QC es intercalar
adecuadamente muestras de control dentro de cada lote de muestras a
analizar.

Internacionalmente la proporcin aceptada de muestras de control es 20%
39
0
1
2
3
4
5
6
7
8
9
10
0 1 2 3 4 5 6 7 8 9 10
M
a
x

Min
Muestras Gemelas
MG
y=x
Lnea
lmite
Muestras
fallidas
Magnitud de los errores en cada fase
Sesgo
%
Fase
1000
Muestreo
primario
50
Muestreo
secundario
0.1 a 1 Anlisis
Segn: Gy (1999:10)
Actividad
% Error
relativo
Muestreo 100 a 1,000
Transporte y
almacenamiento
1 a 100
Preparacin mecnica,
reduccin
10 a 100
Preparacin qumica 5 a 20
Anlisis 0.1 a 5
Compilado a partir de: Gy (1999:10); Gy & Francois-
Bongarson (1999) y Paski (2006)
QA/QC QA/QC
21
Proporcin recomendable de
muestras de control
41
Tipo de control Frecuencia % recomendado
Muestras gemelas (duplicados de campo) 1 de 30 a 50 2
Duplicados gruesos 1 de 30 a 50 2
Duplicados de pulpa 1 de 30 a 50 2
Estndar bajo
1 de 20
alternando
2
Estndar medio 2
Estndar alto 2
Blancos gruesos 1 de 30 a 50 2
Blancos finos 1 de 30 a 50 2
Duplicados externos 1 de 20 4
TOTAL: 20
Modificado a partir de Simon (2007)
Blancos
42
Muestras que controlan la contaminacin

Tambin se suelen incluir en el batch, inmediatamente despus de muestras
con valores altos

Generalmente se usa cuarzo cuya ausencia o despreciable contenido en los
elementos de inters es sustentado por algn certificado del laboratorio.

Preferible usar rocas frescas similares a la roca alterada o mineralizada.
Dichas rocas frescas deben ser sometidas a una serie de anlisis qumicos
previos en varios laboratorios, para garantizar que no presentan contenidos
de los elementos de inters.

Se consideran fallidos: Blancos con ms de 4 o 5 veces la media

22
Ejemplos de Grficos de Control:
Blancos
43
0
20
40
60
80
100
120
140
160
180
0 500 1000 1500
B
l
a
n
c
o

Muestra Precedente
Blanco vs. Muestra Precedente
Blanco vs.
Precedente
Lnea
Segura
Lineal
(Blanco vs.
Precedente)
Estndares
44
Muestras que controlan la exactitud
Estndares altos, correspondientes al cuarto cuantil
Valores intermedios
Valores bajos; se suele tomar el cut-off o un valor prximo
Generalmente se compran estndares de proveedores reconocidos; hay que tratar
de que sean de matriz similar a las muestras que se est analizando
Preferible usar rocas frescas similares a la roca alterada o mineralizada, a las
cuales se les dopa con contenidos apropiados de estndares comerciales. Dichas
rocas frescas deben ser previamente sometidas a una serie de anlisis qumicos en
varios laboratorios, para garantizar que no presentan contenidos de los elementos
de inters.
Se consideran fallidos:
Un estndar mayor que la media + 3s
Dos estndares adyacentes mayores que la media + 2s y en el mismo
lado de la media
23
Ejemplos de Grficos de Control de
Estndares
45
2.30
2.40
2.50
2.60
2.70
2.80
2.90
3.00
3.10
Fecha
Au en Estndar
Au (ppm)
MV
Media Mvil
(7 das)
Ave+2DE
Ave-2DE
Ave+3DE
AVE-3DE
MV+5%
MV-5%
Au
g/t
Duplicados de campo
46
Controlan la repetividad y reproducibilidad de la toma de muestras en el
campo

En esta categora se suele considerar:
Los gemelos de testigos de perforacin, generalmente un cuarto de
testigo
Tambin las muestras de taladros gemelos a la misma profundidad

Suelen ser tomadas por el mismo gelogo, pero tambin pueden ser
tomadas por otro gelogo.

Se consideran fallidas:
Diferencias mayores de 20% debieran ser investigadas

24
Ejemplos de Grficos de Control
Gemelas
47
0
1
2
3
4
5
6
7
8
9
10
0 1 2 3 4 5 6 7 8 9 10
M
a
x

Min
Muestras Gemelas
MG
y=x
Lnea
lmite
Muestras
fallidas
Duplicados
48
En esta categora se tiene tres tipos:
1. Duplicados re-analizados por el mismo laboratorio.- Como parte del
protocolo de autocontrol del Lab. y a su costo.
2. Duplicados insertados como muestras de control por el cliente
3. Duplicados enviados a otros laboratorios

Se consideran fallidas:
Diferencias mayores de 20% debieran ser investigadas

25
Ejemplos de Grficos de Control
Laboratorio Externo
49
y = 0.9797x + 3.054
r = 0.9902
r= 0.99
0
500
1000
1500
2000
2500
-500 500 1500 2500
L
a
b
.

S
e
c
u
n
d
a
r
i
o

Lab. Primario
Controles Externos
Acciones
50
Si hay contaminacin de los blancos: re-analizar todas las muestras
posteriores hasta completar el batch, salvo que un blanco posterior indique
que ya no hay contaminacin

Si fallan los estndares en todo el batch, re-analizarlo completo; si slo falla
algn(os) estndares, re-analizar slo los tramos comprometidos.

Cuando hay una diferencia mayor de 15% en los duplicados de campo, se
debe revisar los procedimientos de muestreo, incluso realizar ejercicios de
R&R. Posteriormente re-analizar nuevos duplicados.

Cuando los duplicados de laboratorio, tanto internos como externos, tienen
una desviacin mayor al 10% se repite el anlisis de las muestras fallidas, o
mejor de todo el tramo comprometido.
26
23de Marzo del 2013
Ingeniera Lima - Per
M. Sc. Samuel Canchaya
[email protected]

LA EXCELENCIA DEL MUESTREO
www.sampling-ok.com


QA/QC del Muestreo primario

Concepcin y seleccin del mtodo ms indicado de muestreo
El Concepto de Anisotropa
Test de Heterogeneidad
Nomograma de Preparacin de Muestras
El Manual de Procedimientos del Muestreo
La Cadena de Seguridad del Muestreo
Muestreadores adecuados y no adecuados
Materiales y aparejos recomendables y no recomendables para el
muestreo
Gestin ptima de una Campaa de Muestreo: Error vs. Densidad de
Muestreo vs. Costo
Aplicaciones de la geoestadstica en la optimizacin del muestreo




52
27
53
Rock chips
Por canales
Por zanjas
De dominios especficos:
Stock-Piles y morrenas
Relaves
Cuerpos Mineralizados
De detritus de perforacin
Sedimentos de quebrada
Aguas de drenaje natural
Otros
Tipos de muestreo primario:
54
Escoger el tipo ms adecuado de muestreo
Determinar la distancia ptima de muestreo
Buena representatividad de la muestra
Definir la cantidad o peso adecuado de muestra (buen soporte)
Definir tamao y nmero de incrementos
Muestreo insesgado
No contaminacin
Recomendaciones para un buen muestreo:
28
El Concepto de Anisotropa
55
M. Sc. Samuel Canchaya Moya
Ejemplo de Regionalizacin Istropa
( ) h
h
0
1
2
3
4
5
0 1 2 3 4 5 6 7 8 9
NE-SW
NW-SE
ajuste
C 0
= 0.5
a=420 m
56
29
VARIOGRAMAS EN VARIAS DIRECCIONES
TUFO SUPERIOR
TUFO MINERALIZADO
ARENISCA, CONGLOM.
Distribucin
anistropa
TUFO INFERIOR
W E
) (h
h
E - W
N - S
VERTI CAL
Modificado a partir de Journel & Huijbregths (1978)
Mapeo variogrfico 2D:
58
Para detectar las
principales direcciones
de ANISOTROPIA; e
indirectamente flujos de
mineralizacin.

Para definir radios de
elipses de influencia

Para que funcione se
requiere buena densidad
de muestreo

N22W
N68E
90
30
Magnitud de los errores en cada fase
Sesgo
%
Fase
1000
Muestreo
primario
50
Muestreo
secundario
0.1 a 1 Anlisis
Segn: Gy (1999:10)
Actividad
% Error
relativo
Muestreo 100 a 1,000
Transporte y
almacenamiento
1 a 100
Preparacin mecnica,
reduccin
10 a 100
Preparacin qumica 5 a 20
Anlisis 0.1 a 5
Compilado a partir de: Gy (1999:10); Gy & Francois-
Bongarson (1999) y Paski (2006)
QA/QC QA/QC
Proporcin recomendable de
muestras de control
60
Tipo de control Frecuencia % recomendado
Muestras gemelas (duplicados de campo) 1 de 30 a 50 2
Duplicados gruesos 1 de 30 a 50 2
Duplicados de pulpa 1 de 30 a 50 2
Estndar bajo
1 de 20
alternando
2
Estndar medio 2
Estndar alto 2
Blancos gruesos 1 de 30 a 50 2
Blancos finos 1 de 30 a 50 2
Duplicados externos 1 de 20 4
TOTAL: 20
Modificado a partir de Simon (2007)
31
El error fundamental (FSE) de
Pierre Gy
Nomogramas de muestreo
61
M. Sc. Samuel Canchaya Moya
62
El error fundamental de muestreo (FSE)
(segn Pierre Gy):
Error fundamental de muestreo EF: Es la varianza de las diferencias entre
los valores reales y los estimados por las muestras.
Frmula de la varianza del error fundamental de muestreo: s
2
= Kd
x
(1/M
S
-1/M
L
)
Donde:
M
L
Masa del lote (grs)
M
S
Masa de la muestra (grs)
d Dimetro mximo de las partculas (cm)
K Constante representada por la frmula: K = c g f (d
l
)
r
c factor de composicin mineralgica (gr/cm
3
)
g factor de distribucin de tamao (s/dimensin)
f factor de forma de las partculas (s/dimensin)
d
l
tamao de liberacin del constituyente de inters, que sigue
el modelo emprico

32
63
Descomposicin de la constante
K = c g f l
Factor de composicin mineralgica: c = ((1-a
L
)/a
L
) ((1-a
L
)g
1
+ a
L
g
2
)

Valor que se aproxima a g
1
/a
L
si a
L
es pequeo
a
L
= proporcin en peso de la mena
g
1
= peso especfico de la mena
g
2
= peso especfico de la ganga

Factor de distribucin de tamao g: Est en funcin de
d= dimetro mximo de las partculas y
d= dimetro mnimo de partculas
Cuando:
d/d entre 2 y 4 g = 0.50
d/d entre 1 y 2 g = 0.75
d/d = 1 g = 1.00
d/d mayor a 4 g = 0.25

Descomposicin de la constante
K = c g f l
Factor de la forma de las partculas f:
f = v / d
3
v = volumen de la partcula
d = dimetro promedio de la partcula
Generalmente se usa un valor de f = 0.5

Factor de liberacin l:
l = 1 cuando d
l
> d
l = (d
l
/d)
r
cuando d
l
< d

d= tamao mximo de la partcula
d
l
= tamao de liberacin de la mena
r= 1.2 para minerales de Cu
r= 1.5 para minerales de Au
Cuando el constituyente de inters es un solo mineral r se aproxima a 0.5, pero no en el caso
del Au (Francois-Bongarcon 2005; Francois-Bongarcon & Gy 2001), sobre todo cuando ste
se encuentra en varios minerales.
33
65
Construccin de un nomograma en base a la
Ecuacin de P. Gy
d K
M M
S
X
L S
FE

=
1 1 2
l fundamenta error del Varianza
SFE
:
2
muestreo de te Cons
K
tan :
muestra la de Masa
Ms
:
Lote del Masa
ML
:
partculas las de Dimetro
d
:
Si el peso de M
L
es por lo menos 10 veces mayor que M
S
Nomograma de preparacin de muestras
2 "
1.E-08
1.E-07
1.E-06
1.E-05
1.E-04
1.E-03
1.E-02
1.E-01
1.E+00
1gr 10gr 100gr 1Kg 10Kg 100Kg
PESO DE LA MUESTRA EN GRAMOS
V
A
R
I
A
N
Z
A

D
E
L

E
R
R
O
R

F
U
N
D
A
M
E
N
T
A
L

PRECISIN %
0,1
1
10
100
5
MUESTREADOR
PRIMARIO 50 KG
CHANCADOR DE
CONO A - 1/4
2 CUARTEADORES
ROTATORIOS EN SERIE
500 GR
CONMINUCION
A MALLA - 10
50 GR
MUESTREADOR
ROTATORIO
PULVERIZADOR
DE OLLA
34
67
Test de Heterogeneidad
Parte I
INICIO
PREPARAR COMPOSITO 250 Kg.
Chancar a
P80 3/4
1
1/2
1/4
# 10
#18
# 60
- 1/2
+ 1/4
(*) Tomar
100 muestras
c/u: 35 fragmentos
al azar

Pulverizar
P95 #150
FAG
Au
Sobrante de (*)
Chancar a
- # 10
68
Test de Heterogeneidad
Parte II
Splitear muestra de aprox. 8000grs de cada una de la fracciones (pesarlas). As, se
tiene 7 muestras de 8000grs ( una muestra de 8000grs por cada fraccin). Si la + 1 no
alcanza a pesar 8000 grs. usar fraccin completa, registrando peso.
Pulverizar los 8000 grs de muestra a P 95% -#150.
Dividir cada muestra de 8000grs en submuestras de 1000grs cada una.
Pesar cada submuestra.
En cada submuestra de 1000grs, realizar el siguiente screen assay:
Tamizar los 1000grs de cada submuestra, con #150.
Pesar la fraccin + #150 y la fraccin - # 150#
Analizar por FAG la fraccin + #150 completa, de tal forma que todo el oro
grueso est reflejado en este anlisis.
En la fraccin -# 150 hacer 3 anlisis sobre 50grs de muestra por FAG.
Calcular el oro promedio en cada submuestra de 1000 grs.
Calcule la constante K para cada fraccin y construir el nomograma respectivo.
35
Recomendaciones:
Protocolos de muestreo

Implementar Cadena de Seguridad del Muestreo

Minimizar errores en la fase de muestreo primario durante:
Eleccin del tipo ms adecuado de muestreo
Definicin de la malla o distancia ptima de muestreo
Medicin sistemtica de la desviacin de taladros
Reduccin del tamao de los fragmentos que se constituirn en incrementos
de la muestra.
Homogenizacin adecuada previa a cualquier ejercicio de reduccin de
volumen.

Cantidad, peso y granulometra de incrementos de las muestras deben ser
determinados con procedimientos actualizados (Gy 1999; Paski 2006).



69
Ejemplo de Aplicacin de Nomograma de
muestreo: Proyecto Oyu Tolgoi
70
36
71
Cadena de Seguridad del Muestreo:
Distribuye y transmite la responsabilidad del muestreo y de la
integridad de las muestras entre todos los actores involucrados.
En general la responsabilidad abarca desde el escritorio del Director o
Gerente de mayor rango hasta el personal auxiliar que apoya la
ejecucin del muestreo o transporta las muestras.
Sin embargo la Cadena de Seguridad del Muestreo deber ser lo ms
especfica posible, indicando en cada paso quin es el responsable y
cul es su funcin especfica; desde la concepcin del muestreo
(definicin del dominio, tipo de muestreo, soporte de cada muestra,
distancia de muestreo, etc.) pasando por la ejecucin del muestreo
(limpieza, toma de la muestra, reduccin primaria del tamao de las
partculas y de las contribuciones, homogenizacin, etc.), el anlisis de
las muestras hasta la recepcin y compilacin de los resultados.
Cada una de estas acciones est alternando con traslados o
transportacin de la muestra; acciones que devienen en trasladar en
postas no slo las muestras sino la responsabilidad de su integridad.
S. Canchaya/2009
Recomendaciones:
Comprar equipos y aparejos de muestreo
adecuados.

Utilizar siempre las mejores herramientas y
verificar sistemticamente que estn en buen
estado: Protocolos de verificacin sistemtica (check lists) de equipos
y herramientas de muestreo

No escatimar esfuerzos por lograr una muestra representativa, bien
conservada y no contaminada: Implementar Cadena de Seguridad.

Muestreo superficial de rocas y estructuras con cortadoras de disco
diamantado.

72
37
73
Mortero Platner
74
Homogenizador porttil
38
Muestreo de afloramientos
de estructuras con cortadora
porttil de disco
Muestreo de afloramientos
de estructuras con
cortadoras de disco
39
Recomendaciones:
Mallas de muestreo y distancias
ptimas de muestreo se deben
definir con procedimientos geoestadsticos.

QA/QC del muestreo primario debe incluir pruebas de R&R

Todo protocolo de muestreo debe estar refrendado por tests de
heterogeneidad y de sesgo en las fases ms crticas.

Programar auditoras anuales de muestreo, preferible realizadas por
empresas externas.

Uso recomendable: guantes desechables o toallas hmedas descartables
aspersores para humedecer testigos (en lugar de brochas), cuarteadores
rotatorios (en lugar de mantas de cuarteo), etc.



77
ERR %
50
30
10
20
40
0
60
Recomendaciones:
Conformar el equipo de muestreo con los
mejores y ms calificados recursos humanos.
Capacitacin y calificacin permanentes. Buena remuneracin.

Controlar y/o minimizar prdida de finos, generalmente con alto
contenido de minerales valiosos; especialmente durante perforacin
lavado y corte de testigos.

Implementar uso de cdigo de barras posibilitando registro directo de
mediciones y datos de laboratorio con sistemas automatizados.

Desterrar prcticas inadecuadas en la manipulacin de testigos: apilar
cajas destapadas o caminar sobre ellas; uso de brocha, transporte y
almacenamiento deficientes, etc.



78
40
Como NO se debe
almacenar testigos
79
Existe formas ms
adecuadas
80
Almacenamiento inadecuado de testigos
41
81
Muestreo de material
suelto de testigos
82
Guantes descartables
y/o toallas hmedas
42
NO USAR:
Guantes porosos
Manta de cuarteo
Brocha
Splitters
83
Esptula
84
Se deben usar:
43
85
Equipos y materiales crticos:

Cortadoras porttiles de hoja diamantada
Materiales para manipulacin limpia de muestras:
Toallas hmedas
Guantes desechables
Sprays en lugar de brochas para mojar testigos
Mortero plattner para reduccin de esquirlas

OPCIONALES PARA REDUCCIN DE VOLUMEN:
Homogenizador universal manual
Splitter con sistema de alimentacin homogneo
Muestreador rotatorio de campo.
No usar mantas. Mejor obtener una muestra directa, que no
necesite reduccin de volumen.
86
Reduccin del volumen
de muestra:
Mtodo Tpica
DER
Recomendacin
Cuarteo
manual
(manteo)
10 No recomendable
Splitter 1
Alimentacin debe ser
adecuada
Divisor
rotatorio
y Riffle
0.1 Buena reduccin
Desviacin estndar relativa (DER) segn Paski (2006)
Manta de
cuarteo
44
87
Reductores de masa recomendables
Splitter con tolva Cuarteadores rotatorios
La muestra ideal
88
ALTA REPETIBILIDAD
ALTA REPRODUCIBILIDAD
MUY PRECISO (baja varianza)
MUY EXACTO (sesgo nulo)
45
Gestin ptima de una campaa
de perforacin
89
M. Sc. Samuel Canchaya Moya
Relacin entre la precisin y el costo
asociado a diferentes mallas de perforacin
E
V v V V v v
2
2 s = ( , ) ( , ) ( , )
VARIANZA DE ESTIMACION:
10
200
50
30
100
70.5 50 141 METROS
COSTOS
RELATIVOS
8 4 16 2 1
200
50
1
0
0

ERROR
46
Relacin entre el error (*) y el soporte
(*) Medido por la dispersin respecto a la lnea de regresin Sy
91
20
60
40
DISPERSION
0.50
0.75 1.00 0.25
VOLUMEN
Tubos
Canales
Bulk
y = 50 - 42*x
1/2
Muestreo
con tubo
Muestreo
Por canales
Optimizacin de Programas de Perforacin Infilling
Au ppm
10
0.1
0.001
0.01
1.0
0.0001
ERR %
50
30
10
20
40
0
60
47
Cuerpo silceo con leyes anmalas
Quillcata - Yauyos
93
200 m
Manto silceo en el Tacaza
muestreado sistemticamente por
canales con cortadora porttil
94
250 m
Estructura mineralizada
Fracturamiento
1,600 muestras
48
Densidad de muestreo en canales
95
96
Referencias bibliogrficas

Gy P. (1992) Sampling of Heterogeneous and Dynamic Material Systems. Theories of
Heterogeneity, Sampling and Homogenizing.- Elsevier, New York.

Gy P. (1999) Sampling for Analytical Purposes.- John Wiley & Sons, New York; 153p.

Gy P. & Francois-Bongarson D. (1999) Seminario de Muestreo de Minerales.- Tecniterrae,
Santiago de Chile. Citado por Alfaro M. (2002) Introduccin al Muestreo Minero.- Instituto de
Ingenieros de Minas de Chile; 82p.

Francois-Bongarcon D. & Gy P. (2001) The most common error in applying Gys Formula in
the theory of mineral sampling an the history of the Liberation Factor.- In Mineral Res. And Ore
Reserve Estimation; The AusIMMM Guide to Good Practice; 67-72

Francois-Bongarcon D. (2005) The modeling of the Liberation Factor and its Calibration.-
Proceedings 2
nd
World Conference on sampling and Blending (WCSB2): 11-13.

Journel A. G. & Huijbregts Ch. J. (1978) Mining Geoestatistics.- Academic Press; 600 p.

Paski E. (2006) Taller internacional de muestreo geolgico.- IIMP & Actlabs; Lima Abr. 2006;
120 p.

Simon A. (2007) Control Sample Insertion Rate: Is there an Industry Standard?.- 23
rd

International Applied Geochemistry Symposium, IAGS; Oviedo, Spain, June 2007; 9 p.




49
QA/QC in Mining Reality or Fantasy? S. Canchaya
97
Eventos importantes relacionados:
6
6
3
Octubre 2013 Lima- Per
2
5-7 Dic. Santiago-Chile
' 7386413 988021992
[email protected]
www.sampling-ok.com
M. Sc. Samuel Canchaya
Consultor Principal
Dr. Francis Pitard
Lima 06/09/2011
50
' 7386413 988021992
[email protected]
www.sampling-ok.com
M. Sc. Samuel Canchaya
Consultor Principal
Dr. D. Francois-Boungarcon
25 al 28 Oct. 2011
5
th
WCSB-Santiago de Chile
23de Marzo del 2013
Ingeniera Lima - Per
M. Sc. Samuel Canchaya
[email protected]

LA EXCELENCIA DEL MUESTREO
www.sampling-ok.com