Unearthing 3D implicit modelling

Dr. Richard Lane, Research Director, Aranz Geo

Qué es un modelamiento implícito?
La geología es una ciencia que a diferencia de la ingeniería modela el mundo real en lugar
de construir estructuras dentro de él. Estos modelos evolucionan continuamente con la
recopilación de nuevos datos y con la mejor comprensión del científico de los procesos
físicos que rigen a creación del entorno geológico.
Por el contrario, los ingenieros toman modelos científicos y los utilizan como restricciones
para diseñar y construir estructuras, dispositivos y sistemas. La diferencia es importante
porque, si bien los geólogos requieren herramientas que les permitan crear y comparar
posibles modelos de forma rápida y eficiente, los ingenieros necesitan herramientas con
mayor énfasis en la precisión, ya que forman la base para una construcción precisa. Esta
diferencia en los requisitos no se limita a las ciencias de la tierra. Las herramientas
utilizadas por los arquitectos para diseñar conceptos de construcción difieren
significativamente de las empleadas por los ingenieros para especificar la construcción
final.
Dada la amplia diferencia entre las disciplinas de la ciencia y la ingeniería, sería
sorprendente que un solo conjunto de herramientas sea adecuado tanto para científicos
como para ingenieros. En la minería, el enfoque de diseño de ingeniería tradicional de usar
secciones, planos y elevaciones para definir una estructura en 3D también se usa para
especificar estructuras geológicas naturales. Esto a pesar de que estas estructuras geológicas
casi nunca son rectas y están alineadas con un conjunto de ejes de coordenadas. El contraste
es evidente en la Figura 1.
Figura 1: Comparación entre ingeniería y estructuras geológicas. Figura 2: La diferencia entre una sección explícita e
inplícita. Si bien a primera vista pueden parecer similares, la sección explícita (arriba) es una entrada utilizada para crear
el modelo formada al unir puntos de contacto manualmente, mientras que una sección implícita (abajo) es una salida
creada cortando un modelo 3D creado directamente desde los datos.

El modelado explícito en modelado geológico es esencialmente similar a un proceso de

dibujo en ingeniería. El modelador define estructuras geológicas tales como vetas y fallas al
dibujarlas explícitamente en secciones regularmente espaciadas y unirlas. Los datos pueden
ser utilizados por el modelador para restringir dónde dibujan, y puede haber herramientas
para acelerar el proceso, pero fundamentalmente es un proceso de dibujo. Este se adapta al
mundo de la ingeniería donde una definición exacta de una estructura es un precursor de su
construcción.
Entonces, ¿por qué el enfoque de ingeniería es un problema al modelar la geología?
Simplemente porque la geología no viene en cajas, triángulos, líneas rectas o incluso curvas
sofisticadas de Bezier. Todos estos son simplemente formas de representar la geología en
una computadora. Muchos de los problemas incómodos que enfrentan las personas cuando
se modelan geológicamente son el resultado de que el software de la computadora espera
que un geólogo se ajuste al mundo de la computadora y no al revés.
El modelado implícito difiere en que se basa en una aplicación de reglas para transformar
los datos de entrada para producir un modelo.
Este modelo puede ser manipulado y refinado, pero fundamentalmente es generado por
algoritmos informáticos directamente a partir de una combinación de datos medidos e
interpretación del usuario. El modelado aún requiere la visión de un geólogo, pero este
aporte se realiza en forma de tendencias, secuencias estratigráficas y otros términos
geológicamente significativos. Este enfoque es más rápido, más flexible y
fundamentalmente más adecuado para hacer modelos geológicos.

La otra gran ventaja del modelado implícito es que los modelos pueden estar hechos para
satisfacer siempre importantes restricciones geológicas. Por ejemplo, puede garantizar que
las unidades litológicas llenen el espacio debajo del suelo sin gaps ni espacios. Cuando el
modelo 3D tiene esta propiedad, cualquier sección cortada en cualquier posición siempre
será consistente con otras secciones. Esta propiedad no es el caso en un modelo explícito
donde las secciones se crean de forma independiente y luego se unen para intentar crear un
modelo 3D. La responsabilidad recae entonces en el geólogo para, esencialmente, hacer la
contabilidad.
Cuando se crearon los primeros modelos implícitos, se consideró que carecían de detalles y
se emplearon principalmente en la exploración temprana. Sin embargo, los algoritmos de
modelado implícitos han evolucionado rápidamente y ahora pueden exceder fácilmente la
complejidad y el nivel de detalle en los modelos hechos a mano. Este proceso de mejora
continua, y aunque todavía hay algunos ejemplos en los que un modelo explícito dibujado a
mano produce resultados superiores, estos son cada vez menos frecuentes.
Una de las dificultades más comunes que las personas encuentran al pasar de un proceso de
modelado explícito a uno implícito es el concepto de que un modelo es un conjunto de
funciones matemáticas. Están mucho más familiarizados con wireframes, secciones y
modelos de bloques. Para ciertos problemas prácticos, estos son completamente apropiados.
Por ejemplo, el hardware moderno de gráficos por computadora está optimizado para
mostrar wireframes, una sección alineada axialmente puede explicar sucintamente la
geología y un modelo de bloques puede mapear muy de cerca a un proceso de minería a
cielo abierto.
La ventaja fundamental de un modelo implícito es que permite al usuario responder una
simple pregunta: Si voy a un punto particular debajo de la tierra, ¿qué esperaría encontrar
basado en los datos? Cuando sabemos esto en una resolución determinada por los datos,
podemos:
- Convertir un modelo implícito en bloques promediando todos los puntos dentro de
un bloque.
- Crear wireframes conectando todos los puntos con el mismo valor.
- Crear secciones desde un plano definido del modelo.
Hoy en día, muchas personas encuentran que la mayor velocidad de modelado del proceso
de modelado implícito se justifica por el beneficio de tener un modelo actualizado que
incorpora los datos más recientes. Sin embargo, otro beneficio significativo es que el
modelado implícito permite considerar y mantener más de una interpretación geológica. La
incertidumbre geológica es un factor crítico en muchos proyectos, y es difícil ver cómo se
puede describir adecuadamente con un solo modelo. En el futuro, el beneficio principal del
cambio actual de la industria al modelamiento implícito será que el riesgo geológico
finalmente puede cuantificarse de manera utilizable.
El modelado es el proceso de producir una versión simplificada del mundo real en una
forma que le permita a alguien comprender los procesos subyacentes y hacer predicciones.
El famoso modelador matemático George Box dijo una vez:
"Todos los modelos están mal, pero algunos son útiles".
En esencia, el modelado implícito permite a los geólogos producir modelos útiles de
manera rápida y eficiente y luego adaptar esos modelos a las necesidades del usuario final,
ya sean ingenieros, gerentes o inversionistas.
Patrick Hollenbeck y Marc Melker (Independent consulting geologists)
Reducing geological risk (Reduciendo el riesgo geológico)
By Patrick Hollenbeck
El riesgo geológico es la medida subjetiva de la disposición del modelador para, como dice
el viejo refrán, poner todos sus huevos en una sola canasta. Comprometerse con un solo
modelo como "La Verdad" es con demasiada frecuencia el caso en la consultoría de
recursos y es el resultado de la prevalencia de prácticas de estimación y modelado basadas
en polígonos establecidas junto con limitaciones de tiempo en un proyecto de consultoría
dado.
El enfoque moderno de integrar procesos de modelado implícito en el flujo de trabajo no
solo ha acelerado la primera iteración de un modelo, sino que también ha facilitado la
construcción de múltiples versiones y refinamientos de modelos para probar y comparar
con datos conocidos. Esto puede hacerse al mismo tiempo que un modelo único se hubiera
hecho con métodos anteriores.
Vista de la sección anteojeras
En mis años de formación como geólogo de recursos, mi principal herramienta para
construir modelos geológicos fue el polígono extruido en la sección. Era el método
"probado y verdadero" de modelado dentro de los Paquetes de Minería General, y estaba
bien establecido ya que proporcionaba al usuario un control total sobre el modelo.
Normalmente no hubo debates sobre si se trataba de una caja negra o un método misterioso,
ya que simplemente dibujaba polígonos para definir un cuerpo en sección y conectar esos
polígonos con extrusiones triangulares para formar una masa sólida que representara la
geología. Inevitablemente, un modelo aparentemente simple tomaría semanas, si no meses,
de meticulosa digitalización de polígonos para llegar al objetivo final de una forma de
modelo representativa para usar. Rara vez intentaría introducir fallas o factores de
morfología adicionales a menos que hubiera un tiempo sustancial disponible para gastar el
ajuste fino del modelo. En la mayoría de los casos, cualquier complejidad se ignoraba o se
simplificaba hasta el punto en que el modelo se flexionaba y ondulaba como un acordeón
maltratado y solo tenía sentido geológico. Fue mi intento de intentar simular un sistema
complejo mientras aún trabajaba dentro de las limitaciones de las "anteojeras de vista de
sección", por las cuales el modelo sufriría inherentemente.
El riesgo del modelo único
Las limitaciones de tiempo del proyecto son una preocupación permanente para un
consultor y nunca más que cuando se construyen los modelos geológicos que son la base de
todo el trabajo de estimación de recursos a seguir. Por lo general, los datos del nuevo
proyecto deben ser examinados, corregidos, modelados, estimados e informados dentro de
un plazo de 2 a 3 meses. Para cuando los datos sin procesar se hayan limpiado y estén listos
para usar, el tiempo restante disponible es un activo superior. Si tuviera que pasar varias
semanas o meses en un modelo poligonal, no tendría tiempo suficiente para revisar el
modelo, hacer ajustes o incluso entender razonablemente el depósito tal como lo he
modelado antes de que se necesite calcular un recurso y escribir informes. Los matices o las
hipótesis adicionales en un área se pasarían por alto en favor del modelo de primer paso
generado. Como tal, un enfoque de polígono en sección con restricciones de tiempo no
puede evitar el problema de hacer que un solo modelo represente la realidad absoluta para
el proceso de modelado restante en el futuro. Claramente, esto lleva a un alto grado de
riesgo, ya que no se investigaron hipótesis alternativas durante la construcción del modelo
único.
Tomando una visión global
El modelado implícito es capaz de reducir significativamente el grado de "riesgo
geológico" inherente en cualquier construcción de modelo al permitir que se construyan
muchos modelos en un tiempo relativamente corto mientras se visualizan los datos
globalmente. La geometría compleja se entiende fácilmente si se ve en un entorno global,
ya que factores como el movimiento de fallas tienen mucho más sentido cuando uno puede
ver toda la relación. La aplicación de la geometría compleja se vuelve mucho más práctica
cuando la computadora realiza la mayor parte del trabajo pesado, lo que no es posible con
un enfoque de modelo poligonal. Del mismo modo, las interpretaciones cuestionables se
identifican rápidamente ya que el geólogo no está atrapado en una vista de sección limitada
(es decir, "anteojeras de vista de sección"). Una vista global le permite al geólogo ver
nuevas modificaciones en todo el modelo a la vez, por lo que las inconsistencias y los
errores se pueden resolver rápidamente. Además, el análisis geoestadístico se puede realizar
en múltiples modelos para identificar cuál es estadísticamente el más válido. Uno tiene la
opción de elegir el modelo con la menor cantidad de material de desecho en un límite de
mineral, los mejores resultados de variografía, la distribución más normal de los valores de
grado, y así sucesivamente. Al reducir el riesgo geológico, el riesgo estadístico también
disminuirá.
Proceso de refinamiento
En la práctica, generalmente construyo revisiones sobre un tema con el mismo modelo
conceptual en mente en lugar de modelos drásticamente diferentes y mutuamente
excluyentes. A medida que un modelo avanza, una iteración en la etapa inicial podría
considerarse "utilizable" (ciertamente comparable a un enfoque de modelo poligonal típico)
pero con algunas preguntas restantes para ciertas áreas. En este punto, el modelo existente
se puede copiar para retener el original, luego se refinará el modelo copiado, lo que dará
como resultado un proceso que se conservará por sí mismo. En mi rutina de modelado,
puedo encontrar media docena o más iteraciones modelo que son copias de copias, cada
una de ellas una modificación de la última. Por ejemplo, podría tener un modelo
completamente sin fallas para comenzar, con una segunda iteración presentando las fallas
mayores, una tercera iteración para incluir fallas menores, y una cuarta iteración que
incorpora intrusiones de diques. No quiero perder la posibilidad de que el primer modelo
sea "más" correcto, pero quiero poder probarlo cómo las diferentes hipótesis afectarán mi
modelo de manera diferente. Además, el software de modelado implícito típicamente
actualizará los modelos automáticamente cuando haya nuevos datos disponibles, lo que
significa que algunas iteraciones del modelo se probarán rápidamente una vez que se haya
importado una nueva temporada de datos de perforación o mapeo en el software de
modelado, mientras que otras iteraciones de modelado probablemente y tienen un grado de
validación proporcionado por los datos adjuntos. Esos modelos restantes pueden refinarse y
ampliarse con modelos adicionales para volver a probar cuando esté disponible la siguiente
recopilación de nuevos datos.
Canal para discusión
La capacidad de crear modelos múltiples no solo es útil para uso interno, sino que es
extremadamente pragmática cuando se comunica con un cliente. Antes de modelar
implícitamente, le ofrecía al cliente versiones aproximadas del modelo poligonal único, a lo
que aconsejaban formas de refinar ese modelo. Hoy, cuando presento a un cliente media
docena de iteraciones de su modelo, abre un canal para la discusión sobre qué modelo debe
considerarse el mejor, dado su conocimiento de los aspectos de campo. A menudo, al
cliente se le presenta una hipótesis que no habían considerado y que bien podría convertirse
en un nuevo objetivo para la investigación. Como consultor, esta capacidad para contribuir
a la conversación sobre la interpretación geológica, que potencialmente ayuda al cliente en
sus esfuerzos futuros más allá de la estimación del modelo, es un beneficio de valor
agregado que simplemente no podría proporcionar sin un modelo implícito.
By Marc Melker
El modelo de geología es la base para prácticamente todas las decisiones en la industria de
extracción de recursos. Enmarca el cálculo de los recursos, la planificación minera, la
recuperación y, en última instancia, la rentabilidad de cualquier proyecto. Cada decisión
aguas abajo es al menos tan errónea como el modelo geológico en sí, por lo que comenzar
con el mejor (o el menos incorrecto) modelo es un precursor crítico para cualquier decisión
de extracción de recursos.
Se puede pensar que un modelo de geología es una realización única de la interpretación
geológica en una nube de posibles interpretaciones inherentes al conjunto de datos de
muestra. Los conjuntos de datos de muestra son órdenes de magnitud más pequeños que el
volumen finalmente representado por un modelo y, por lo tanto, el conjunto de datos de
muestra es permisivo para muchas interpretaciones posibles. Además, la mayoría de los
datos de muestras geológicas se basan en la interpretación durante la fase de registro. Estos
dos factores demuestran que más de un resultado del modelo es posible y, por lo tanto, más
de uno debe ser construido y sus méritos evaluados antes de llegar a una interpretación
"final". De hecho, una interpretación final puede presentarse a los usuarios intermedios con
barras de error cuando se evalúa más de un modelo y esto enmarca una comprensión básica
del riesgo involucrado.
Esta es la situación ideal, donde la evaluación de varios modelos permite la comprensión
del riesgo y la probabilidad de éxito. Sin embargo, hasta la fecha, muy pocos proyectos de
recursos se han beneficiado de este enfoque en la fase de modelado geológico. Es común en
la planificación de negocios, donde los valores en dólares se aplican a las estimaciones de
recursos y se calculan los resultados económicos esperados. Pero la conexión entre la
evaluación económica y los supuestos subyacentes del modelo de geología generalmente no
se comprende bien. El modelo geológico generalmente se toma como verdad fundamental,
independientemente de cuán bien se construyó o se entendieron sus riesgos. Si el modelo de
geología, que es la base misma de la evaluación económica, no está suficientemente
caracterizado, el riesgo de la decisión comercial resultante es desconocido para quienes
toman las decisiones.
Proceso bidimensional
La construcción estándar de un modelo de geología generalmente se basa en la
construcción en sección de líneas y polígonos que representan características geológicas
importantes. Estos se dibujan a mano en secciones de papel o en la pantalla de una
computadora. Estas representaciones bidimensionales luego se convierten a 3D
simplemente atando las sucesivas rebanadas 2D juntas, como apilar rebanadas de pan para
hacer un pan. Sin embargo, es un proceso fundamentalmente bidimensional. Las
características geológicas importantes pueden cambiar de depósito a depósito o tipo de
mercancía, pero el método básico ha sido, hasta hace muy poco, el mismo. Es decir,
dibujando líneas laboriosamente, luego borrándolas solo para volver a dibujarlas con la
adición de más datos. Lleva tiempo y generalmente solo se producirá un modelo porque
simplemente requiere demasiado tiempo para dibujar un conjunto de líneas que también
tengan sentido en 3D, mucho menos geológicamente o que puedan transmitir riesgos. Las
formas de los objetos geológicos son a menudo mucho más complicadas que apilar
rebanadas de pan para hacer un pan.
Ingrese el modelado implícito
Las computadoras más rápidas y el software avanzado ahora permiten que un conductor
experto enmarque una serie de pasos de manejo de datos que generan modelos
tridimensionales. El trabajo pesado tradicionalmente llevado a cabo por un geólogo que
dibuja cientos de líneas ahora se completa en una fracción del tiempo y en 3D mediante
procesadores rápidos y algoritmos matemáticos eficientes. El modelado implícito permite a
un geólogo centrarse en la geología y examinar los posibles resultados de los datos
disponibles utilizando algoritmos repetibles y objetivos en lugar de dedicar todo su tiempo
a dibujar líneas solo para completar una posible versión subjetiva.
El precipicio del cambio
Entonces, al enmarcar la situación anterior, la industria está al borde del cambio. El
enfoque seccional de modelo único sigue siendo un procedimiento operativo
predeterminado en muchos sectores, pero las técnicas implícitas están ganando tracción. La
atracción de fomentar múltiples hipótesis y tener tiempo para examinarlas completamente
en tres dimensiones y no solo en el ojo de la mente se está acercando rápidamente a la masa
crítica.
Obstáculo a la aceptación
Sin embargo, es la velocidad de la que a veces se preocupan los geólogos y gerentes, que
sin pasar y dibujando minuciosamente cada línea en cada sección, de alguna manera hay
menos intimidad con los datos. La velocidad del modelado implícito puede parecerse a una
caja negra donde el geólogo ha perdido el control. Este es un obstáculo fundamental para
una aceptación más amplia, pero se desvanecerá con la familiaridad y el entrenamiento. La
verdad es que la velocidad es la gran ventaja del modelado implícito; uno puede llegar a la
respuesta incorrecta muy rápidamente. La ventaja es que el primer modelo, o tal vez incluso
el segundo y el tercero, pueden descartarse rápidamente a medida que se realizan los
detalles importantes para un conjunto de datos particular y la geología que representa. El
error y la incomprensión se hacen obvios para el modelador a través de las formas no
geológicas que se producen sin un acondicionamiento geológico adecuado.
Mejora de la conducción
El software de modelado implícito es solo otra herramienta en la caja de herramientas del
geólogo, y como cualquier otra herramienta, debe usarse y aplicarse adecuadamente en la
situación adecuada. Sin embargo, es fundamentalmente diferente: el geólogo debe confiar
en conjuntos de datos limpios y bien construidos. El filtrado y la verificación de datos en
una sección particular que tradicionalmente se controlaría en la cabeza del geólogo ahora
debe ser inherente al conjunto de datos. Las malas técnicas de registro y los estándares
descuidados se hacen evidentes a la simplicidad y el ojo imparcial de un algoritmo
informático. El modelado implícito no solo ayudará a los geólogos a examinar más
posibilidades geológicas más rápidamente, sino que necesariamente impulsará la mejora en
las prácticas de administración y registro de datos y pondrá el enfoque apropiado en los
datos que impulsan tantas decisiones comerciales. La velocidad de modelado y un enfoque
en los datos generarán una comprensión importante del riesgo geológico y la incertidumbre
que hasta ahora no se tiene en los modelos geológicos. Fundamentalmente, podremos
cuantificar los riesgos y, con los días fáciles de la minería detrás de nosotros, comprender la
incertidumbre geológica de los proyectos de extracción de recursos en la industria minera
es fundamental para nuestro éxito continuo.
Mike Stewart, Senior Principal Consultant
Fuentes de incertidumbre de modelos geológicos investigados ¿Qué papel juegan los datos?
"La variabilidad es un fenómeno en el mundo físico que debe medirse, analizarse y, en su
caso, explicarse. Por el contrario, la incertidumbre es un aspecto del conocimiento."
SIR DAVID COX.
Una de las principales tareas de los geólogos aplicados es construir modelos predictivos.
Estos varían enormemente en su alcance y aplicación, desde grandes teorías para explicar la
disposición actual de los continentes, hasta la generación de modelos de exploración para
focalizar la perforación, hasta predecir si el próximo camión extraído de un encabezado de
desarrollo subterráneo debería enviarse al molino o el basurero.
Los tipos de fenómenos que abordamos en geología (contactos litológicos, márgenes de
cuerpos intrusivos, grados de elementos, etc.) son variables, a veces altamente, y la
información disponible es generalmente escasa. Inevitablemente habrá diferencias entre las
predicciones que se pueden hacer a partir de los datos (a través de modelos geológicos) y la
realidad. Además, hay múltiples modelos geológicos posibles que honrarán los hechos
conocidos.
Los modelos geológicos dependen de diferentes tipos de entrada:
- Datos duros de sondajes, mapeo, exposición subterránea, etc. En la forma de:
- Medición directa de las propiedades de la roca (leyes, densidad, UCS).
- Observaciones de atributos físicos (litología, color, tamaño de grano).
- Identificación de la ubicación y orientación de los límites/contactos.
- Datos blandos de medición indirecta (por ejemplo, respuesta geofísica)
- Interpretación, es decir, hipótesis presentadas para explicar los datos disponibles.
La importancia relativa de la interpretación frente a los datos duros y blandos varía, pero en
general, cuanto más específico y operativo sea el uso de un modelo, más dependerá el
modelo de datos duros en lugar de conceptos abstractos o de interpretación. Sin embargo,
incluso en los tipos de modelos mejor informados que se utilizan en geología minera (por
ejemplo, modelos de bloques de control de pendiente), la cantidad de datos duros
disponibles es muy pequeña. Un patrón de control de grado metalífero típico solo
muestreará físicamente entre 0.1% y 0.01% del depósito. Los modelos de etapa temprana
(por ejemplo, un modelo de recurso utilizado en un estudio de viabilidad) pueden tener dos
o más órdenes de magnitud menos datos físicos disponibles.
Modelado implícito
El modelado implícito es una aproximación al modelado espacial en el que la distribución
de una variable objetivo se describe mediante una función matemática única que se deriva
directamente de los datos subyacentes y de controles paramétricos de alto nivel
especificados por el usuario. Este enfoque de modelado se puede aplicar a variables
discretas como litología (donde puede usarse para crear modelos geométricos de unidades /
contactos litológicos), a variables continuas como grados geoquímicos para modelar la
distribución de grados en puntos o sobre volúmenes de bloques, o a indicadores binarios de
variables continuas.
El modelado implícito creará una solución única a partir de cualquier conjunto de datos de
entrada y un conjunto dado de parámetros de entrada (ya sea una geometría o un
interpolador de grados). El cambio de los parámetros de modelado afectará a la salida, y la
elección de los parámetros de entrada es claramente una consideración importante al
relacionar el carácter del modelo de salida con el fenómeno que intentamos describir. Sin
embargo, en muchas situaciones, los datos duros disponibles simplemente serán
insuficientes para apoyar directamente la creación de un modelo geológicamente plausible
o razonable.
Datos hipotéticos e interpretados
Entonces, ¿cómo hacemos que la salida de un modelo basado en datos se vea como nuestra
interpretación del fenómeno geológico que estamos modelando?
La solución es agregar "datos hipotéticos" al modelo hasta que la salida del modelo
describa adecuadamente nuestra "interpretación geológica". En la implementación
Leapfrog® de modelado implícito, se pueden agregar tres tipos diferentes de datos
hipotéticos a modelos geométricos: discos estructurales (que identifican la ubicación y
orientación de un contacto geológico), polilíneas (que identifican la ubicación y la
orientación de un contacto en puntos de nodo de polilínea) y polilíneas curvas (lo mismo
que las polilíneas pero con más puntos, y a las que se pueden agregar orientaciones). En los
modelos de interpolación de grado, los contornos de la polilínea se pueden agregar en un
umbral de grado determinado; estos datos actúan de manera efectiva como información de
ensayo.
En esencia, este proceso de 'inventar' datos para forzar una interpretación geológica en el
modelo es exactamente el mismo en el modelado implícito que en los enfoques seccionales
más tradicionales basados en CAD para el modelado. En el enfoque explícito, el usuario
"dibuja" una interpretación que explica los datos (generalmente utilizando un polígono de
sección), que luego se triangula en una estructura alámbrica. El polígono mezcla puntos de
datos duros (ubicaciones de contacto de sondajes) y las ubicaciones interpretadas. El
modelo resultante (triangulación) puede explicar los datos, pero no se deriva únicamente de
los datos duros, ya que incluye las ubicaciones interpretadas. Si los datos o el concepto
interpretativo cambian (por ejemplo, se agregan nuevos datos duros), las entradas dibujadas
explícitamente deben modificarse y el proceso utilizado para convertirlas en un volumen
cerrado válido se repite.
Una de las claras ventajas del modelado implícito es que existe una separación entre los
datos duros y los datos hipotéticos creados por el usuario. Si se agrega nueva información
de perforación al conjunto de datos duros, se incorpora inmediatamente en el modelo. El
algoritmo siempre producirá un resultado. Este modelo resultante se puede examinar para
decidir qué tan bien la hipótesis anterior explica nuevos datos duros. Si la hipótesis es
sólida (es decir, los nuevos datos confirman la interpretación), no se requerirá ningún
cambio. De lo contrario, será necesario cambiar la interpretación geológica y / o los
parámetros de modelado y los datos hipotéticos se modificarán en consecuencia.
Este enfoque incremental para el modelado en realidad está muy bien alineado con el
método científico. Los modelos geológicos (incluidos los modelos de geometría y leyes)
son modelos científicos: representan hipótesis e ideas que resumen y explican la
información disponible (datos duros). Antes de perforar un nuevo pozo, el modelo
proporciona una predicción de lo que se encontrará, y cuando se perfora un pozo, prueba
directamente el poder predictivo del modelo.
¿Cómo juzgamos si un modelo es "bueno"?
Un buen modelo es "adecuado para el propósito", pero ¿cómo definimos esto?
En términos generales, 'adecuado para el propósito' significa que el modelo cumple o
excede las necesidades del usuario. Eso, por supuesto, exige expresar cuáles son esas
necesidades, lo cual no siempre es sencillo, y a menudo hay múltiples necesidades
conflictivas. En el caso de los modelos predictivos, "adecuado para el propósito"
generalmente significa que la predicción se encuentra dentro de una tolerancia aceptable de
la realidad. Claramente, cuando la predicción se va a usar para la toma de decisiones, es
mejor una menor diferencia que más, es decir, cuando hay menos incertidumbre en el
modelo.
En el caso de un modelo numérico de leyes, 'adecuado para el propósito' es un concepto
bastante sencillo para definir y cuantificar, por ej. que la ley de cobre predicho en un patrón
de control de pendiente estará dentro de +/- 5% de la ley del molino reconciliado el 90%
del tiempo.
Pero en los modelos geológicos representados por formas geométricas, este es un concepto
más difícil de expresar. Los propósitos de crear un modelo pueden ser múltiples: desde la
ilustración de un concepto de exploración utilizado para planificar un programa de
perforación, hasta la interpretación de escala de depósito que sustenta las estimaciones de
recursos, hasta la definición de un solo volumen de dominio para estimar los grados de
cobre mencionados anteriormente. Estos casos se encuentran claramente en un espectro:
desde una situación en la que la entrada de datos es baja y el papel de las opciones
paramétricas y la entrada interpretativa es alto, hasta una situación en la que la cantidad de
datos es alta, las posibilidades interpretativas son bajas y las opciones paramétricas poca
influencia en la salida.
Claramente, los datos son un determinante crítico de la calidad del modelo; pero igualmente
claro, la elección del enfoque de modelado utilizado (por ejemplo, implícito versus
explícito), la elección del parámetro del modelo y las opciones de interpretación también
son fundamentales para determinar el modelo resultante y, por lo tanto, afectan la calidad
del modelo.
Tal vez un enfoque más útil para considerar la "calidad" de un modelo sea considerar todas
las posibles fuentes de incertidumbre que pueden afectar a un modelo, y la contribución
relativa que éstas hacen a la incertidumbre general.
Fuentes de incertidumbre que afectan la “calidad” del modelo implícito
Fuente Causa Descripción Comentarios
Variabilidad del La magnitud depende de los
fenómeno de interés en fenómenos en sí y de la escala de
todas las escalas desde el medición y estimación. Para
Variabilidad soporte de muestra, para algunos fenómenos (por ejemplo,
intrínseca bloquear el soporte, hasta los grados de metales preciosos),
el dominio. esto puede ser alto, para algunas
variables (por ejemplo, el grosor
de la veta) baja.
Errores en la medición del La magnitud del error depende de
collar y mediciones de la capacidad de los instrumentos
Ubicación fondo de pozo, errores en utilizados; esto debería ser
el mercado, etc. adecuado para los requerimientos
del trabajo.
Registro Inconsistencia en el El registro es un proceso subjetivo.
(Subjetivo) registro, identificación En el futuro, es probable que gran
incorrecta. parte del registro será reemplazado
por medición cuantitativa.
Muestreo y Recuperación de muestra Debe ser gestionado y cuantificado
errores primaria, errores de activamente.
Errores de
analíticos muestreo durante la
datos físicos
preparación de la muestra,
errores analíticos.
Errores Errores en la Los errores de este tipo
identificación, grabación, comúnmente resultan en errores
transcripción, RADICALES en los modelos. Con
recuperación, atribución. frecuencia, la única forma de
Por ejemplo, intercambio detectar dichos errores es mediante
de muestra, collar procesos cognitivos. Tales errores
incorrecto. PUEDEN ser eliminados. Hacerlo
debería ser un enfoque importante
de la gestión de calidad de datos.
Adecuación Espaciamient Orientación de la Puede no ser conocido hasta
de datos o de muestra, perforación con respecto después del hecho. A menudo se
distribución y a estructuras claves, decide por comparación con
orientación espaciamiento de la depósitos análogos. Alto valor en
muestra con respecto a las la obtención de datos espaciados
estructuras claves, en las primeras etapas.
espaciamiento de la
muestra en relación con el
volumen de interés
(SMU), espaciado
 relativo a características
geológicas
importantes/distribución
de leyes.
Sesgos de Si se registran datos Como se indicó anteriormente, la
observación, relevantes. relevancia puede aclararse después
brecha de de un tiempo.
conocimiento
Interpretació Aptitud y La capacidad de crear
n geológica experiencia explicaciones coherentes a partir
del geólogo de observaciones dispersas es la
habilidad diferenciadora clave que
los geólogos aportan a la industria
de los minerales. La magnitud de
la incertidumbre debido a la
interpretación puede ser grande.
Sesgos Representatividad, Esta es una fuente muy real de
cognitivos y anclaje, disponibilidad, riesgo para la industria minera. El
errores concreción, proximidad, riesgo puede mitigarse fomentando
heurísticos escalada de compromiso. la contemplación activa de las
alternativas (por ejemplo,
mediante aportes externos) y
recursos adecuados.
Modelado Elección del Intrusión vs veta vs No hay un método objetivo para
geométrico modelo superficie de contacto, guiar estas elecciones. La decisión
elección del modelo de suele ser una evaluación
deriva, tendencia global pragmática de qué elecciones
vs tendencia estructural. producen los mejores resultados
Elección de Reglas de composición, En general, se espera que estas
parámetros relación de anisotropía, opciones estén al menos
orientación de parcialmente influenciadas por los
anisotropía, rango de datos. En praxi, se aplica el mismo
continuidad, etc. pragmatismo descrito
anteriormente.
Grado de Elección del Una decisión subjetiva guiada por
estimación dominio para los patrones observados en los
estimar datos, la noción de homogeneidad
estadística y la escala (división vs
agrupamiento).
Elección de Reglas de composición, Estas elecciones deberían estar al
parámetros nugget/rango de modo de menos parcialmente influenciadas
continuidad, orientación por los datos. En praxi, se aplica el
de anisotropía y relación. mismo pragmatismo descrito
Elección del modelo de anteriormente.
deriva (drift).