Trabajo Final Minesight

UNIVERSIDAD NACIONAL DE CAJAMARCA
FACULTAD DE INGENIERÍA
ESCUELA ACADÉMICO PROFESIONAL DE INGENIERÍA DE MINAS
MINERÍA NO METÁLICA
APLICACIÓN DE SOFTWARE LIBRE PARA LA

ESTIMACION DE RECURSOS Y PARA LA
EVALUACION TECNICA ECONOMICA DE LAS
RESERVAS MINERALES- COMPARACION CON
MINESIGHT
Profesor: Ing. Wilder Chuquiruna Chávez

Curso: Geoestadistica
Alumnos:
-BRICEÑO CALDERON, Karen Milena
-BRICEÑO MENDOZA, Olga Judith
-INFANTE ALTAMIRANO, Hanshelo Neldo
-VARGAS ASCENDIO, Eros
Ciclo: séptimo
2016
1 de agosto
APLICACIÓN DE SOFTWARE LIBRE PARA LA ESTIMACION DE RECURSOS Y PARA LA
EVALUACION TECNICA ECONOMICA DE LAS RESERVAS MINERALES
COLABORADORES EXTERNOS
Ing. Yhonny Paul Ruiz Dioses

Ing. Alejandro Vásquez Arrieta
AGRADECIMIENTOS
GEOESTADÍSTICA 2
DEDICATORIA
GEOESTADÍSTICA 3
INDICE GENERAL
GEOESTADÍSTICA 4
2.2.4.6.3.1 Aproximación: Método de los Sectores...................................11

2.2.4.6.4 Parámetros del Variograma................................................................14
2.2.4.6.5 Ajuste de un Variograma Experimental a un Modelo Teórico....15
2.2.4.6.6 Modelo Teóricos del Variograma......................................................16
2.2.4.6.7 Interpretación de los Variogramas...................................................18
2.2.4.6.7.1 Variograma Según el Comportamiento en el Origen.............19
2.2.4.6.7.2 Variograma Según el Comportamiento Direccional..............20
2.2.4.6.8 Reglas de Ajuste...................................................................................23
2.2.5 Modelo del Recurso-Modelo de Bloques.......................................................26
2.2.5.1 El Modelo Geométrico.................................................................................26
2.2.5.2 Regularización Geométrica o Contorneo...............................................26
2.2.5.3 Discretización................................................................................................27
2.2.6 Interpolación de Leyes de Las Leyes de los Bloques a Partir de los
Datos de Muestras........................................................................................................28
2.2.6.1 Clasificación de las Técnicas de Interpolación....................................29
2.2.6.1.1 Método del Inverso de la Distancia...................................................29
2.2.6.1.2 Método de El Krigeaje..........................................................................30
2.2.6.1.2.1 Interés del krigeado.......................................................................31
2.2.6.2 Vecindad de Estimación.............................................................................35
2.2.6.2.1.1 El Modelo Numérico o de Bloques............................................39
2.2.6.2.1.2 Aplicación del Krigeaje Bajo Restricción Geológica............39
2.2.7 Categorización de Recursos.............................................................................41
2.2.7.1 Criterios Geoestadísticos de Categorización........................................41
2.2.7.1.1 Alcance del variograma.......................................................................42
2.2.7.1.2 Varianza Kriging....................................................................................43
2.2.7.1.3 Método del Error Porcentual de la Estimación de la Media........44
3. EVALUACION TECNICA ECONOMICA DE RESERVAS MINERALES A PARTIR
DE LOS RECURSOS ESTIMADOS.....................................................................................45
3.1 ESTIMACION DE LOS COSTOS..........................................................................................45
3.1.1 Métodos de Estimación de Costos..................................................................47
3.1.1.1 Estimación de Inversiones o Costos de Capital...................................47
3.1.1.2 Método de la Mesa Redonda.....................................................................49
3.1.1.3 Método de Ajuste Exponencial de la Capacidad..................................49
3.1.1.4 Método del Índice de Coste de Componentes......................................50
3.1.1.5 Imprevistos....................................................................................................51
3.1.1.6 Ingeniería........................................................................................................51
GEOESTADÍSTICA 5
3.1.2 Costos de Operación..........................................................................................52

3.1.2.1 Coste de Operación por el Método del Proyecto Similar...................54
3.1.2.2 Método de la Relación Coste – Capacidad.............................................54
3.1.2.3 Método de los Componentes del Coste..................................................55
3.1.3 Reglas Generales para la Estimación de los Costos..................................56
3.2 ESTIMACIÓN DE LA LEY DE CORTE CRÍTICA, PARA EL DISEÑO DE UNA EXPLOTACIÓN A
CIELO ABIERTO.......................................................................................................................57
3.3 OPTIMIZACION ECONOMICA DE LAS EXPLOTACIONES DE YACIMIENTOS
MINERALES........................................................................................................................62
3.3.4.1 Bondades del Cono Móvil Optimizante...................................................69
3.3.4.2 Secuencias de Extracción de Conos:......................................................69
3.3.4.3 Conos con Sobrecarga Relacionada.......................................................71
3.4 CURVAS TONELAJE v/s LEY...............................................................................72
3.5 FACTORES TÉCNICOS ECONÓMICOS PARA EL DISEÑO DE UN PIT..........75
3.5.1 Criterios para el Diseño del Hueco Final de Explotación.........................76
3.5.1.1 Geometría de la Excavación......................................................................76
3.5.1.1.1 Ángulos de Talud en Explotaciones a Cielo Abierto...................77
3.5.1.1.2 Altura de Banco....................................................................................79
3.5.1.1.3 Ancho de los Bancos.........................................................................81
3.5.1.1.4 Las Bermas.............................................................................................81
3.5.2 Diseño de PIT Final.............................................................................................83
4. TEORIA INFORMATICA APLICADA A LA MINERIA..................................................83
4.1 MÉTODOS DE EVALUACIÓN Y ESTIMACIÓN DE RECURSOS ASISTIDOS
POR COMPUTADORAS....................................................................................................83
GEOESTADÍSTICA 6
INDICE DE IMÁGENES
Imagen 1.Vector para cálculo del variograma.....................................................................10
Imagen 2.Método de los sectores.........................................................................................10
Imagen 3.La aproximación no es buena para h grande.....................................................11
Imagen 4.Aproximación para h grande................................................................................12
GEOESTADÍSTICA 7
Imagen 5.Compósitos en el espacio de tres dimensiones................................................12

Imagen 6.Aproximación en el espacio de 3 dimensiones: Una especie de cono...........13
Imagen 7.Aproximación en el espacio de 3 dimensiones: Método del lápiz...................13
Imagen 8.Representación gráfica de un variograma básico.............................................13
Imagen 9.Variograma experimental vs variograma teórico...............................................15
Imagen 10.Representación gráfica de los 3 modelo teóricos de variograma más
utilizados en minería...............................................................................................................18
Imagen 11.Relación entre la regularidad espacial de una variable regionalizada (arriba)
y el comportamiento en el origen del variograma (abajo)..................................................19
Imagen 12.Variable regionalizada con dirección preferencial de continuidad (izquierda)
y variograma en las direcciones de mayor y menor continuidad (derecha)....................20
Imagen 13.Elipsoide con radios de acuerdo a los alcances de los variograma obtenido
a partir del estudio variográfico de los compósitos.............................................................21
Imagen 14.Ejemplo (3D) de anisotropía zonal en dirección vertical. Derecha:
variogramas en las direcciones horizontales (D1, D2), vertical (D3) y una dirección
oblicua (Dθ)..............................................................................................................................22
Imagen 15.Variograma experimental a lo largo de tres direcciones principales de
Anisotropía (D1, D2,D3). ¿Cuál puede ser el modelo de variograma?............................23
Imagen 16.Pasos para el modelamiento del variograma experimental, sumando
modelos anidados...................................................................................................................25
Imagen 17.Discretización de una estructura mineralizada 3D en una matriz de bloques
que la representan geométricamente...................................................................................27
Imagen 18.Representación gráfica del proceso de estimación a partir de los
compósitos, modelo geológcio y modelo de bloques.........................................................28
Imagen 19.Estimación de un volumen V a partir de datos de muestras Xn....................30
Imagen 20.Para el krigeado no importa la agrupación de datos al lado izquierdo del
bloque (el krigeado desagrupa la información) ¿Cuál radio tomar?.................................34
Imagen 21.Elipsoide de búsqueda. En algunas situaciones este elipsoide puede estar
inclinado. El centroide es el centro de gravedad del bloque.............................................35
Imagen 22.Influencia de parametrizar la búsqueda con cuadrantes u octantes de la
elipsoide de búsqueda. En la imagen se trata de imponer la búsqueda de 3 datos más
cercanos por cuadrante..........................................................................................................36
Imagen 23.Octantes. ¿Qué pasa si existen sondajes aproximadamente horizontales en
el caso de la izquierda? Algunos paquetes computacionales utilizan el hemisferio
superior e inferior caso de la derecha..................................................................................37
Imagen 24. Importancia de establecer parámetros de búsqueda en la elipsoide.
Impacto del empleo de la vecindad de búsqueda por sectores en la selección de
muestras A) Búsqueda sin restricción (1 sector) todas las muestras seleccionadas
proceden de un solo pozo b).................................................................................................37
Imagen 25. A la izquierda estimación por octantes y máximo por sondaje (se produce
el efecto “panqueque”. A la derecha sin restricciones. Todos los sondajes (no
dibujados) son verticales. Los compósitos tienen un largo igual a la altura del banco. 38
Imagen 26. Categorización de reservas segúnlos autores: Diehl & David y Según
Wellmer.....................................................................................................................................42
Imagen 27. Histograma de las varianzas kriging (Vk) segmentado en 3 poblaciones:
1)0-0.0075 –Reservas probables, 2) 0.0075-0.0135 –Reservas posibles 3)0.0135 –
Reservas inferidas (Annels, 1991)........................................................................................43
Imagen 28. Estimación de coste y progreso de ingeniería................................................45
GEOESTADÍSTICA 8
Imagen 29. Relación entre inversiones y capacidades, y determinación del factor de

economía de escala................................................................................................................49
Imagen 30. Valores del factor de economía de escala según distintos intervalos de
capacidad.................................................................................................................................49
Imagen 31. Mina a cielo Abierto Carles Este-Valle de Boinas, España..........................56
Imagen 32. Definición económica a partir de bloques económicos estimados..............56
Imagen 33. Representación del Cono flotante teniendo en cuenta el ángulo de talud..66
Imagen 34. Representación de la dinámica del cono flotante en el modelo de bloques
...................................................................................................................................................66
Imagen 35. Diagrama de flujo del algoritmo del cono flotante..........................................66
Imagen 36. Perfil de bloques. Se puede apreciar un bloque económico con valor de
800 unidades monetarias y el resto con una pérdida de 10 unidades monetarias........67
Imagen 37. Representación gráfica de la extracción de bloques que arrojan una
rentabilidad a partir del algoritmo del cono flotante............................................................67
Imagen 41. En este gráfico se puede apreciar que para una ley de corte de 0.3 % de
Cu existen Aproximadamente 5.500.000.000 toneladas de mineral con una ley media
de 0.4 % de Cu........................................................................................................................72
Imagen 42. Variación de los recursos explotables y la ley media al variar la ley de corte
...................................................................................................................................................72
...................................................................................................................................................73
Imagen 44. Variación del tonelaje extraído al variar el ángulo de talud..........................76
Imagen 45. Representación gráfica de los diferentes ángulos de talud que implica el
diseño de un PIT......................................................................................................................77
Imagen 46. Parámetros a tener en cuenta en el diseño de un PIT..................................78
Imagen 47. Espacio de berma de banco para que pueda operar la maquinaria............80
Imagen 48. Dimensiones de Diseño de banco, berma y banquetas de PIT...................81
Imagen 49. Representación bidimensional del caso general de la estimación de
recursos asistida por computadoras (Según Sinclair y Blackwell, 2002), mencionado
por MSc. Emildio Estévez, en su artículo: Apuntes sobre estimación de recursos y
reservas....................................................................................................................................84
INDICE DE TABLAS
Tabla 1. Clasificación de reservas a partir de la utilización del error kriging de la media.
...................................................................................................................................................42
Tabla 2. Los 4 tipos básicos de estimación de costos.......................................................44
Tabla 3. Variación de la ley de acorde al precio.................................................................58
Tabla 4. Variación de los ingresos de acuerdo a la variación de precios........................71
GEOESTADÍSTICA 9
Tabla 5. Dimensiones recomendadas para la construcción de bermas y banquetas....79
En la Imagen 2.9, se observa la localización de pozos de tiro en un

banco de la mina de hierro de Marquesado, España. Supongamos que
queremos calcular γ (h1) utilizando el algoritmo general, siendo h1 el vector
siguiente (ver Imagen 2.10):
GEOESTADÍSTICA 10
Imagen 1.Vector para cálculo del variograma
Lo más probable es que no encontremos ningún o muy pocos pares de

datos que estén exactamente a la distancia h1. Es necesario entonces
introducir aproximaciones para el cálculo de γ (h).
2.2.4.6.3.1 Aproximación: Método de los Sectores.
1. Se basa en la aproximación siguiente:
“Dos puntos están aproximadamente a la distancia h si una vez fijado el

primero, el segundo cae en la zona de la Imagen 2.11”:
Imagen 2.Método de los sectores.
Si el punto P2 cae en la zona amarilla, entonces se dice que P1 y P2

están aproximadamente a la distancia h.
Θ se llama tolerancia angular, ε se llama tolerancia en distancia.

La elección de θ y ε depende de la distribución espacial de los datos y
de la práctica.
GEOESTADÍSTICA 11
En algunos casos la práctica recomienda utilizar θ = 22.5º y ε = 0.5b, en

que b es la distancia mínima, llamada paso, para el cálculo de γ (h).
El paso en una dirección dada se puede determinar como la distancia

entre datos aproximadamente contiguos en esa dirección.
El método de aproximación presenta problemas:
• Puede caer más de un punto en la zona. En este caso se consideran las

diferencias en el cálculo.
• Si IhI es grande, como el ángulo se abre, la aproximación tiende a ser grosera

(ver Imagen 2.12).
Imagen 3.La aproximación no es buena para h grande.
Algunos paquetes computacionales definen otro tipo de zona para evitar

este problema (ver Imagen 2.13).
(Método del lápiz):
GEOESTADÍSTICA 12
Imagen 4.Aproximación para h grande.
En este caso hay que definir tres parámetros: θ, ε y d (d se llama a

veces ancho de banda).
Hay que tener presente que es necesario conocer bien el variograma en

una vecindad de h = 0 (los puntos más cercanos al origen), luego, en algunas
situaciones no se justifica este método del lápiz.
El método de los sectores se puede generalizar al espacio de tres

dimensiones (ver Imagen 2.16):
Imagen 5.Compósitos en el espacio de tres dimensiones.
GEOESTADÍSTICA 13
Imagen 6.Aproximación en el espacio de 3 dimensiones: Una especie de cono.
Imagen 7.Aproximación en el espacio de 3 dimensiones: Método del lápiz.
2.2.4.6.4 Parámetros del Variograma
Los parámetros del Variograma caracterizan tres elementos importantes

en la variabilidad de un atributo que son: la discontinuidad en el origen
(Existencia de Efecto de Pepita), el valor máximo de variabilidad (Meseta), y el
área de influencia de la correlación (Alcance), ver Imagen 2.17.
Imagen 8.Representación gráfica de un variograma básico.
GEOESTADÍSTICA 14
El Efecto Pepita (Nugget)
El semivariograma por definición es nulo en el origen, pero en la práctica

las funciones obtenidas pueden presentar discontinuidad en el origen, a esta
discontinuidad se le llama Efecto Pepita, en ingles (Nugget Efecct).Puede ser
obtenido trazando una línea recta entre los primeros puntos del Variograma
empírico y extender ésta hasta que se intercepte con el eje Y. Si esta
intersección ocurre debajo de cero, el valor asumido por este efecto es cero,
pues valores negativos de γ (0) no tiene significado y no es común. El Efecto
Pepita se representa como Cₒ.
La Meseta (Sill)
Es el valor de γ (h) para el cual con el aumento de h su valor permanece

constante, se representa como (C = C + Cₒ) y se denomina Meseta. Puede
obtenerse trazando una línea paralela a la abscisa y que se ajuste a los puntos
de mayor valor del Variograma y su valor se lee en la intersección de esta línea
con la ordenada.
El Alcance (Range)
La distancia h para la cual las variables Z (x) y Z(x+h) son

independientes, se denomina Alcance y se representa por (a), es decir, las
distancias para la cual los valores de la variable dejan de estar correlacionados,
o lo que es lo mismo, la distancia para la cual el Variograma alcanza su
Meseta.
El alcance siempre tiene valor positivo y puede ser obtenido a partir de la

intersección de las líneas descritas en los puntos anteriores, ese punto leído en
la abscisa es una fracción del propio Alcance, fracción que se detallara
posteriormente en la explicación de los modelos teóricos.
2.2.4.6.5 Ajuste de un Variograma Experimental a un Modelo Teórico
GEOESTADÍSTICA 15
El objetivo de ajustar un modelo teórico es disponer de una ecuación, la

cual se utilizará en los cálculos posteriores. En general, los paquetes
computacionales trabajan exclusivamente con el modelo teórico.
En la imagen siguiente (ver Imagen 2.18) distinguimos los dos

variogramas:
 El variograma experimental, que es el calculado a partir de los datos.

 El variograma teórico, que corresponde a una ecuación que se ajusta al
variograma experimental:
Imagen 9.Variograma experimental vs variograma teórico.
Es evidente que el variograma teórico debe respetar al variograma

experimental, sobre todo en los primeros puntos, que son más confiables.
El ajuste de los variogramas constituye un punto crucial, en un estudio

geoestadístico, porque todos los cálculos posteriores se harán utilizando
exclusivamente el modelo teórico.
Para tener un buen ajuste, hay que considerar que uno de los objetivos
finales es la es la estimación de leyes de bloques (Modelo de bloques) dentro
de cierta vecindad restringida de manera de no considerar demasiadas
muestras para estimar la ley de cada bloque.
GEOESTADÍSTICA 16
2.2.4.6.6 Modelo Teóricos del Variograma.
Los modelos de variograma teórico utilizados en el proceso de

estimación o simulación deben satisfacer ciertas condiciones, es decir tienen
que ser “definido positivo” o de “tipo positivo”. En general el ajuste de modelos
teóricos al Variograma empírico se realiza de forma visual.
Atendiendo a las dos características más importantes en el modelado del

variograma que son:
 Su comportamiento en el origen, el cual puede ser lineal, parabólico y

con Efecto de Pepita.
 La presencia o ausencia de Meseta.
Así como en estadística existen modelos (ley de Gauss, Lognormal, etc) en

Geoestadística también existen modelos de variograma.
El modelo debe cumplir con las propiedades siguientes:
γ (0) = 0
γ (h) ≥ 0
γ (-h) = γ (h)
Efecto Pepita
Corresponde a un fenómeno puramente aleatorio (ruido blanco), sin

correlación entre las muestras, cualquiera sea la distancia que las separe.
Modelo esférico
El modelo esférico: Es uno de los modelos más importantes y utilizados

en minería, se puede observar un crecimiento casi lineal y después a ciertas
distancias finitas del origen se alcanza una estabilización, la Meseta. La
GEOESTADÍSTICA 17
tangente en el origen encuentra a la Meseta en el punto de abscisa (2/3) a,

donde “a” representa el valor alcance.
γ (h) = C [ (3/2)(h/a) - ½(h/a)3 ] h≤a

C h>a
El alcance es a y la meseta es C.
Modelo Exponencial
Este modelo a diferencia del esférico crece inicialmente más rápido y

después se estabiliza de forma asintótica. Como la Meseta no se alcanza a una
distancia finita, se usa con fines prácticos el “alcance efectivo” o “alcance
práctico” a´, valor que se obtiene en el punto de abscisa para el cual el modelo
obtiene el 95% de la Meseta, con un valor a´=3a, donde a es el parámetro de
escala. La tangente en el origen encuentra a la meseta en el punto a= (1/3)a´.
γ (h) = C [1 - Exp(-|h|/a)] h ≤ a
C h>a
Modelo Gausiano
Este es un modelo extremadamente continuo (Imagen 2.9), inicialmente

presenta un comportamiento parabólico en el origen, después al igual que en el
modelo Exponencial se alcanza la meseta de forma asintótica. El alcance
práctico tiene un valor de a´=1.73a, que es el valor de la abscisa donde se
alcanza el 95% de la Meseta.
γ (h)= C [ 1 - Exp(-|h|2/a2)] h ≤ a
C h>a
GEOESTADÍSTICA 18
Imagen 10.Representación gráfica de los 3 modelo teóricos de variograma más utilizados en minería.
2.2.4.6.7 Interpretación de los Variogramas.
2.2.4.6.7.1 Variograma Según el Comportamiento en el Origen
Mientras más regular el variograma en el origen (distancia cercana a 0),

más regular es la variable regionalizada en el espacio. Se puede distinguir tres
tipos de comportamiento para el Variograma en el origen:
Parabólico
Corresponde a una variable regionalizada muy regular en el espacio.
Lineal
Corresponde a una variable regionalizada continua, pero no tan regular.
Discontinuo
Corresponde a una variable regionalizada más errática, es decir, con
discontinuidades en la distribución espacial de sus valores, la desemejanza
entre dos datos muy cercanos no es despreciable: los valores medidos varían a
una escala muy pequeña y su continuidad no es perceptible. Este fenómeno se
GEOESTADÍSTICA 19
llama efecto pepita, por referencia a las leyes de oro en los yacimientos
auríferos, que cambian repentinamente cuando hay pepitas de oro.
Imagen 11.Relación entre la regularidad espacial de una variable regionalizada (arriba) y el

comportamiento en el origen del variograma (abajo).
2.2.4.6.7.2 Variograma Según el Comportamiento Direccional
Un variograma γ (h) es isotrópico si es idéntico en todas las direcciones

del espacio, es decir, si no depende de la orientación del vector h, sino sólo de
su módulo │h│. En caso contrario, hay anisotropía (ver Imagen 2.21); tal
propiedad caracteriza un fenómeno que se extiende de preferencia en ciertas
direcciones.
Imagen 12.Variable regionalizada con dirección preferencial de continuidad (izquierda) y variograma en

las direcciones de mayor y menor continuidad (derecha).
GEOESTADÍSTICA 20
En la práctica, las anisotropías se pueden identificar al comparar los

variogramas experimentales calculados a lo largo de varias direcciones del
espacio, por ejemplo, en el caso bidimensional, a lo largo de las direcciones
orientadas 0ᵒ, 45ᵒ, 90ᵒ y 135ᵒ con respecto al eje de las abscisas. Los
variogramas experimentales en las diferentes direcciones se superponen. El
caso contrario, se está en presencia de una anisotropía. Se distingue varios
tipos de anisotropía, en especial, la anisotropía geométrica y la anisotropía
zonal.
Anisotropía Geométrica
Se produce cuando los diversos variogramas pueden reducirse a un
variograma isotrópico mediante una transformación lineal de las coordenadas.
El caso más común en la práctica es cuando los variogramas presentan un
mismo valor de meseta pero diferentes alcances:
En la Imagen se ha representado una anisotropía geométrica (en el caso

isotrópico lo anterior sería un circulo).
Sea k = a₁/a₂ > 1, la razón entre el alcance mayor y menor. Las fórmulas
de transformación de coordenadas nos muestran que:
Θ es el ángulo formado entre el eje “x” y el eje “x´” de la elipse. У₁ es el

variograma de la dirección 1. K = a₁/a₂
En el caso del variograma lineal con diferentes pendientes:
γ (h) = ω(θ)│h│
Se procede de manera análoga, utilizando la elipse de pendiente o de

inversos de pendientes.
Ejemplo: En el caso de la Imagen 2.22, se puede suponer, en primera

aproximación, que el eje de la elipse coincide con los ejes de coordenadas:
GEOESTADÍSTICA 21
Imagen 13.Elipsoide con radios de acuerdo a los alcances de los variograma obtenido a partir del estudio
variográfico de los compósitos.
Anisotropía Zonal
Existen variogramas cuya anisotropía no puede corregirse con una

transformación lineal de coordenadas, especialmente aquellos que presentan
una meseta variable según la dirección del espacio.
En un sentido estricto, la anisotropía zonal es un modelo en el cual la

función aleatoria no depende de una (o varias) coordenada(s). Esto sucede a
veces cuando se trabaja en el espacio de tres dimensiones. Por ejemplo, en el
estudio de un fenómeno sedimentario, la variabilidad suele ser más importante
a lo largo de la dirección vertical que atraviesa los estratos, que en los estratos
mismos. Como una primera aproximación, la función aleatoria es constante en
el plano horizontal, de manera que su variograma γ (h) sólo depende de la
componente vertical de h. Denotando como θ el ángulo entre h y la dirección
vertical y u un vector unitario orientado verticalmente, se puede escribir:
γ (h) = γ (|h|cos θu)
Este variograma tiene la misma meseta en todas las direcciones del

espacio excepto en el plano horizontal para el cual cosθ = 0 y γ (h) = 0
GEOESTADÍSTICA 22
Imagen 14.Ejemplo (3D) de anisotropía zonal en dirección vertical. Derecha: variogramas en las
direcciones horizontales (D1, D2), vertical (D3) y una dirección oblicua (Dθ).
Una forma equivalente de definir la anisotropía zonal consiste en verla

como una anisotropía geométrica donde el eje mayor de la elipse (elipsoide) de
alcances se vuelve infinitamente grande. En el mapa variográfico, la elipse se
convierte entonces en una banda.
Anisotropías Complejas
La suma de varios variogramas isótropos o con anisotropías zonales o

geométricas con características diferentes (ángulos y coeficientes de
anisotropía) permite hacer frente a la mayor parte de las situaciones
encontradas en la práctica.
2.2.4.6.8 Reglas de Ajuste
Consideremos el siguiente ejemplo de variograma experimental (ver

Imagen 2.24), calculado a lo largo de las direcciones principales de anisotropía
en el espacio de tres dimensiones.
GEOESTADÍSTICA 23
Imagen 15.Variograma experimental a lo largo de tres direcciones principales de Anisotropía (D1, D2,D3).
¿Cuál puede ser el modelo de variograma?
Antes de ajustar un modelo, empecemos con determinar (visualmente)

las principales
Características del variograma experimental:
 El variograma tiene un efecto pepita de meseta 0.1 aproximadamente.

 En la primera dirección (D1), el variograma tiene un alcance cercano a
200m y una meseta cercana a 1.0.
 En la segunda dirección (D2), el variograma tiene un alcance cercano a
 En la tercera dirección (D3), el variograma tiene un alcance cercano a
 En cada dirección, aparte del efecto pepita, el comportamiento en el
origen es lineal, lo que sugiere utilizar modelos anidados de tipo esférico
o exponencial.
GEOESTADÍSTICA 24
Dado que el modelo será la suma de modelos básicos (variograma

anidado), se va a ir sumando contribuciones positivas a medida que se agregan
los modelos anidados. Por esta razón, el modelamiento se realizará yendo
“desde abajo hacia arriba” en el eje de ordenada correspondiente al
variograma.
El primer “hito” en el eje de ordenada corresponde al efecto pepita, cuya

amplitud es de 0.1. Por lo tanto, usaremos como primer modelo básico dicho
efecto pepita (Imagen 2.25ª). El segundo hito corresponde a la meseta (1.0) en
la primera dirección. Como ya tenemos un efecto pepita de meseta 0.1, sólo
falta agregar un modelo básico (digamos, un exponencial) de meseta 0.9 y
cuyos alcances en las tres direcciones D1, D2 y D3 son 200m, 120m y 50m,
respectivamente (Imagen 2.25B). El siguiente hito es la meseta (1.3) en la
dirección D2.
Estando en la meseta 1.0, falta agregar un modelo básico (exponencial) de

meseta 0.3; sus alcances en las direcciones D2 y D3 son 120m y 50m
respectivamente, mientras que el alcance en la dirección D1 se pone infinito de
modo de no alterar más el variograma en esta dirección (esto equivale a
considerar una anisotropía zonal a lo largo de la dirección D1) (Imagen 2.25C).
De manera análoga, para llegar al último hito (meseta 1.5 en la dirección D3),
basta con agregar un último modelo básico de meseta 0.2 y alcances infinitos
en las direcciones D1 y D2 y 50m en la dirección D3 (Imagen 2.25D).
GEOESTADÍSTICA 25
Imagen 16.Pasos para el modelamiento del variograma experimental, sumando modelos anidados.
El modelo final queda como:
γ (h) = 0.1 pepa + 0.9 exp (200m, 120m, 50m) + 0.3 exp (∞, 120m, 50m) + 0.2
exp (∞, ∞, 50m)
Donde las distancias entre paréntesis indican los alcances prácticos en

las direcciones D1, D2 y D3 respectivamente.
2.2.5 Modelo del Recurso-Modelo de Bloques.
2.2.5.1 El Modelo Geométrico
Es un caso general, el depósito mineral está compuesto por una serie de

cuerpos mineralizados de geometrías más o menos irregulares. Para poder
GEOESTADÍSTICA 26
pasar del modelo geológico ya establecido, al modelo numérico, es necesario

recurrir a una referencia intermedia, que denominamos modelo geométrico del
yacimiento. Dicho en otros términos, establecer el modelo geométrico, es
configurar y delimitar espacialmente una matriz de bloques comportando a los
cuerpos mineralizados (a los que posteriormente se asignaran los
correspondientes valores, para constituir así el modelo numérico). En esta
etapa, en el caso más general, comprende dos procesos:
 Regularización geométrica o contorneo

 Discretización
2.2.5.2 Regularización Geométrica o Contorneo
Consiste en asimilar la geometría irregular de los cuerpos mineralizados,

a cuerpos geométricos regulares, fácilmente discretizables, posteriormente se
delimitara sobre cada estructura mineralizada, el volumen rocoso.
En otras palabras, el contorno o limitación se hará teniendo en cuenta

que se comprometerá parte de la roca caja y también se omitirá parte de la
estructura mineralizada. Esto debido a que los bloques son cubos geométricos
que no calzaran con los límites o zonas duras de la estructura mineralizada que
representaran.
2.2.5.3 Discretización
Con la finalidad de dar solución numérica al modelo diferencial, se hace

necesario el yacimiento como un sistema compuesto de un conjunto de
bloques o celdas individuales adyacentes entre sí. Procedimiento denominado
Discretización.
Consiste en una división del cuerpo mineralizado, previamente

regularizado, en bloques de forma y dimensiones previamente definidas y
adecuadas a la geometría y estructura del yacimiento, y a la malla de sondeos
existentes (ver Imagen 2.26).
GEOESTADÍSTICA 27
La idea es trabajar bajo restricción geológica, es decir las distintas

entidades geológicas serán tratadas separadamente. Por tanto cada uno de los
bloques de nuestro modelo debe ir caracterizado por un código geológico,
indicativo de la especie geológica dominante en él.
Este proceso es más preciso frente a la forma habitual de modelización,

que opera partiendo de la matriz de bloques paralepipedica regular, que
engloba el volumen reconocido por los sondeos; a partir de ahí todos los
bloques de dicha matriz se someten a estimación, tanto así si corresponden
efectivamente al cuerpo mineralizado, como a la roca encajante.
Imagen 17.Discretización de una estructura mineralizada 3D en una matriz de bloques que la representan
geométricamente.
2.2.6 Interpolación de Leyes de Las Leyes de los Bloques a Partir de los

Datos de Muestras
Consiste en definir con un determinado grado de precisión, los diferentes

parámetros del depósito mineral, y no sólo sus valores medios o globales, sino
los particularizados para cualquier fracción o volumen parcial del mismo.
GEOESTADÍSTICA 28
Imagen 18.Representación gráfica del proceso de estimación a partir de los compósitos, modelo
geológcio y modelo de bloques.
2.2.6.1 Clasificación de las Técnicas de Interpolación.
Los métodos de estimación computarizados para la estimación de

recursos se basan en procedimientos matemáticos de interpolación local y
solamente emplean los datos de los pozos vecinos al bloque para realizar la
estimación de la variable estudiada.
Los métodos del Inverso de la Distancia y Kriging son las técnicas más
empleadas en la estimación de recursos asistida por computadoras.
2.2.6.1.1 Método del Inverso de la Distancia

Este fue posiblemente el primer método analítico para la interpretación
de los valores de la variable de interés en puntos no muestreados. Esta técnica
se ha convertido en una de las más populares gracias a la aparición de las
computadoras y su relativa sencillez. En principio de adopta la hipótesis de que
importancia de un dato aislado responde a una función inversa de la distancia.
GEOESTADÍSTICA 29
El objetivo del método es asignar un valor a un punto o bloque mediante la

combinación lineal de los valores de las muestras próximas.
Esto se consigue al ponderar las leyes
1/dᵢᵅ, (α = 1, 2,...;dᵢ = distancia entre la muestra i y el centro de gravedad de S).

Si α = 1 se tiene el inverso a la distancia (ID).
Si α = 2 se tiene el inverso del cuadrado de la distancia (ID 2).
La fórmula general es:

N
Z
∑ d αi
^Z S= i=1 i
N
∑ d1α
i=1 i
(α > 0)
Comentarios:
 Simple, fácil de calcular.
 Se adapta mejor en estimaciones locales que globales.
 No funciona bien con agrupaciones de datos.
 Atribuye demasiado peso a las muestras cercanas al centroide de
gravedad. En particular no está definido si dᵢ = 0 (muestra en el
contenido en el centroide de S).
 No toma en cuenta la forma ni el tamaño de S (En el ejemplo Sᶦ tiene la
misma ley S porque su centroide coincide con el de S).
Es intuitivo suponer que la influencia potencial del valor de una muestra

sobre un punto o bloque a estimar decrece cuando este se aleja de dicho
punto. El atributo estimado cambiara como función inversa de la distancia. En
otras palabras el método de la inversa de la distancia se basa en lo siguiente:
asignar mayor peso a las muestras cercanas y menor peso a las muestras
alejadas a S. Esto se consigue al ponderar las leyes.
2.2.6.1.2 Método de El Krigeaje
GEOESTADÍSTICA 30
Esta técnica de el Krigeaje o método geoestadístico, es la técnica más

compleja, pero más perfecta, ya que tiene en cuanta no solo las distancias de
las muestras de bloques al igual que el inverso de la distancia, sino también la
situación espacial de aquellas respecto a él, lo cual es especialmente
importante si existen marcadas anisotropías en el cuerpo mineralizado.
Consiste en encontrar la mejor estimación lineal insesgada de un bloque

o zona V considerando la información disponible, es decir las muestras
interiores y exteriores.
Imagen 19.Estimación de un volumen V a partir de datos de muestras Xn.
2.2.6.1.2.1 Interés del krigeado
Proviene de su misma definición: minimizar la varianza de error, estamos

seguros de obtener la estimación más precisa posible de volumen “V” o
equivalente, de sacar el mejor el mejor provecho posible de la información
disponible.
El nombre krigeado o kriging proviene de los trabajos de Daniel Krige en

las minas de oro sudafricanas de Rand, en los años 50. La teoría fue
formalizada una década más tarde por el geomatemático francés Georges
Matheron.
El interés práctico más importante del krigeado, proviene, no del hecho

que asegura la mejor precisión posible, sino más bién por que permite evitar un
GEOESTADÍSTICA 31
error sistemático. En la mayoría de los depósitos mineros, se debe seleccionar,

para la explotación, un cierto número de bloques, considerados como rentables
y se debe abandonar otros bloques considerados no explotables. Daniel Krige
demostró que, si esta selección se realizara considerando exclusivamente las
muestras interiores a cada bloque, resultaría necesariamente (en promedio)
una sobre-estimación de los bloques seleccionados. La razón de este problema
es que el histograma de la leyes reales de los bloques tiene menos leyes
extremas, ricas o pobres, luego tiene más leyes intermedias que el histograma
calculado con las muestras interiores, y, si se calcula el efecto de una selección
sobre este último histograma, los paneles eliminados serán en realidad menos
pobres que lo que se había previsto, y los paneles conservados menos ricos.
De acuerdo a lo expresado anteriormente, el krigeado define el

estimador lineal:
Źk = λ1 z (x1) + λ2 z (x2) + …. +λn z (xn)
O la condición de insesgado (llamada también condición de universalidad:)
λ1 + λ1 + … + λn = 1
Los pesos λi se calculan de manera de minimizar la varianza σE2 del

error ε = Zk – Zv, en que Zv es la ley media desconocida de V.
Como es natural el krigeado atribuye pesos altos a las muestras

cercanas a V y pesos débiles a las alejadas.
Ecuaciones del krigeado

Para obtener las ecuaciones del krigeado hay que minimizar la expresión
de σE2
GEOESTADÍSTICA 32
Pero los pesos λi deben verificar la condición:
El método clásico para minimizar la expresión de σE2 (igualar a cero las

derivadas parciales de σE2 respecto de (λ1, λ2,…, λn) No asegura que la suma
de los λ1 sea 1. En este caso hay que utilizar según los eruditos, el método de
lagrange, el cual explicaremos con un ejemplo matemático.
Ejemplo:
Minimizar la función A= X2 + Y2 si X + Y = 1. El método de lagrange
define la función A´ siguiente:
A´ = X2 + Y2 - 2u (X + Y -1)
u es una incógnita auxiliar llamada parámetro de lagrange. Observamos que A´

es una función de tres variables: X, Y, u. Por otra parte, si se verifica la
condición X + Y = 1, entonces A´ = A.
El método de Lagrange consiste en igualar a cero las derivadas

parciales de A´
La solución de este sistema es X = 0.5, Y = 0.5, u = 0.5

Luego el mínimo de A´ o de A es:
A0 = (0.5)2 + (0.5)2 = 0.5
GEOESTADÍSTICA 33
Por lo general el parámetro u carece de significación física.

En el caso del krigeado hay que considerar la expresión:
A´ = σE2 + 2u (λ1 + λ2 + …, + λn -1)
Se demuestra que al realizar n +1 derivaciones se obtiene el sistema de

ecuaciones siguiente:
Que es un sistema lineal de n + 1 ecuaciones con n+ 1 incógnitas (λ1,

λ2,…, λn, u )
Se demuestra que el sistema siempre tiene solución (se supone que el

modelo de γ (h) es autorizado), salvo el caso en el cual existen dos (o más)
muestras diferentes con las mismas coordenadas: Este caso no debería
presentarse en la práctica pero a veces ocurre. En tal caso es necesario hacer
una revisión de la base de datos.
El método que hemos presentado se conoce como kriging ordinario y se

puede aplicar siempre que la variable regionalizada no presente una deriva en
la vecindad de estimación.
Varianza de Error.
Se demuestra a partir de lo anterior de σE2 se simplifica obteniéndose:
GEOESTADÍSTICA 34
2.2.6.2 Vecindad de Estimación
Imagen 20.Para el krigeado no importa la agrupación de datos al lado izquierdo del bloque (el krigeado
desagrupa la información) ¿Cuál radio tomar?
En estricto rigor, el krigeado de un bloque V debería realizarse

considerando todos los datos disponibles (krigeado completo). Sin embargo,
esta situación implica cálculos muy largos; por otra parte, las muestras alejadas
tendrían un peso casi nulo. Por esta razón la práctica recomienda a una
vecindad de estimación que puede ser una esfera o círculos, o bien un
elipsoide o elipse (3D y 2D), o también, porque no, un rectángulo o una caja.
Como recomendación práctica, el radio en una cierta dirección no debe ser
inferior al alcance en esa dirección.
La práctica ha demostrado que en el espacio de 2 dimensiones con una

vecindad que contenga un promedio del orden de 8 muestras, los resultados
son buenos. En el espacio de 3 dimensiones la situación es más compleja y
debe ser analizada en cada caso particular.
GEOESTADÍSTICA 35
Una estrategia de búsqueda establece algunos parámetros que hay que

utilizar para la búsqueda de compósitos a utilizar en la estimación del bloque.
Dependiendo del software minero utilizado, estos parámetros son:
Radios de búsqueda (Rx, Ry, Rz). En la primera aproximación se puede

utilizar los alcances del variograma en las direcciones (x, y, z), en una vecindad
con forma de elipsoide.
Imagen 21.Elipsoide de búsqueda. En algunas situaciones este elipsoide puede estar inclinado. El
centroide es el centro de gravedad del bloque.
El elipsoide al momento de estimar debe dividirse en sectores y octantes

para restringir y distribuir de una mejor manera el aprovechamiento de los
datos de las muestras y obtener una mejor estimación (ver Imagen 2.31).
GEOESTADÍSTICA 36
Imagen 22.Influencia de parametrizar la búsqueda con cuadrantes u octantes de la elipsoide de

búsqueda. En la imagen se trata de imponer la búsqueda de 3 datos más cercanos por cuadrante.
Establecer “#” mínimo de muestras a usar en la estimación

Sirve para controlar el caso en que una sola muestra cae en la vecindad.
Si se pone # =2, solo se krigearan los bloques que tengan 2 o más datos en la
vecindad.
Establecer “r” máximo de muestras a usar en la estimación

Si se pone r = 32, entonces cuando la vecindad de un cierto bloque
existan más de 32 compósitos, en la estimación solo se usarán los 32
compósitos más cercanos al centro del bloque. Este parámetro es para una
mayor velocidad de cálculos. (Esto ya lo contempla RecMin en el ID).
Establecer “L” máximo de muestras por OCTANTE

Si se pone, por ejemplo L = 2, en cada octante se utilizarán las 2
muestras más cercanas al centro del bloque. (RecMin ya lo contempla en el
ID).
GEOESTADÍSTICA 37
Imagen 23.Octantes. ¿Qué pasa si existen sondajes aproximadamente horizontales en el caso de la

izquierda? Algunos paquetes computacionales utilizan el hemisferio superior e inferior caso de la derecha.
El Objetivo de ese parámetro es “desagrupar” (pero, dadas las

propiedades del krigeado ¿Se justifica su uso?) Tema a investigar.
Establecer Máximo “S” de compósitos por sondaje
Si se pone, por ejemplo S=2, En cada sondaje se utilizará un máximo de 2

compósitos, lo más cercanos al centro del bloque. El objetivo de este
parámetro es forzar la interpolación entre sondajes (ver figura 2.33).
Imagen 24. Importancia de establecer parámetros de búsqueda en la elipsoide. Impacto del empleo de la
vecindad de búsqueda por sectores en la selección de muestras A) Búsqueda sin restricción (1 sector)
todas las muestras seleccionadas proceden de un solo pozo b)
Figura 2.33: Importancia de establecer parámetros de búsqueda en la

elipsoide. Impacto del empleo de la vecindad de búsqueda por sectores en la
selección de muestras A) Búsqueda sin restricción (1 sector) todas las
muestras seleccionadas proceden de un solo pozo b) Búsqueda por octantes (8
sectores) se selecciona 2 muestras de cada pozo.
GEOESTADÍSTICA 38
La figura 2.34, Ilustra un perfil de una mina estimado con octantes (máximo 2
compósitos) y con máximo de compósitos por sondaje (máximo 2 compósitos)
y el mismo perfil estimado con un máximo de 32 compósitos en la vecindad (sin
octantes y sin máximo de compósitos por sondaje).
Imagen 25. A la izquierda estimación por octantes y máximo por sondaje (se produce el efecto
“panqueque”. A la derecha sin restricciones. Todos los sondajes (no dibujados) son verticales. Los
compósitos tienen un largo igual a la altura del banco.
Figura 2.34: A la izquierda estimación por octantes y máximo por sondaje (se
produce el efecto “panqueque”. A la derecha sin restricciones. Todos los
sondajes (no dibujados) son verticales. Los compósitos tienen un largo igual a
la altura del banco.
2.2.6.2.1.1 El Modelo Numérico o de Bloques

Llamado modelo numérico a la matriz de bloque una vez estimados
convenientemente sus valores; esto es tras haber sido valorados los
parámetros de los bloques, a partir de los sondeos, por un método de
extensión, sea el krigeaje u otros.
Dadas las ventajas ya citadas en el krigeaje, será ésta la técnica a utilizar

normalmente para estimar los bloques por extensión de los valores de los
sondeos. Para la estimación de los rendimientos metal, emplearemos sin
embargo el método
2.2.6.2.1.2 Aplicación del Krigeaje Bajo Restricción Geológica

La fase de interpolación de los bloques, sea por krigeaje o por otra técnica, es
la más delicada en todo proceso de estimación, y el acierto en su realización
vendrá dado por la medida de lo acertado del análisis estructural previo, y de
su coherencia con el carácter geológico del yacimiento.
Esto significa que deberá ser distinto el tratamiento si el cuerpo mineralizado

tiene unos límites geológicos netos, que si no los tiene, si hay un sólo tipo
morfológico de mineral o varios, si hay una paragénesis mineral única, o bien
existen diversas calidades de mineral, etc.
GEOESTADÍSTICA 39
En el krigeaje convencional se opera, como ya he señalado antes,

estableciendo una matriz de bloques paralepipedica, que engloba a la
mineralización. Todos los bloques de esa matriz se estiman o interpolan en
base a un mismo criterio, con arreglo a unos coeficientes de krigeaje
determinados.
Al no establecerse unas restricciones geológicas para este proceso, puede

darse que en la estimación de un mismo bloque intervengan muestras
geológicamente heterogéneas, bien por corresponder a diversos tipos de
mineralización, bien por ser totalmente ajenas al cuerpo mineralizado. El
modelo así obtenido presentará una fuerte distorsión frente al yacimiento real,
tanto mayor cuanto más grande sea su complejidad geológica.
En efecto, se obtendrán falsos bloques ricos, correspondientes en realidad a

hastiales estériles, y a la inversa, falsos bloques pobres, correspondientes en
realidad a mineral neto, limítrofe con los hastiales (efecto de borde).
Así mismo, en el caso, muy frecuente, de diversos tipos morfológicos de

mineral, por ejemplo con mineralizaciones filonianas junto a mineralizaciones
estratiformes, los errores introducidos por un krigeaje, si previamente no se ha
hecho una discriminación geológica de los datos, serán muy graves.
Igualmente frecuente y grave es la utilización indiscriminada para el krigeaje de
muestras correspondientes a minerales oxidados o alterados, junto con
muestras de mineral sulfuro o sano.
A diferencia de lo anterior, en la aplicación del krigeaje bajo restricción

geológica, que hemos desarrollado, la matriz de bloques a estimar nunca es un
volumen arbitrario ni regular, sino que está ajustado al contorno de los cuerpos
mineralizados, y tiene en cuenta las diferencias de paragénesis y tipos
morfológicos que puedan existir en el yacimiento.
Naturalmente, el acierto de la estimación va a depender de la fidelidad con que

nuestro modelo refleje la morfología e interfaces del cuerpo mineralizado.
Para la estimación de los bloques sólo se hacen intervenir aquellas muestras

geológicamente afines u homogéneas, con el bloque en cuestión.
GEOESTADÍSTICA 40
La aplicación del krigeaje bajo restricción geológica se debe utilizar siempre

que los cuerpos mineralizados tengan unos límites geológicos netos. El
krigeaje convencional o sin restricción, deberá reservarse para aquellos
cuerpos mineralizados con límites difusos o económicos.
2.2.7 Categorización de Recursos

La categorización de recursos minerales (o geológicos) y reservas mineras es
una de las etapas más críticas en la evaluación de un proyecto minero, dado
que el financiamiento del proyecto y las inversiones dependen de la cantidad
(tonelaje) y calidad (ley) de los recursos y reservas. Además, la decisión de
invertir en el proyecto considera la confiabilidad en los valores estimado de
estos recursos y reservas.
Sin embargo, este a su vez uno de los procedimientos más subjetivos en la

evaluación, dado que la clasificación queda sujeta a la opinión experta de un
especialista en evaluación de yacimientos. En los últimos años, los códigos
internacionales han tendido a incluir de manera más explícita los
requerimientos para la divulgación de resultados de la estimación de los
recursos y reservas, sin embargo, aún no se ha especificado una metodología
fija para todos los proyectos.
Los principales métodos a través de los cuales los recursos minerales pueden
ser categorizados se dividen en 2 grupos:
 Criterios tradicionales o clásicos

 Criterios geo estadísticos.
2.2.7.1 Criterios Geoestadísticos de Categorización

Yamamotto, 1991 plantea que los esquemas de clasificación de reservas
basados en medidas reales de la dispersión son más confiables pues reflejan,
sobretodo, la cantidad y la calidad de la información empleada para evaluar las
reservas. Estos esquemas fueron denominados genéricamente clasificaciones
geoestadísticas pues se basan en la varianza del kriging.
En este sentido, se recomienda la Geoestadística como procedimiento válido y

confiable en la mayoría de los sistemas de clasificación, convirtiéndose en un
estándar en la estimación de recursos minerales.
GEOESTADÍSTICA 41
El código propuesto por la ONU, por ejemplo, propone el uso de la

Geoestadística para clasificar los recursos pues permite de forma rápida y sin
ambigüedad identificar las categorías de recursos y reservas minerales (UN-
ECE,1996). Algunos de los principales criterios geoestadísticos que han sido
empleados o propuestos para la clasificación de recursos se explican a
continuación.
2.2.7.1.1 Alcance del variograma

El variograma permite cuantificar la continuidad o nivel de correlación entre las
muestras que se localizan en una zona mineralizada dada. El grado de esa
correlación ha sido frecuentemente utilizado para clasificar los recursos y
reservas. Froidevaux (1982) propuso 3 clases de clasificación:
Bloques en el área muestreada ubicados dentro del radio de influencia definido

por el alcance del variograma.
Bloques en el área muestreada ubicados más allá del radio de influencia

definido por el alcance del variograma
Bloques dentro del yacimiento, ubicados a una distancia grande de los pozos
(incluyendo los bloques extrapolados)
Típicamente se han empleado 2 enfoques para clasificar los recursos usando el

variograma
El primero se basa en la subdivisión arbitraria del alcance observado. Ejemplo,

todos los bloques estimados con un número mínimo de muestras y ubicados
dentro de un determinado radio de influencia podrían ser clasificados como
recursos medidos mientras que todos los bloques estimados con cierto número
mínimo de muestras y localizados más allá del radio de influencia serían
clasificados como indicados.
En el segundo enfoque las categorías de recursos están basadas en los

valores de la meseta. Por ejemplo, los bloques comprendidos dentro de un
alcance del variograma correspondiente a 2/3 del valor de la meseta pueden
ser clasificados como medidos, el resto son indicados.
GEOESTADÍSTICA 42
2.2.7.1.2 Varianza Kriging

El kriging permite obtener además de la estimación del valor de un bloque, una
indicación de la precisión local a través de la varianza Kriging (Vk). Desde el
inicio del desarrollo del Kriging la Vk ha sido empleada para determinar los
intervalos de confianza de las estimaciones. Para esto es necesario asumir que
esta se ajusta a un modelo normal o lognormal. Sin embargo, en la práctica es
raro que los errores de estimación se distribuyan normalmente o de forma
lognormal.
Como para el cálculo de la varianza kriging se emplea solamente la

configuración de las muestras en el espacio y no sus valores locales, esta no
debe ser interpretada como una medida de la variabilidad local. Por otra parte
como Vk es calculado a partir del variograma medio del yacimiento no es solo
un índice de la disposición espacial de las muestras sino también caracteriza
las varianzas medias globales permitiendo la discriminación entre las clases de
recursos.
Este enfoque no es reciente y ha sido utilizado a lo largo de muchas décadas,

como se puede constatar en la figura 2.35 que resume las categorías de la
clasificación sugerida por Diehl y David (1982) y Wellmer (1983), basadas en la
cuantificación del error utilizando la desviación estándar Kriging.
Clasificación de recursos/reservas basada en la cuantificación del error a partir

de la desviación estándar Kriging se muestra en la figura 2.35.
Imagen 26. Categorización de reservas segúnlos autores: Diehl & David y Según Wellmer
El método propuesto por Diehl y David (1982) se basa en definir niveles de

confianza y de precisión (error): la precisión se expresa en función de la
desviación estándar kriging y el valor estimado kriging
Precisión = (σk x 100xZ1 - α) / tki
Donde σk es la desviación estándar kriging
GEOESTADÍSTICA 43
tki Valor del bloque estimado por kriging
Z1- α Valor de la variable estandarizada distribuida normalmente con un nivel

de confianza (1- α)
Si fijamos la precisión en 10 % (reservas probadas) entonces podemos

determinar la razón σk / tki que divide las reservas probadas de las probables
10==( σk x100xZ80)/ tki
σk / tki=10/(100 x 1.282)=0.078
Es bueno señalar que no existe consenso internacional sobre los niveles de

confianza y precisión que deben tener las distintas categorías de reservas.
El segundo método para categorizar los recursos se basa en la construcción de

la función de densidad de probabilidades o el histograma de las varianzas
kriging (Annels, 1991). El histograma se examina para detectar evidencias de
poblaciones complejas que pueden representar 3 poblaciones superpuestas
(probable, posible e inferida). Esta situación se refleja en la figura. 2.36.
Imagen 27. Histograma de las varianzas kriging (Vk) segmentado en 3 poblaciones: 1)0-0.0075 –
Reservas probables, 2) 0.0075-0.0135 –Reservas posibles 3)0.0135 –Reservas inferidas (Annels, 1991)
2.2.7.1.3 Método del Error Porcentual de la Estimación de la Media

Según Valente (1982), el error porcentual de la estimación de la media, para un
conjunto de n bloques estimados para un 95 % de probabilidad se puede
calcular por la expresión:
GEOESTADÍSTICA 44
Donde tki y σ2ki son los valores estimados por kriging y la varianza Kriging de
cada uno de los bloques.
La utilización de este error para la clasificación de recursos y reservas fue

recomendado por la ONU a las instituciones internacionales de financiamiento
(Valente, 1982). La tabla 2.1. Representa las 3 categorías de reservas
clasificadas según el error kriging de la media para un nivel de probabilidad del
95 %.
Tabla 1. Clasificación de reservas a partir de la utilización del error kriging de la media.
También existen otros criterios y métodos que no serán abordados en este

trabajo como son la simulación condicional para construir modelos de
incertidumbre, la medida de eficiencia de los bloques (Krige, 1986) y la
desviación estándar de la interpolación (Yamamoto, 1989) entre otros.
3. EVALUACION TECNICA ECONOMICA DE RESERVAS MINERALES A

PARTIR DE LOS RECURSOS ESTIMADOS
3.1 ESTIMACION DE LOS COSTOS

En la etapa de exploración, la evaluación de los proyectos se basa en
estudios y criterios que intentan asociar información geológica y datos de
ingeniería (parámetros técnicos) con estimaciones preliminares de costes e
ingresos (parámetros económicos) para efectuar un análisis preliminar de la
viabilidad técnico económico del proyecto (estudio de pre factibilidad).
En la etapa de construcción, los estudios y criterios a emplear incorporan

datos basados en trabajos de ingeniería de detalle y estimación de costes,
generados con un alto nivel de confianza para una evaluación final del proyecto
como unidad productiva. La figura 3.1 a continuación ilustra la precisión en la
estimación de costos en función del progreso de la ingeniería, tanto en
GEOESTADÍSTICA 45
términos de costos de capital desembolsados como de finalización de trabajos

asociados.
Imagen 28. Estimación de coste y progreso de ingeniería.
Diferentes organismos y tratadistas han propuesto distintas formas de

clasificación de los costos estimados. De acuerdo con Gentry (1979), en el
desarrollo de los proyectos mineros existen 4 etapas básicas de estimación de
costos.
En la tabla 3.1, se recoge un resumen de los 4 tipos básicos de

estimación de costos: lógicamente los valores indicados, pueden variar de
acuerdo con el tipo y objetivo del proyecto en inversión.
Tabla 2. Los 4 tipos básicos de estimación de costos.
En el proceso de estimación de costos es de vital importancia identificar

los principales componentes de los mismos. En este sentido conviene recordar
la denominada ley de Pareto, que establece que, en cualquier distribución
GEOESTADÍSTICA 46
global de conceptos que tiene un efecto variable sobre los costos,

aproximadamente el 20% de los conceptos principales producen el 80% de los
efectos totales sobre dichos costos.
Esto implica que no siempre, por tener identificados muchos

componentes de costos, la precisión de la estimación aumenta, ya que solo
unos pocos son los que tienen una gran influencia.
3.1.1 Métodos de Estimación de Costos

Los métodos de estimación de costos que se emplean están asociados a
las cuatro etapas básicas de desarrollo de un proyecto. El volumen de datos
requeridos en cada método marca el grado de precisión de la estimación,
aunque pueden existir solapes entre los diferentes métodos aplicables.
Los costes que se calculan en los estudios previos son de dos tipos:
costos de capital, o inversiones y costos de operación: la mayoría de los
métodos de estimación se refieren más a los primeros, ya que en los cálculos
de costos de operación más exactos se llevan a cabo después de definirse las
especificaciones del proyecto, a través de diagramas de flujo, esquemas de
producción, listas de equipos, etc.
3.1.1.1 Estimación de Inversiones o Costos de Capital

Las inversiones tienen dos componentes principales: una parte de
capital fijo y otra parte de capital circulante. Los costes de capital fijo se refieren
a los fondos necesarios para la adquisición de terrenos, maquinaria, edificios,
instalaciones, etc. En el caso de un proyecto nuevo, las partidas más
significativas son:
1) Adquisición de terrenos.
2) Estudios e investigaciones.
3) Desarrollo de preproducción (por Ejm. desmonte previo).
4) Estudios ambientales y permisos.
5) Equipos mineros, instalaciones y servicios.
6) Equipos de planta y servicios.
GEOESTADÍSTICA 47
7) Infraestructura (Accesos, comunicaciones, energía eléctrica, agua,

etc.).
8) Diseño e ingeniería.
9) Construcción y montaje.
10) Contingencias o imprevistos.
EL capital circulante representa dinero necesario para comenzar la

operación y asumir las obligaciones subsiguientes durante la puesta en marcha
del proyecto. El capital circulante lo componen las partidas de disponible
(dinero en caja), deudores (cuentas por cobrar), acreedores (cuentas por
pagar) e inventarios. O’Hara (1980) recomienda que el capital circulante sea
equivalente a los costes de operación estimados de cuatro meses, sobre una
base de producción completa.
Un método alternativo al anterior consiste en considerar el circulante

como un porcentaje de los ingresos anuales por ventas. El valor que se maneja
es del orden del 30%.
Otro procedimiento se basa en estimar el capital circulante necesario

como un porcentaje de la inversión capital fijo. Normalmente, oscila entre un
10% y un 20% siendo razonable un valor medio del 15%. Se suele suponer que
el capital circulante se establece al comienzo del proyecto y se recupera al final
de la vida del mismo.
3.1.1.2 Método de la Mesa Redonda .

Es un procedimiento de estimación subjetivo que proporciona un simple
valor y que se basa en la experiencia o en la comparación directa con otros
proyectos similares consiste, generalmente, en reunir a técnicos de diferentes
departamentos involucrados y en torno a una mesa, discutir el costo total del
proyecto.
3.1.1.3 Método de Ajuste Exponencial de la Capacidad .

Este método se conoce, también, como la regla de Williams y se utiliza
en aquellos casos en los que solo se desea obtener un orden de magnitud de
las inversiones, con una precisión tan solo del +- 25%.
GEOESTADÍSTICA 48
La inversión necesaria para un proyecto varía con la capacidad o

tamaño del mismo, de tal forma que puede estimarse con una expresión similar
a la siguiente:
I=K (capacidad)̽
Donde x es el factor exponencial o de economía de escala y K es una

constante. Para relacionar las inversiones inherentes a una capacidad dada
con las que corresponderían a un tamaño mayor, manteniendo el mismo
proceso o tecnología, se define la siguiente ecuación:
I2 = I1. (Capacidad2/Capacidad1)X
El factor más crítico en este método de estimación de valor de X. En los

proyectos de explotación, lo habitual es que se encuentre entre 0.5 y 0.9. (Ver
figura 3.2)
Aunque en el gráfico de la figura 3.3, se ha recurrido a la hipótesis

simplista de establecer una relación lineal entre los logaritmos de las
inversiones y los logaritmos de las capacidades, en la práctica se obtiene un
mejor ajuste con líneas curvas, que se traducen en distintos valores de X para
diferentes intervalos de capacidad.
Las limitaciones de las curvas inversión capacidad deben ser recordadas

por el proyectista a la hora de aplicar este método y se resumen en:
Los datos recopilados para elaborar las curvas deben ser comparables,
es decir, las partidas que incluye cada dato de inversión deben ser semejantes.
Una descomposición del proyecto en un esquema de costes especifico

mejora la precisión de la estimación.
La precisión de la estimación aumenta conforme el cambio relativo de

las capacidades disminuye. De ahí que se aconsejen relaciones que no
excedan de 3 a 1.
GEOESTADÍSTICA 49
Imagen 29. Relación entre inversiones y capacidades, y determinación del factor de economía de escala.
Imagen 30. Valores del factor de economía de escala según distintos intervalos de capacidad.
3.1.1.4 Método del Índice de Coste de Componentes

A nivel de Ingeniería básica es el método más empleado, con un error
del orden del + 15%. Se basa, al igual que los métodos anteriores, en el coste
de los equipos principales y auxiliares.
Las partidas restantes de calculan como un tanto por ciento de dicho

coste y la suma de todas ellas, juntos con el coste de los equipos, constituyen
la inversión total de la instalación. La expresión general es la siguiente:
IT = IE. (1 + Σ(Ki /100)).(1+g)
Dónde:
IT = Coste total de la instalación
IE = Coste total de los equipos principales y auxiliares
GEOESTADÍSTICA 50
Ki = Índice de coste de la partida i expresado en tanto por ciento del

coste del equipo
g = Factor de costes indirectos, tales como imprevistos e ingeniería.
3.1.1.5 Imprevistos
En cualquier estimación de costes existe una serie de elementos que se
valoraran como un porcentaje de la suma de todos los demás componentes,
que se conocen como imprevistos o contingencias, y que son el resultado de
una definición cuantitativa incompleta del contenido del proyecto. La partida de
imprevistos también incluye los posibles errores asociados al procedimiento de
estimación aplicado, así como otro tipo de errores que suelen cometerse en la
preparación de una estimación.
La cuantía de los imprevistos depende obviamente del tipo y precisión

de la estimación. En proyectos mineros, en la etapa de estimaciones
definitivas, los imprevistos permiten hacer frente a posibles variaciones de los
precios de los equipos, omisiones de determinados equipos de pequeña
envergadura, extras, etc. Un valor usado normalmente es el 15 % del coste de
capital total de los equipos. Cuando se poseen ofertas de empresas
suministradoras, ese porcentaje se puede reducirse hasta el 5 %.
3.1.1.6 Ingeniería.
Los gastos en ingeniería deben asignarse a los costes de capital, ya que
corresponden a trabajos relacionados con la selección de equipos, diseño de la
explotación, desarrollo del proyecto, petición y estudio de ofertas, etc.
El coste medio de ingeniería, para proyectos en el sector de la minería,

oscila entre el 10 y el 15% del coste capital del total de equipos.
3.1.2 Costos de Operación

Los costes de operación se definen como aquellos generados de forma
continuada durante el funcionamiento de una operación, pudiéndose subdividir
en tres categorías: costes directos, costes indirectos y costes generales.
En la mayoría de los yacimientos la estimación de los costos de

operación presenta más problemas que la de los costos de capital, debido a la
gran variabilidad de los siguientes factores: Geología del yacimiento, tipo y
número de equipos utilizados, personal involucrado, condiciones ambientales,
GEOESTADÍSTICA 51
localización geográfica, organización empresarial. La forma habitual de

expresar los costos es en unidades monetarias por tonelada de mineral o
producto.
Costos Directos
Los costos directos o variables pueden considerarse como los costos

primarios de una operación y consisten, básicamente, en las aportaciones del
personal, materiales y preparación y desarrollo.
Personal
 De operación y de supervisión de la operación

 De mantenimiento y de supervisión del mantenimiento
 Otras cargas salariales
Materiales
 Repuestos y materiales de reparación

 Materiales para el tratamiento
 Materias primas
 Consumibles (electricidad, agua, etc.)
Costos Indirectos
Los costos indirectos o fijos son gastos que se consideran

independientes de la producción. Este tipo de costos puede variar con el nivel
de producción proyectada, pero no directamente con la producción obtenida.
Los componentes principales son: Personal, Seguros (de propiedad y
responsabilidad), Amortización de la deuda, Interés, Impuestos, Restauración
de terrenos, Gastos de oficina y servicios, Relaciones públicas y publicidad.
A.- Personal
 Administrativo
 Seguridad
 Técnico
 Servicios
 Almacén y talleres
GEOESTADÍSTICA 52
B.- Seguros
 De propiedad y de responsabilidad.
C. Amortización
D. Interés
E. Impuestos
F. Restauración de terrenos
G. Viajes, reuniones, congresos y donaciones
H. Gastos de oficina y servicios
I. Relaciones públicas y publicidad
J. Desarrollo y preparación (Para la totalidad de la explotación).
Costos Generales
Los gastos generales pueden considerarse o no como parte de los

costos de operaciones y aunque algunos corresponden a un determinado
proceso o unidad se contemplan a un nivel corporativo del ciclo completo de
producción. Los costos generales incluyen:
A.- Comercialización
 Vendedores
 Estudios de mercado
 Supervisión, etc.
B.- Administración
 Contabilidad y auditoría
 Gerencia y dirección general
 Contabilidad
 Departamento central de planificación y geología
 Departamentos jurídico y financiero, etc.
Como regla general entre el 40 y el 50 % del costo de operación de una

mina proviene de los costos de salarios. Si los precios del metal aumentan los
GEOESTADÍSTICA 53
costos de operaciones también lo hacen pues se incorporan a la producción las

zonas más pobres del yacimiento. Los costos de operaciones totales se
desglosan en costo de operación de la mina y costo de operación de la planta.
3.1.2.1 Coste de Operación por el Método del Proyecto Similar

Consiste en suponer que el proyecto o proceso de tratamiento objeto de
estudio es semejante a otro ya existente del cual se conocen los costes.
Aunque se disponga de una información detallada, existen

circunstancias y condiciones como la geología local, los equipos de extracción
y tratamiento y la estrategia de la empresa, que hacen que se aparte mucho del
proyecto en estudio. Por ello se utiliza otro sistema que consiste en aprovechar
parte de los datos disponibles, como son los costes de personal, y sumar los
costes totales a partir de las relaciones conocidas entre los diversos
componentes.
Lógicamente para mantener tales relaciones debe existir similitud entre

el grado de mecanización, plantilla de personal, preparación de labores, etc.
3.1.2.2 Método de la Relación Coste – Capacidad

Este método se basa en el empleo de gráficos o formulas en los que se
han correlacionado los costos con las capacidades de producción de diferentes
explotaciones. Esencialmente, es el mismo método que se utiliza en la
estimación de los costes de capital.
La base estadística de la que se parte, si no es homogénea, amplia y

fiable, puede dar lugar a la introducción de errores con este procedimiento de
estimación. Los datos que han servido para la obtención de tales relaciones
deben estar referidos a un método de explotación específico y, particularmente,
con condiciones geográficas y geologías muy semejantes.
La extrapolación de los costes a partir de los correspondientes a una

capacidad de producción conocida se efectúa con fórmulas iguales a los costes
de capital.
(CO1/CO2) = (P1/P2)X
Donde: CO1 = Coste de operación de la explotación 1
CO2 = Coste de operación de la explotación 2
GEOESTADÍSTICA 54
P1 = Capacidad de producción del proyecto 1
P2 = Capacidad de producción del proyecto 2
X = Factor de economías de escala.
Sin embargo, la variación de los costes de operación es más compleja

que la de los costes de capital y requiere una descomposición de los mismos.
3.1.2.3 Método de los Componentes del Coste.

Cuando el proyecto ha progresado hasta el punto en que se conocen la
plantilla de personal, las dimensiones de las obras de infraestructura, los
consumos de materiales, los equipos necesarios, etc. Es posible desarrollar un
sistema de estimación de costes basado en los gastos unitarios o elementales.
Estos costes elementales pueden utilizarse como tales o bien

expresarse como un porcentaje de otros costes de mayor entidad. Algunos
ejemplos son los siguientes:
 Reparaciones y mantenimiento: 2 – 5 % del coste de capital de

los equipos.
 Gastos generales y administración: 2 – 3 % de los ingresos por
ventas.
 Seguros: 2 – 3 % de la inversión en equipos.
 Impuestos: 2 – 3 % de los costes de capital de los equipos.
 Indirectos: 10 – 30 % del personal directo más materiales.
 Cargas salariales: 30 – 50 % de los costes directos personales.
3.1.3 Reglas Generales para la Estimación de los Costos

Para una estimación rápida del potencial económico de un proyecto
minero, en condiciones normales las siguientes reglas pueden aplicarse: Los
costos de operaciones deben cubrirse con la mitad del metal pagable. La otra
mitad es suficiente para cubrir los impuestos, la inversión capital y un margen
de beneficio adecuado.
Estudios realizados a nivel mundial en yacimientos económicos de Au

muestran que la ley de corte (ley que provoca que los beneficios sean nulos) es
aproximadamente la mitad de la ley media del yacimiento. Si por ejemplo en
cierta región los datos de distintas minas indican que el Cut-off empleado es de
GEOESTADÍSTICA 55
5 g/t entonces un nuevo yacimiento que se evalúe y que posea una ley media
de 9-11 g/t es muy probable que sea económico y el proyecto debe continuar.
En caso de que la ley media este entre 6-7 g/t entonces el yacimiento es
probablemente marginal.
3.2 ESTIMACIÓN DE LA LEY DE CORTE CRÍTICA, PARA EL

DISEÑO DE UNA EXPLOTACIÓN A CIELO ABIERTO.
Imagen 31. Mina a cielo Abierto Carles Este-Valle de Boinas, España
La definición de los límites económicos de explotación de un rajo, se

basará en un modelo económico de beneficio nulo al extraer la última
expansión marginal. Esquemáticamente lo podemos ver en la siguiente figura
3.5:
GEOESTADÍSTICA 56
Imagen 32. Definición económica a partir de bloques económicos estimados
B=I–C
B: Beneficio neto esperado de la última expansión marginal
I: Ingresos por venta del producto
C: Costos para obtener el producto
Sabemos que la extracción de M1 nos ha reportado beneficios mayores

que cero, la pregunta es: ¿La extracción de M2 nos reportará un beneficio
mayor que cero? Si así fuese significaría que M2 por sí solo permite la
extracción de su estéril asociado E2, así como M1 logró pagar los costos
asociados a la extracción de E1. El asunto ahora es evaluar si vale la pena
extraer la lonja adicional o la que llamamos la última expansión marginal.
Teniendo en cuenta lo anterior y recurriendo al formulismo se tiene que:
Debemos comprobar ahora si es conveniente realizar o no la expansión

marginal, entonces sí:
GEOESTADÍSTICA 57
Este modelo permitirá obtener las líneas finales de nuestro rajo en una
zona tal que el estéril es pagado única y exclusivamente por el mineral sin que
se produzcan pérdidas ni ganancias, en función de las variables y costos
estimados para la futura explotación.
Bajo el concepto de Beneficio nulo (o que el ingreso que se perciba al

explotar un cierto tonelaje de mineral sea igual al costo asociado a ello), el
balance para una tonelada de mineral (UT) que se encuentre expuesta, es
decir sin estéril asociado, es el siguiente:
Ingresos por Venta = Costos de obtención
UT * CEI * R * P = UT * CM + UT * CP + UT * (CEI * R * CR)
CEI * R * (P - CR) = CM + CP
CEI : Contenido de la Especie de interés en el mineral (o Ley en

unidades convenientes).
R : Recuperación Total Metalúrgica.
P : Precio de venta de la unidad de la especie de interés.
CR : Costo de Refinería.
CM : Costo de Extracción del mineral en la Mina.
CP : Costo Proceso del mineral.
Esta expresión da origen a la siguiente fórmula para la determinación de

la ley de corte crítica:
Ley de Corte Crítica = (CM + CP) / (RM x (P - FyR))
GEOESTADÍSTICA 58
Debemos tomar en cuenta que tanto el costo mina como el costo planta
varían durante la vida de la explotación, ya que la distancia de transporte tanto
para el mineral como para el estéril son variables y el tratamiento del mineral
en la planta varía dependiendo de las características del mineral que es
alimentado, las cuales pueden variar dependiendo de la profundidad en la cual
nos encontremos explotando, por lo que en ambos casos se debe ocupar la
mejor estimación posible en función del criterio y experiencia del encargado de
realizar el diseño del rajo.
La expresión inicial para la Ley de Corte Crítica puede expresarse de la

siguiente manera al incluir las unidades y en el costo mina considerar el costo
de capital:
Ley de Corte (%) = ((CM + CC) + CP) x 100 / (2204.6 x RM/100 x (P -

FyR))
En esta expresión se considerarán como Costos de CATEGORÍA I, a los

costos en US$/Ton de material movido relacionados con la extracción del
mineral, es decir los costos Mina, que incluyen los siguientes procesos:
* Como Costos Directos (CM):
 Perforación.
 Tronadura.
 Carguío.
 Transporte.
 Servicios de apoyo Mina.
 Administración.
* Además se maneja como un Costo a la Depreciación (CC).
La suma de estos valores CM + CC conforma la CATEGORÍA I.
Se considera como costos de CATEGORÍA II, los relacionados con el

proceso del mineral (CP) y se expresa en unidades de US$/Ton de Mineral
tratado. Además se incluyen costos administrativos (en las mismas unidades).
Cabe notar que la depreciación de las instalaciones de la planta está incluida
dentro del costo de proceso.
GEOESTADÍSTICA 59
Se considera como Costos de CATEGORÍA III, los relacionados con la

venta del producto (FyR), en el cual se incluyen el transporte, seguros, créditos,
refinería, etc. y se expresa en unidades de US$/lb Cu.
De este modo podemos resumir la expresión de Ley de Corte Crítica

como:
La sensibilidad del valor obtenido dependerá directamente de la

variabilidad del mercado (precio del metal de interés y en cierta medida el
precio de los insumos), ya que en cuanto a costos por lo general se cuenta con
una estructura definida por la experiencia en otras explotaciones y las
estadísticas mineras (considerando cierta estabilidad en el precio de los
insumos y recursos), y acerca de la recuperación metalúrgica podemos decir
que es muy poco variable por ser un producto de estudios definidos.
Para el caso de un mismo modelo de costos y condiciones metalúrgicas

se obtienen los siguientes resultados para distintos precios del metal (ver tabla
3.2):
GEOESTADÍSTICA 60
Tabla 3. Variación de la ley de acorde al precio
Para cada uno de estos precios se considerará como reserva explotable

o Mineral todo aquel material que tenga una ley igual o superior al de la ley de
corte crítica correspondiente, por lo cual se tiene que a un mejor precio se hace
rentable o beneficioso la extracción y procesamiento de una mayor cantidad de
reservas. Esto tiene directa relación con la vida útil de la mina.
Esta variación se traduce en una variación de los recursos explotables

por el proyecto, por lo que resulta muy importante la estimación del modelo
económico para el diseño de una explotación a rajo abierto, por la notable
sensibilidad del recurso ante la variación del precio del producto.
Debemos considerar que aún no tenemos la información referente al tipo

de yacimiento y a la distribución de las leyes en él, por lo que es necesario
realizar un inventario de reservas, el cual nos permitirá definir el grado de
sensibilidad del diseño en función de los indicadores económicos del modelo.
GEOESTADÍSTICA 61
Este inventario de reservas da origen a las curvas de Tonelaje v/s Ley

(de corte y media) y la variación de recursos explotables se puede determinar
del análisis de dichas curvas, las que se describen a continuación.
3.3 OPTIMIZACION ECONOMICA DE LAS EXPLOTACIONES DE

YACIMIENTOS MINERALES.
El notable incremento que han sufrido todos los costes asociados al
desarrollo de una explotación minera (maquinaria, salarios, etc.) junto con la
explotación de yacimientos que poseen cada vez leyes más bajas, han hecho
que el diseño final de la explotación, en este caso a cielo abierto, tenga que
llevarse a cabo con criterios económicos desde el inicio, de tal modo que dicho
diseño no comprometa, en ningún caso la futura viabilidad económica de la
explotación. Esta filosofía de trabajo ha permitido desarrollar, en las últimas
décadas, diferentes algoritmos que tienen como objetivo optimizar la
explotación, es decir, buscar un diseño que a grandes rasgos, permita obtener
el máximo beneficio de la mina. Como se verá en este trabajo al aplicar el
algoritmo del cono flotante con el software RecMin.
Para calcular las reservas en minería superficial para el siguiente caso

de nuestro trabajo, es necesario realizar el diseño de la mina a tajo abierto, el
diseño se sustenta en lograr identificar los bloques estimados con ley superior
a la ley de corte (Cut off) y al mismo tiempo su extracción pague el estéril o
desmonte que se encuentra sobre ellos.
Entre las consideraciones más importantes que se deben tener en

cuenta en el diseño de una mina, a cielo abierto, se presentan los siguientes:
 Modelo de bloques con valore de ley de certeza de la estimación

de bloques de mineral.
 Recursos clasificados en medidos, indicados e inferidos.
 Modelo topográfico del terreno, en una extensión suficiente, para
la extensión de los taludes del tajo.
GEOESTADÍSTICA 62
 Altura del banco de explotación y gradiente de los taludes en

direcciones
 Recuperación metalúrgica, costos de mina y de planta, precio de
los metales a explotar.
Y finalmente con esta información se procede a calcular el diseño óptimo

del tajo usando un algoritmo de explotación en este caso el Cono flotante que
es con el que cuenta el software minero propuesto en este trabajo de tesis.
El diseño óptimo resultara único, por ser una función matemática, sin
embargo constituirá un diseño por lo general no aplicable en 100%, debido a
que muchas veces presenta contornos no compatibles con los parámetros
técnicos de minado. Para ello es necesario introducir ajustes en el diseño
aplicando criterios operativos, si bien estos ajustes alejaran en un pequeño
porcentaje el diseño optimo matemático, estaremos logrando un óptimo técnico
operativo para el proceso de producción.
Una vez obtenido el diseño optimo técnico de la mina en este caso a

cielo abierto, se procede a calcular el tonelaje de mineral que se encuentra en
su interior.
El mineral contenido dentro del PIT es calificado como reservas.

Aquellos recursos que fueron calificados como “recursos medidos” dentro del
diseño de PIT son considerados “reservas probadas” y aquellos que fueron
calificados como “recursos indicados” y se encuentran también dentro reciben
el calificativo de “reservas probables”. Los recursos inferidos ya no son
tomados en cuenta según el código JORC.
3.3.1 Definición de las Leyes de los Bloques
La estimación de las leyes a asignar a cada bloque se puede llevar a

cabo por cualquiera de los métodos descritos anteriormente: Métodos clásicos
(polígonos), por el inverso de la distancia o métodos geoestadísticos. Una vez
establecido el método que mejor se adapte al yacimiento en cuestión, se tendrá
definido todo el conjunto de bloques con sus leyes correspondientes.
3.3.2 Definición del Valor Económico de los Bloques.
GEOESTADÍSTICA 63
Conocidas la Leyes para los diferentes bloques, se calcula el valor para

cada uno de ellos, con lo que, a cada bloque, se le asigna un valor (expresado,
por ejemplo, en dólares) a partir del cual se establece la optimización de la
explotación. Así pues, el problema del diseño de la corta se convierte en
encontrar aquel conjunto de bloques que den el máximo valor posible, conjunto
por supuesto, sujeto a las restricciones mineras que puntualmente puedan
aparecer.
Desde el punto de vista económico, cada bloque se puede caracterizar

por los siguientes parámetros:
a) Valor de la mineralización presente en el bloque (I)
b) Costes directos que pueden atribuirse directamente a cada bloque

(CD), sondeos, arranque, transporte, tratamiento, etc.
c) Costes indirectos que no se pueden asignar a los bloques individuales

(CI) y que además, son función del tiempo: salarios, amortización del valor de
la maquinaria, etc.
El valor económico del bloque vendrá dado por:
VEB = I – CD
Es necesario recordar que el valor económico del bloque no es lo mismo

que le beneficio pérdida, que vendrá definido por:
Beneficio (perdida) = Σ (VEB) – CI
El objetivo de la optimización del diseño de la explotación será

maximizar el valor de la ΣVEB.
No obstante, existen numerosos criterios a la hora de optimizar,

pudiéndose citar:
1. Maximizar el valor total de la explotación
2. Maximizar el valor por tonelada de producto vendible.
3. Maximizar la vida de la mina.
4. Maximizar el contenido en metal dentro de la explotación
GEOESTADÍSTICA 64
El primer criterio, la maximización del valor total de la explotación (la

maximización del ΣVEB) es, con mucho el más utilizado a la hora de realizar la
optimización económica de la explotación a cielo abierto, por lo que los
diferentes métodos que se citan a continuación se centran en El.
3.3.3 Tipos de Algoritmos
Los diferentes algoritmos existentes para llevar a cabo la optimización se

pueden agrupar en dos categorías (Annels 1991):
Heurísticos
La experiencia demuestra que funcionan satisfactoriamente, aunque no

poseen una rigurosa demostración matemática que permitan asegurar su
validez, es el caso del método del cono flotante.
Rigurosos
Aquellos cuya optimización tiene una completa demostración

matemática. El más característico y conocido es el método Lerchs Grossmman.
En tal caso solo describiremos el primero para fines de entendimiento y

dada la limitación del programa o software propuesto el cual solo por el
momento cuenta con el algoritmo del cono flotante.
3.3.4 Descripción Conceptual del Algoritmo del Cono Móvil

Optimizante
La teoría de los conos flotantes para determinar los límites económicos

del Rajo, data de los años 60. La técnica consiste en una rutina que pregunta
por la conveniencia de extraer un bloque y su respectiva sobrecarga. Para esto
el algoritmo tradicional se posiciona sobre cada bloque de valor económico
positivo del modelo de bloques y genera un cono invertido (ver figura 3.6),
donde la superficie lateral del cono representa el ángulo de talud. Si el
beneficio neto del cono es mayor o igual que un beneficio deseado dicho cono
se extrae, de lo contrario se deja en su lugar.
Se parte de una matriz de bloques en la que las leyes de bloques, como

se ha comentado anteriormente, se han calculado por los métodos oportunos
(Krigeaje o inverso de la distancia). A continuación se establece una ley mínima
GEOESTADÍSTICA 65
de explotación y, dado un ángulo determinado para la pendiente de la corta

(45) se coloca el cono en el primer en el primer bloque económico (> ley
mínima de explotación) que existe en la matriz de bloques, empezando por
arriba y la izquierda (ver figura 3.7) La viabilidad económica de cono se calcula
utilizando la fórmula:
B = (Pr X RM X G X NB – (Mm + P) X NB – (Me X NE)) X VB X DA
Dónde:
B = Beneficio
Pr = Precio de venta de metal
RM = Recuperación metalúrgica
G = Ley media
NB = Numero de bloques con G como ley media
Mm = Coste de extraer y transportar cada tonelada de mineralización.
P = Coste de procesar cada tonelada de mineralización.
Me = Coste de extraer y transportar cada tonelada de estériles.
NE = Numero de bloques estériles
VB = Volumen del bloque.
DA = Densidad aparente.
Imagen 33. Representación del Cono flotante teniendo en cuenta el ángulo de talud
GEOESTADÍSTICA 66
Imagen 34. Representación de la dinámica del cono flotante en el modelo de bloques
Imagen 35. Diagrama de flujo del algoritmo del cono flotante
En el siguiente esquema (figura 3.9) se presenta un perfil de un modelo

de bloques sometido al algoritmo del cono móvil optimizante, donde cada
bloque está definido por un valor económico, es decir lo que significa
económicamente su extracción. Es así que los bloques con valor negativo
representan a los bloques de estéril con su costo de extracción asociado (-10) y
los bloques de mineral son representados por el beneficio global que reporta su
extracción.
GEOESTADÍSTICA 67
Imagen 36. Perfil de bloques. Se puede apreciar un bloque económico con valor de 800 unidades
monetarias y el resto con una pérdida de 10 unidades monetarias
(Beneficio Global = Ingresos - Costos = 810 - 10 = 800). Ver figura 3.10.
Imagen 37. Representación gráfica de la extracción de bloques que arrojan una rentabilidad a partir del
algoritmo del cono flotante.
En el ejemplo anterior (figura 3.11) podemos observar que el extraer el

bloque de valor positivo (+800) y sus 15 bloques de estéril asociado (-10 cada
uno), genera un beneficio final de +650, correspondiente al beneficio de extraer
dicho bloque con su sobre carga asociada.
3.3.4.1 Bondades del Cono Móvil Optimizante

El cono móvil optimizante tiene esa denominación ya que es una versión
mejorada de la tradicional rutina del cono flotante. El creador fue el ingeniero
GEOESTADÍSTICA 68
Marc Lemieux, quién detectó una serie de deficiencias y mermas económicas

producidas por el método convencional de conos flotantes y en 1979 publicó el
artículo “Moving Cone Optimizing Algorythm”, en Computer Methods for the
80’s in the Mineral Industry, de A. Weiss. El nuevo algoritmo fue probado en
Climax Molybdenum Co. y como resultado se obtuvo diseños muy superiores
en el aspecto económico, que aquellos obtenidos con el algoritmo
convencional.
Las principales mejoras de la rutina del cono móvil optimizante con

respecto al método tradicional fueron:
3.3.4.2 Secuencias de Extracción de Conos:

Esta radica en la secuencia con que son analizados los bloques del
modelo.
Figura 3.12: Representación gráfica de la extracción de bloques que

arrojan una rentabilidad a partir del algoritmo del cono flotante.
En la figura se puede apreciar el beneficio que reporta la extracción de

cada bloque. Los bloques con beneficio positivo ya se les ha descontado lo que
cuesta extraer dicho bloque o costo mina (-10).
Si el primer cono se construye en el bloque (1) y suponiendo un ángulo

de talud , entonces dicho bloque no puede ser extraído (Beneficio = -10). Al no
ser factible la extracción del bloque (1), el segundo cono se construye en el
bloque (2), donde el beneficio neto del cono es de +10, siendo en
consecuencia ventajosa su extracción.
Quedando la figura 3.13 de la siguiente forma:
GEOESTADÍSTICA 69
Continuando con la secuencia, el tercer cono se construye en el bloque

(3), resultando un beneficio de +30.
De este análisis se concluye que los tres bloques con valor económico
mayor que cero son extraídos con un beneficio económico de +40, sin embargo
un correcto análisis debiera obtener un PIT con valor de +60, dejando en su
lugar el bloque (3) con su respectiva sobrecarga, como podemos ver en la
figura siguiente:
De lo anterior se desprende que la incorrecta secuencia con que se

analizan los conos, produce pérdidas económicas cuya magnitud, obviamente,
depende de la complejidad de la mineralización, de la variabilidad de las leyes,
etc.
El problema antes descrito es resuelto por el nuevo algoritmo

introduciendo el concepto del “cono negativo”, algoritmo que consiste en
extraer todos los bloques con beneficio positivo, para posteriormente
devolverlos al rajo con su respectiva sobrecarga y así analizar la conveniencia
de extraerlos o bien eliminarlos. En el ejemplo presentado anteriormente, se
aprecia que al devolver el bloque (3) con su respectiva sobrecarga, se produce
GEOESTADÍSTICA 70
un beneficio económico pues se libera un valor de +20, esto indica que dicho
bloque al no extraerse en su condición más favorable debe ser eliminado del
análisis.
En la práctica la técnica del cono negativo presenta deficiencias

similares a las obtenidas mediante lo que se podría llamar el cono positivo, sin
embargo un análisis simultáneo de ambas técnicas (cono positivo y negativo)
produce resultados satisfactorios. Esta simultaneidad es la que se realiza en la
etapa 1 del algoritmo de Lemieux.
3.3.4.3 Conos con Sobrecarga Relacionada

Este es el principal aporte del método del cono móvil optimizante,
consiste en analizar conos que tengan sobrecarga compartida, por ejemplo:
Los bloques (1) y (2) tienen un beneficio de +70 (incluido el costo mina).
Al analizar conos individualmente, se aprecia que no es conveniente la
extracción de dichos bloques, pues cada caso el beneficio neto del cono es -10.
No obstante si se analiza en su conjunto se ve que es ventajosa su

extracción, pues esta trae consigo un beneficio de +40.
GEOESTADÍSTICA 71
3.4 CURVAS TONELAJE v/s LEY.
Teniendo los datos de las reservas del yacimiento se puede obtener una
curva de Tonelaje v/s la Ley de corte y la Ley media. Esto se logra a través del
inventariado de reservas del yacimiento que se encuentran bajo una ley de
corte determinada y calculando la ley media de todos los recursos cuya ley es
superior o igual a la ley de corte determinada obteniéndose dos curvas en un
mismo gráfico (ver figura 3.15).
Imagen 41. En este gráfico se puede apreciar que para una ley de corte de 0.3 % de Cu existen
Aproximadamente 5.500.000.000 toneladas de mineral con una ley media de 0.4 % de Cu.
El mismo tratamiento se tendrá que realizar una vez definido el PIT final
y las fases de explotación, por lo que teniendo los límites de cada fase se
obtendrán las curvas correspondientes a las reservas mineras involucradas.
De la vista anteriormente, considerando una alimentación a planta de

80.000 toneladas al día (360 días al año), con un 90 % de recuperación
GEOESTADÍSTICA 72
metalúrgica y junto con la curva tonelaje v/s ley obtenidas, se puede observar
la variación de los recursos explotables (minables) como se ilustra en los
siguientes ejemplos (figura 3.16 - 3.17 y tabla 3.3 - 3.4):
Tabla 4. Variación de los ingresos de acuerdo a la variación de precios.
GEOESTADÍSTICA 73
Como podemos observar la forma de la curva tonelaje v/s ley nos

determina la sensibilidad de nuestro yacimiento respecto a la variación de la ley
de corte, ya que su pendiente determina la cantidad de recursos que quedan
fuera de la explotación al producirse una variación de la ley de corte.
El ejemplo anterior ilustra los cambios que pueden surgir en el diseño y

explotación de un rajo frente a las variaciones del modelo económico. En este
ejemplo no se incluye la tasa de descuento, la cual haría que los valores finales
de los ingresos sean menores en función del tiempo que tome la explotación
del yacimiento.
GEOESTADÍSTICA 74
3.5 FACTORES TÉCNICOS ECONÓMICOS PARA EL DISEÑO DE UN PIT

En la actualidad, más del 70% de la producción de minerales procede de
explotaciones a cielo abierto, las ventajas que ofrece la minería de superficie,
frente a la subterránea son numerosas, siendo de destacar las siguientes:
 Alta productividad.
 Mayor concentración de operaciones y gestión más sencilla de
recursos humanos y materiales.
 Mayor producción por explotación.
 Menor inversión por tonelada producida.
 Menores costos de operación por tonelada extraída.
 Posibilidad de explotar con ratios de desmontes altos y
yacimientos de baja ley.
 Mejor conocimiento geológico del yacimiento.
 Menor limitación en el tamaño y peso de las máquinas.
 Operaciones auxiliares y de mantenimiento más sencillas.
 Mayor recuperación de mineral y menor dilución.
 Mayor volumen de reservas disponibles para su explotación.
Una vez localizado el yacimiento y efectuada la correspondiente

modelización, apoyándose en los datos de la etapa de investigación, se
procede a su evaluación. Dicha evaluación comprende, generalmente dos
etapas: una primera que consiste en la definición de la morfología de las
mineralizaciones y de los contenidos de cada una de ellas y una segunda en la
que se estiman, con criterios técnicos y económicos, la cantidad de reservas
recuperables y su valor actual y futuro con vistas a estudiar la rentabilidad de
su extracción y comercialización.
En la primera etapa se crea el modelo geológico del yacimiento y, en la

segunda, el modelo económico del mismo. Es con este último, con el que se
efectúa el diseño del hueco minero, fijando una serie de criterios o parámetros
para, finalmente, evaluar las reservas explotables y sus calidades.
3.5.1 Criterios para el Diseño del Hueco Final de Explotación

En el momento de proyectar una mina a cielo abierto se deben tener en
cuenta cuatro grupos de parámetros.
GEOESTADÍSTICA 75
Geométricos
Función de la estructura y morfología del yacimiento, pendiente del

terreno, límites de propiedad, etc.
Geotécnicos
Dependientes de los ángulos máximos estables de los taludes en cada

uno de los dominios estructurales en que se halla dividido el yacimiento.
Operativos
Dimensiones necesarias para que la maquinaria empleada trabaje en

condiciones adecuadas de eficiencia y seguridad: alturas de banco, anchuras
de berma, anchuras de fondo, etc.
Medioambientales
Aquellos que permiten la ocultación a las vistas de los huecos o

escombreras, faciliten la restauración de los terrenos o la reducción de ciertos
impactos ambientales.
A continuación se definen los principales parámetros geométricos que

configuran el diseño de una explotación a cielo abierto.
3.5.1.1 Geometría de la Excavación

Debido a que la excavación realizada se lleva a cabo en un medio
rocoso, se está produciendo un desequilibrio en el sistema, por la cual es
deseable una excavación circular elíptica debido a que los esfuerzos de
tracción y compresión que aparecen tienden a ser nulos o a contrarrestarse
uno con otros.
3.5.1.1.1 Ángulos de Talud en Explotaciones a Cielo Abierto

La estabilidad de los taludes en una explotación a cielo abierto tiene una
importancia fundamental en lo que se refiere a la seguridad y rentabilidad de la
misma, debiéndose considerar en las etapas iniciales del proyecto. Los factores
más importantes que afectan la seguridad de las operaciones son las
siguientes:
 Caída o deslizamiento de materiales sueltos

 Colapso parcial de un banco
GEOESTADÍSTICA 76
 Colapso general del talud de la excavación
En minería a cielo abierto, en general, el ángulo medio de los taludes

usados en la excavación debe ser el máximo posible dentro de las condiciones
de estabilidad y durante toda la vida proyectada de la mina.
Al aumentar el ángulo de talud se disminuye la cantidad de estéril a

remover para la extracción de la misma cantidad de mineral, e incluso se
podría acceder a la extracción de otras reservas minerales las que antes no era
posible extraer. Esto genera un aumento en los beneficios económicos de la
explotación. Ahora bien, este incremento del ángulo de talud solamente será
viable en el caso que las condiciones geo-mecánicas lo permitan.
Puede darse el caso contrario, que debido a nueva información

geomecánica sea necesario bajar el ángulo de talud, generándose una mayor
cantidad de estéril a remover y una menor cantidad de mineral a extraer (ver
figura 3.18).
Imagen 44. Variación del tonelaje extraído al variar el ángulo de talud.
En resumen, los efectos del cambio en el ángulo de talud, se ven

claramente reflejados en la relación Estéril - Mineral de la explotación, y puede
significar la no viabilidad del proyecto, por lo que la información relacionada con
nuestro ángulo de talud debe ser lo más confiable posible.
No necesariamente tendrá que existir un ángulo de talud único, sino que

dependiendo de las rocas presentes, estructuras, orientaciones, etc., podrá
existir más de un ángulo de talud óptimo en distintos sectores de la mina (ver
figura 3.19).
GEOESTADÍSTICA 77
Imagen 45. Representación gráfica de los diferentes ángulos de talud que implica el diseño de un PIT
Al efectuar el diseño más preliminar de una explotación, es habitual

utilizar un ángulo medio de talud de 45 grados, que posteriormente se ajustara
con el conocimiento geotécnico de los diferentes dominios estructurales
afectados por el hueco proyectado (ver figura 3.20).
Imagen 46. Parámetros a tener en cuenta en el diseño de un PIT
Figura 3.20: Parámetros a tener en cuenta en el diseño de un PIT
No obstante, es conveniente contemplar, desde el principio, un ángulo

mucho más tendido para el material superficial o suelos de recubrimiento, por
ejemplo de 30 – 40 grados, incrementándose, al pasar a la roca alterada, a 35
– 40 grados y en la roca sana hasta 55 grados.
También en la fase más previa se deberá tener en cuenta la profundidad

máxima alcanzable, pues, de acuerdo con Roberts et al. (1972), el talud final no
GEOESTADÍSTICA 78
deberá superar los 60 grados para profundidades de unos 65 metros y los 40

grados para profundidades de unos 300 metros.
3.5.1.1.2 Altura de Banco.

La altura de banco es la distancia vertical entre cada uno de los niveles
horizontales del rajo. A menos que las condiciones geológicas especifiquen lo
contrario, todos los bancos deben tener la misma altura. Esta dependerá de las
características físicas del depósito; el grado de selectividad requerida en la
separación de minera y lastre con el equipo de carguío; el índice de
producción; el tamaño y el tipo de equipamiento para lograr los requerimientos
de producción; y las condiciones climáticas. La altura de los bancos es igual a
la altura del modelo de bloque o en su efecto a un múltiplo de este.
La altura de banco debe fijarse lo más alto que sea posible, dentro de los
límites del tamaño y tipo de equipamiento seleccionado para la producción
deseada. El banco no debe presentar una altura tal que implique problemas de
seguridad por caída de bancos de material tronado y sin tronar o de placas
congeladas en invierno. La altura del banco en las minas rajo abierto oscila,
normalmente, entre los 10 - 15 metros en las grandes minas de cobre e,
incluso, 1 metro en otros yacimientos como los de uranio.
La altura de banco tiene importancia la disposición estructural o

morfológica del yacimiento, el control de la dilución durante la extracción, el
alcance de los equipos, etc.
La selección de alturas de banco grandes, presenta las siguientes

ventajas:
 Mayor rendimiento de la perforación, al reducirse los tiempos

muertos de cambio por cambio de tajo, así como por
desplazamientos del equipo dentro del mismo.
 Menor número de bancos y, por tanto, mayor concentración y
eficiencia de la maquinaria.
 Infraestructura de accesos más económica por número de
bancos.
Por el contrario. Las ventajas de alturas pequeñas son las siguientes:
GEOESTADÍSTICA 79
 Mejores condiciones de seguridad para el personal y maquinaria

pues el alcance de las máquinas de carga permiten un mejor
saneo y limpieza de los frentes cuando es necesario.
 El control de las desviaciones de los barrenos es más efectivo
para perforadoras de martillo en cabeza.
 Mayor control sobre la fragmentación de la roca en la tronadura.
 Mayor rapidez en la ejecución de rampas de acceso entre bancos.
 Menores niveles de vibraciones y onda aérea, al ser las cargas
operantes más pequeñas.
 Mejores condiciones para la restauración y tratamiento de los
taludes finales.
La selección de la altura óptima es el resultado de un análisis técnico

económico apoyado en estudios geológicos y geotécnicos que incluyen el
aspecto de seguridad de las operaciones, así como los estudios de
recuperación de los terrenos afectados por las actividades mineras cuando se
llega a la situación final.
3.5.1.1.3 Ancho de los Bancos

Toda mina a cielo abierto requiere vías de acceso y de salida para
camiones, transito de palas a distintos frentes de extracción en general para el
desplazamiento de vehículos menores.
El ancho de Banco queda definido por los siguientes factores:

Comportamiento del parámetro quebradura, técnicas de tronaduras
amortiguada empleadas y normas de seguridad impuestas en la mina (vías de
doble tránsito y ancho de berma y derrame).
Se define como anchura mínima de banco de trabajo la suma de los

espacios necesarios para el movimiento de la maquinaria que trabaja
simultáneamente. Siempre es necesario considerar una distancia de seguridad
del orden de los 5 metros hasta el borde del banco (ver figura 3.21).
GEOESTADÍSTICA 80
Imagen 47. Espacio de berma de banco para que pueda operar la maquinaria
3.5.1.1.4 Las Bermas

Las bermas se utilizan como áreas de protección, al detener y almacenar
los materiales que puedan desprenderse de los frentes de los bancos
superiores, y también como plataformas de acceso o, incluso transporte, en el
talud de excavación.
La altura o separación entre bermas, así como su anchura son función

de las características geotécnicas del macizo de explotación que
conjuntamente con el resto de los parámetros que intervienen en el diseño de
la mina conducen a la obtención de un factor de seguridad que garantice la
estabilidad del talud general y seguridad de los trabajos. En el caso que una
berma se utilice para la circulación de su anchura debe cumplir con lo
establecido para las pistas (ver tabla 3.4).
GEOESTADÍSTICA 81
Imagen 48. Dimensiones de Diseño de banco, berma y banquetas de PIT.
Cuando en las explotaciones se produzcan, con frecuencia,

desprendimientos de los taludes y sea necesario trabajar en los niveles
inferiores, o cuando se vayan a abandonar las minas, pueden construirse
banquetas de material suelto a modo de cordones o muros para la protección
en las propias bermas y para que retengan el material caído una cierta altura
(ver figura 3.22).
Tabla 5. Dimensiones recomendadas para la construcción de bermas y banquetas.
3.5.2 Diseño de PIT Final

Como paso para la planificación de la explotación, se deben determinar
los límites del rajo abierto. Los límites permiten definir la cantidad de mineral
explotable, el contenido de metal y la cantidad de lastre involucrada que se
tiene que mover durante el transcurso de la operación. El tamaño, la geometría
y la ubicación del PIT final son importantes, en la planificación de áreas de
tranques de relaves, botaderos, caminos de acceso, plantas de concentración y
todas las demás instalaciones de superficie. El conocimiento que se obtiene a
partir del diseño del PIT final sirve, además, para guiar futuros trabajos de
exploración.
GEOESTADÍSTICA 82
En el diseño del PIT final, el ingeniero asignara valores a los parámetros

físicos y económicos descritos en la sección anterior. El límite de PIT final
representara el lindero máximo de todo el material que cumple con estos
criterios. El material contenido en el rajo cumplirá dos objetivos.
1. No se deberá explotar un bloque a menos que este pueda solventar

todos los costos relacionados con su explotación.
2. Para la conservación de los recursos, se incluirán en el rajo todos los

bloques que cumplan con este primer objetivo.
El resultado de estos objetivos es el diseño que permitirá maximizar la

utilidad total del rajo, sobre la base de los parámetros físicos y económicos
empleados. A medida que estos parámetros vayan cambiando en el futuro,
también lo hará el diseño del rajo. Dado que los valores de los parámetros no
son conocidos únicamente al momento del diseño, el ingeniero podría diseñar
el rajo para un rango de valores, a fin de determinar los factores más
importantes y su efecto en el límite de PIT final.
4. TEORIA INFORMATICA APLICADA A LA MINERIA
4.1 MÉTODOS DE EVALUACIÓN Y ESTIMACIÓN DE RECURSOS

ASISTIDOS POR COMPUTADORAS.
Los métodos de estimación de recursos asistido por computadoras se
han desarrollado ampliamente en los últimos años debido al desarrollo
vertiginoso que han tenido los ordenadores y los software de aplicación. Los
primeros intentos estuvieron dirigidos a informatizar los métodos clásicos o
geométricos (método de los polígonos y de los perfiles) posteriormente con el
desarrollo de la geoestadística aparecieron métodos más potentes y con una
filosofía totalmente diferente de trabajo.
Los métodos asistidos por computadoras permiten realizar estimaciones

en bloques más pequeños (estimación bloque a bloque, que idealmente deben
ser del tamaño de la unidad de selección minera) definidos en función del
objetivo de la estimación y la densidad de la red de exploración. En esto radica
precisamente la diferencia con los métodos clásicos o geométricos los cuales,
como se conoce, definen el tamaño del bloque sobre la base de conceptos de
GEOESTADÍSTICA 83
área o volumen de influencia que comúnmente son determinados

empíricamente, o también de acuerdo con la disposición de las intersecciones
de exploración. Estos bloques así definidos son de grandes dimensiones y se
evalúan generalizando la variable estudiada a partir de la media aritmética o la
media ponderada según sea el caso.
Los métodos computarizados para la estimación de recursos minerales

se basan en procedimientos matemáticos de interpolación local y solamente
emplean los datos de los pozos vecinos al bloque para realizar la estimación de
la variable estudiada. Un esquema simplificado de la estimación de recursos
asistida por computadora se muestra en la figura 4.1. El yacimiento o la zona
mineral definido por la geología se discretiza en una matriz de bloques
bidimensional o tridimensional según el caso y cada bloque se estima utilizando
los datos localizados dentro del área o volumen de búsqueda.
Los métodos de ventanas móviles (inverso de la distancia y kriging) son

las técnicas más empleadas en la estimación de recursos asistida por
computadora.
El procedimiento general de los métodos computarizados es el siguiente:
1. Confección de la base de datos con toda la información relevante de

la
exploración del yacimiento
2. Creación del modelo geológico.
3. Análisis exploratorio de datos y variografía.
4. Modelo de recurso - División del yacimiento mineral en una matriz de
bloques regulares –modelo de bloque o capa.
5. Estimación en cada bloque de las variables de interés (contenido,

masa
volumétrica etc.) empleando una técnica de interpolación espacial
(funciones de extensión). El valor estimado de la ley en cada celda se
calcula por la siguiente fórmula:
GEOESTADÍSTICA 84
Dónde: Wi es el peso o coeficiente de ponderación asociada a cada

muestra y
su valor depende del método de estimación espacial empleado, n es la

cantidad de
muestras seleccionadas para hacer la estimación.
Imagen 49. Representación bidimensional del caso general de la estimación de recursos asistida por
computadoras (Según Sinclair y Blackwell, 2002), mencionado por MSc. Emildio Estévez, en su artículo:
Apuntes sobre estimación de recursos y reservas.
GEOESTADÍSTICA 85

Trabajo Final Minesight

Cargado por

Copyright:

Formatos disponibles

Trabajo Final Minesight

Cargado por

Información del documento

Título original

Derechos de autor

Formatos disponibles

Compartir este documento

Compartir o incrustar documentos

Opciones para compartir

¿Le pareció útil este documento?

¿Este contenido es inapropiado?

Copyright:

Formatos disponibles

Trabajo Final Minesight

Cargado por

Copyright:

Formatos disponibles

UNIVERSIDAD NACIONAL DE CAJAMARCA

APLICACIÓN DE SOFTWARE LIBRE PARA LA

Profesor: Ing. Wilder Chuquiruna Chávez

Ing. Yhonny Paul Ruiz Dioses

2.2.4.6.3.1 Aproximación: Método de los Sectores...................................11

3.1.2 Costos de Operación..........................................................................................52

Imagen 5.Compósitos en el espacio de tres dimensiones................................................12

Imagen 29. Relación entre inversiones y capacidades, y determinación del factor de

Tabla 5. Dimensiones recomendadas para la construcción de bermas y banquetas....79

En la Imagen 2.9, se observa la localización de pozos de tiro en un

Imagen 1.Vector para cálculo del variograma

Lo más probable es que no encontremos ningún o muy pocos pares de

2.2.4.6.3.1 Aproximación: Método de los Sectores.

1. Se basa en la aproximación siguiente:

“Dos puntos están aproximadamente a la distancia h si una vez fijado el

Imagen 2.Método de los sectores.

Si el punto P2 cae en la zona amarilla, entonces se dice que P1 y P2

Θ se llama tolerancia angular, ε se llama tolerancia en distancia.

En algunos casos la práctica recomienda utilizar θ = 22.5º y ε = 0.5b, en

El paso en una dirección dada se puede determinar como la distancia

El método de aproximación presenta problemas:

• Puede caer más de un punto en la zona. En este caso se consideran las

• Si IhI es grande, como el ángulo se abre, la aproximación tiende a ser grosera

Imagen 3.La aproximación no es buena para h grande.

Algunos paquetes computacionales definen otro tipo de zona para evitar

(Método del lápiz):

Imagen 4.Aproximación para h grande.

En este caso hay que definir tres parámetros: θ, ε y d (d se llama a

Hay que tener presente que es necesario conocer bien el variograma en

El método de los sectores se puede generalizar al espacio de tres

Imagen 5.Compósitos en el espacio de tres dimensiones.

Imagen 6.Aproximación en el espacio de 3 dimensiones: Una especie de cono.

Imagen 7.Aproximación en el espacio de 3 dimensiones: Método del lápiz.

2.2.4.6.4 Parámetros del Variograma

Los parámetros del Variograma caracterizan tres elementos importantes

Imagen 8.Representación gráfica de un variograma básico.

El Efecto Pepita (Nugget)

El semivariograma por definición es nulo en el origen, pero en la práctica

Es el valor de γ (h) para el cual con el aumento de h su valor permanece

La distancia h para la cual las variables Z (x) y Z(x+h) son

El alcance siempre tiene valor positivo y puede ser obtenido a partir de la

2.2.4.6.5 Ajuste de un Variograma Experimental a un Modelo Teórico

El objetivo de ajustar un modelo teórico es disponer de una ecuación, la

En la imagen siguiente (ver Imagen 2.18) distinguimos los dos

 El variograma experimental, que es el calculado a partir de los datos.

Imagen 9.Variograma experimental vs variograma teórico.

Es evidente que el variograma teórico debe respetar al variograma

El ajuste de los variogramas constituye un punto crucial, en un estudio

2.2.4.6.6 Modelo Teóricos del Variograma.

Los modelos de variograma teórico utilizados en el proceso de

Atendiendo a las dos características más importantes en el modelado del

 Su comportamiento en el origen, el cual puede ser lineal, parabólico y

Así como en estadística existen modelos (ley de Gauss, Lognormal, etc) en

El modelo debe cumplir con las propiedades siguientes:

Corresponde a un fenómeno puramente aleatorio (ruido blanco), sin

El modelo esférico: Es uno de los modelos más importantes y utilizados

tangente en el origen encuentra a la Meseta en el punto de abscisa (2/3) a,

γ (h) = C [ (3/2)(h/a) - ½(h/a)3 ] h≤a

Este modelo a diferencia del esférico crece inicialmente más rápido y