Clase 1. Base de DAtos y ACC

Facultad de Ingeniería

Ingeniería Civil de Minas Geol. Pamela Such

Geol. Pamela Such



Características del curso

Curso introductorio básico del software Vulcan aplicado al desarrollo de la exploración y explotación en la industria minera mediante el modelamiento y visualización de datos. El propósito básico es la comprensión del manejo de Vulcan, su funcionalidad como herramienta y las ventajas en su utilización.





Comprender el concepto de base de datos, manejo de base de datos y exportación de datos en vulcan.



Que el estudiante realice modelos 2D y/o 3D de datos en vulcan.



Que el estudiante realice visualizaciones 3D de los datos modelados en vulcan.



Que el estudiante comprenda el alcance, importancia y eficacia en la utilización del modelamiento de datos al momento de tomar decisiones de perforación, voladuras, geo-estadísticas, etc.



Vulcan es uno de los softwares de mayor aplicación en la actualidad y una de las más avanzadas de modelamiento y visualización 3D en la industria minera. Ejemplos de sus alcances son el modelamiento geológicos 2 y 3 D, diseño de mina, planificación de la producción, entre muchos más.





Metodología:

Laboratorio teórico – práctico mediante el uso de computadoras con licencias habilitadas del software Vulcan para los estudiantes, junto a soportes visuales de power point, imágenes y utilización en vivo de Vulcan por el docente a cargo. Al final del curso un experto en vulcan invitado les realizará un trabajo aplicado a minería. 

Evaluación:

Un examen teórico (30%) y dos exámenes prácticos (70%) in situ utilizando el software para la realización de ejercicios previamente definidos.





UNIDAD TEMATICA 1. Datos y bases de datos: conceptos, tipos, clases, manejos. Introducción a los principales software de modelamiento mineros. Introducción a Vulcan.



UNIDAD TEMATICA 2. Interface Vulcan. Observando y analizando los datos. Preparando los datos para Vulcan. Crear base de datos para vulcan. ISIS. Mantenimiento de la base de datos Vulcan.



UNIDAD TEMATICA 3. Perforaciones: Base de datos. Chequeando los datos. Localizando puntos. Visualizando puntos. Extracción del dato de localización de puntos. Vista en mapa.



UNIDAD TEMATICA 4. Modelos de triangulación: Introducción. Ventajas. Desventajas. Cargando triangulaciones. Descargando triangulaciones. Atributos (propiedades) de los triángulos.



UNIDAD TEMATICA 5. Superficies de Triangulación: Creando la superficie. Polígonos. Grilla. Delimitando superficies. Aéreas y Volúmenes. Manipulación de las superficies de triangulación. Registración de las imágenes.



UNIDAD TEMATICA 6. Sólidos de triangulación: Técnicas de modelamiento. Menú de triángulos sólidos. Finalizar placas. TriPoligonos. Editando sólidos. Cálculos de volumen.



UNIDAD TEMATICA 7. Grillas: Introducción. Superficies de medición. Cargando o removiendo grillas. Manejo de grillas en Envisage. Creando Grillas. Coloreando y contorneando. Edición de nodos. Creando un archivo de mapa. Exportando Grillas. Introducción al cálculo de Grillas.



UNIDAD TEMATICA 8. Organización de los datos. Extensiones .TRI. Directorios remotos. Directorios de Trabajo.



UNIDAD TEMATICA 9. Modelos de bloque y Cubicaciones (Docente invitado).



UNIDAD TEMATICA 10. Ploteo de datos o templates. Presentaciones: Videos, NGrain, Power Point.





Bibliografía a utilizar durante el cursado.

Se encuentran al alcance del estudiante los siguientes manuales en soporte digital (Mapteck): Base de Datos. Vulcan Básico. Estimación de Recursos. Cubicaciones. Estimación de Leyes. Modelamiento. Variografía. Compositación. Modelos de Bloques. Kriging Indicadores. Los mismos serán utilizados de lectura durante el cursado de la asignatura.

También se encuentran disponibles en la plataforma moodle apuntes de clase para base de datos y ACC.



Base de datos

Conjunto de información a manera de datos almacenados en un mismo espacio virtual y/o físico para su posterior utilización. Ejemplos: Oracle, AcQuire, Access, entre muchas otras.



Para la visualización de estas bases de datos virtuales existen programas llamados Sistemas Gestores de Bases de Datos (SGBD), los cuales facilitan el almacenamiento y el acceso a toda la información de una forma segura y eficaz, ejemplos de SGBD son AcQuire (muy empleado en la industria minera) Oracle, Microsoft Access, entre otros.



TIPO DE BASES DE DATOS

Estática o Dinámica. Un tipo de base de datos Estática implica que solo sirven para la lectura de los mismos y un tipo de base de datos Dinámica se refiere a aquellas que permiten la manipulación de los datos en el tiempo (adhesiones, cambios, variaciones, etc.).



MODELOS DE BASES DE DATOS



Modelo de representación de datos jerárquica.



MODELOS DE BASES DE DATOS 

Modelo de representación de datos de red




Modelo de representación de datos transicional




Modelo de representación de datos relacional




Modelo de representación de datos multidimensional




Modelo de representación de datos orientados a objetos




Modelo de representación de datos documental




Modelo de representación de datos deductivas o lógicas



SISTEMAS DE GESTION DE BASES DE DATOS:

Abstracción de la información. Independencia. Consistencia. Seguridad. Manejo de transacciones.



El propósito básico de realizar aseguramientos y controles de calidad de los datos existentes en nuestras base de datos (ACC o QAQC por sus siglas en ingles) es el de asegurar la integridad de la información, y en última instancia garantizar que los datos generados sean de naturaleza y estándares tales que permitan su utilización.



Fuentes de error definidas e identificadas según Long (2000) 1- corresponden a los errores ocasionados por negligencia o omisión que podrían prevenirse mediante el trabajo sistemático a través de técnicas correctas. 2- aquellos de muestreo o medición, de naturaleza aleatoria, cuya acción no puede evitarse aunque si minimizarse.

3- de naturaleza sistemática cuyo efecto puede ser minimizado grandemente.



Durante el proceso de preparación de la base de datos ocurren muchos errores, los primeros durante el ingreso mismo de la información, ejemplo digitación repetida de datos, información insuficiente sobre datos faltantes, codificación errónea, etc. Una forma de reducir estos errores es a través de la planificación de la estructura y el flujo de información, establecer filtros y mecanismos de contra chequeos, minimizar la digitalización manual de los datos, utilizar la doble entrada para los parámetros más sensibles, mantener una disciplina estricta en el completamiento de la base de datos, entre otras.



Precisión: Habilidad de repetir consistentemente una medición en condiciones similares. Exactitud: Proximidad de los resultados a un valor verdadero o acertado, y se vincula a errores sistemáticos. Contaminación: Al preparar o analizar algunas muestras es posible que parte de la muestra preparada o soluciones utilizadas para su análisis quede retenida en el equipo y contamine la muestra siguiente.





Un programa de control de calidad debe evaluar su comportamiento en las etapas esenciales de la secuencia muestreo- preparación- análisis, en un esfuerzo por determinar reducir el mínimo de error posible (Long, 2000). Muestreo: error (o precisión) de muestreo. Preparación: error (o precisión) de sub-muestreo, contaminación durante la preparación.  Análisis: Exactitud, precisión y contaminación analítica.  Entrada de datos: exactitud de la entrada de datos. 





EVALUACION DEL CONTROL DE CALIDAD Precisión del laboratorio primario: en el muestreo, en la preparación o cuarteo, en el análisis.









Exactitud del laboratorio primario: en el mismo y en uno secundario.

Contaminación del laboratorio primario: durante la preparación y durante el análisis

Precisión, Exactitud y Contaminación del laboratorio secundario: en los lotes de control mediante inserción e blancos, duplicados y estándares.

Clase 1. Base de DAtos y ACC

Recommend Documents