Universidad de Atacama Facultad de Ingeniería Departamento de Ingeniería Civil en Minas
Software minero ISATIS. Proyecto de geoestadística.
Realizado por:
Cristofer Garrido Ibáñez. Hugo Riquelme Torres.
Asignatura : Profesor : F. de entrega :
geoestadística. Luis González. 15 de diciembre de 2017.
UNIVERSIDAD DE ATACAMA
CONTENIDO RESUMEN........................................................... .......................................................................................... .............................................................. ............................................................. ................................................ ..................3 OBJETIVOS ......................................................... ........................................................................................ .............................................................. ............................................................. ................................................ ..................4 INTRODUCCIÓN.......................................................... ........................................................................................ ............................................................. .............................................................. ...................................... ....... 5 PROCEDIMIENTO............................ PROCEDIMIENTO............................................................ .............................................................. ............................................................. .............................................................. ................................... 6 ANALISIS DE RESULTADOS ............................................. ............................................................................ ............................................................. ....................................................... ......................... 14 MAPA DE UBICACIÓN..................................... UBICACIÓN.................................................................... ............................................................. ............................................................. ........................................ ......... 17 OBSERVAVIONES, COMPLICACIONES COMPLICACIONES Y SOLUCIONES .................................. ................................................................. ................................... .... 18 HISTOGRAMA .............................................................. ............................................................................................ ............................................................. ............................................................. .............................. 19 OBSERVAVIONES, COMPLICACIONES COMPLICACIONES Y SOLUCIONES .................................. ................................................................. ................................... .... 19 VARIOGRAMA EXPERIMENTAL EXPERIMENTAL.............................................................................. ............................................................................................................. ........................................ ......... 20 OBSERVAVIONES, COMPLICACIONES COMPLICACIONES Y SOLUCIONES .................................. ................................................................. ................................... .... 21 MAPA VARIOGRAFICO............................................................................ .......................................................................................................... ............................................................ ..............................14 OBSERVAVIONES, COMPLICACIONES COMPLICACIONES Y SOLUCIONES .................................. ................................................................. ................................... .... 16 GRILLA............................................................ ........................................................................................... .............................................................. ............................................................. ............................................. ............... 22 OBSERVAVIONES, COMPLICACIONES COMPLICACIONES Y SOLUCIONES .................................. ................................................................. ................................... .... 23 MAPA DE UBICACIÓN PARA KRIGING ....................................................... ..................................................................................... .................................................. .................... 24 OBSERVAVIONES, COMPLICACIONES COMPLICACIONES Y SOLUCIONES .................................. ................................................................. ................................... .... 25 MAPA DE UBICACIÓN PARA LA DESVIACION DE KRIGING........................................................... ................................................................ ..... 26 OBSERVAVIONES, COMPLICACIONES COMPLICACIONES Y SOLUCIONES .................................. ................................................................. ................................... .... 27 CONCLUsIÓN........................................................... ......................................................................................... ............................................................. ............................................................. ........................................ .......... 28
2
UNIVERSIDAD DE ATACAMA
RESUMEN En este presente informe, se presentarán los resultados obtenidos a través del software ISATIS el cual se utiliza para analizar y visualizar datos de una manera rápida y eficiente, entre otras funciones en la geoestadística. Para este proyecto, se generó una malla de sondeo regular, con leyes generadas de forma aleatoria, con la finalidad de analizar los resultados obtenidos y ayudar a una mejor comprensión de las unidades desarrolladas en el curso de geoestadística. Se podrán apreciar los resultados obtenidos, la visualización de los datos, la interpretación de estos, los problemas que se pudieron haber presentado y la solución de estos mismos.
3
UNIVERSIDAD DE ATACAMA
OBJETIVOS 1. Obtener conocimientos básicos en la utilización del software minero ISATIS. 2. Interpretar los resultados obtenidos a través del software minero ISATIS. 3. Visualizar los datos obtenidos a través del software minero ISATIS. 4. Comprender la importancia del análisis de datos en el ámbito minero.
4
UNIVERSIDAD DE ATACAMA
INTRODUCCIÓN Para un país como lo es Chile, productor de materias primas como molibdeno, plata, oro y principalmente Cobre (Cu), entre otros, la minería representa una de sus principales fuentes de ingresos, por lo que la búsqueda de nuevos depósitos minerales es fundamental. La minería chilena se subdivide en tres segmentos: Gran minería, Mediana minería y Pequeña minería. Estas se pueden diferenciar tanto por la inversión requerida, el tamaño de sus depósitos, la ley del mineral, entre otros aspectos. En cualquiera de estas categorías, es importante analizar un yacimiento para determinar si existe o no un depósito económicamente rentable antes de invertir para su explotación y producción, sobre todo en la gran minería en donde las inversiones necesarias son mucho más elevadas al igual que las perdidas asociadas. Para analizar y estudiar los distintos tipos de yacimientos, existen diversos métodos y software, los cuales ayudan a una mejor comprensión, estimación y visualización de los yacimientos que se estén evaluando de una forma más rápida y eficiente. Dentro de estos, se encuentra el software minero ISATIS, el cual facilita el análisis y visualización de datos, el mapeo de calidad y la estimación precisa de recursos.
5
UNIVERSIDAD DE ATACAMA
PROCEDIMIENTO El proyecto inició con la creación de la base de datos, para ello se generó una malla regular de sondajes, en nuestro caso, se originó una malla de 40 sondajes, con una distribución de 8x5 y una longitud de 200 metros con 20 compósitos de 10 metros cada uno para cada sondaje.
ILUSTRACIÓN 1.- MALLA DE SONDEO REGULAR
Con ayuda de la plataforma EXCEL de Microsoft office, se generaron las coordenadas locales, las cotas y las leyes para cada compósito de cada sondaje de nuestra maya regular. Las leyes fueron generadas aleatoriamente y corresponden al elemento COBRE {Cu} (nuestra variable de interés), en la cual basaremos el análisis e interpretación de los resultados que se obtendrán a través del software ISATIS. 6
UNIVERSIDAD DE ATACAMA
ILUSTRACIÓN 2.- DATOS COMPOSITOS DE SONDAJES.
Luego de que se creó la base de datos, se procedió a configurar el software y cargar la base de datos para el correcto funcionamiento del programa.
ILUSTRACIÓN 3.- INTERFAZ SOFTWARE ISATIS.
Para la configuración del software se comenzó con la creación de un nuevo proyecto en FILE->DATA FILE MANAGER->STUDY->CREATE y se le dio un nombre al proyecto, luego en DIRECTORY->CREATE dando nombre al directorio.
7
UNIVERSIDAD DE ATACAMA
ILUSTRACIÓN 4.-CREACION DEL PROYECTO.
Una vez que se creó el Proyecto y directorio se procedió a cargar la base de datos. Con los comandos FILE->IMPORT->EXCEL->EXCEL FILE…, se localizó y cargó el archivo Excel que contenía la base de datos, se configure como se indica en la ILUSTRACIÓN 5, activando la casilla “first available row contains field names” para indicar que la
primera fila del archivo Excel contiene el nombre de la columna de datos, luego en “Points File” se creó un nuevo archivo en el cual se cargaran los datos, siguiendo con “automatic” se cargaron los nombres de cada columna, se configuro cada columna en “Field Type” de la siguiente manera:Norte = Northing (Y) - Este = Easting (X) Cota =
Elevation (Z) - Ley = Numeric 32 (la cual representó nuestra variable.) y finalmente se importó la base de datos.
ILUSTRACIÓN 5.- IMPORTACION DE LA BASE DE DATOS.
8
UNIVERSIDAD DE ATACAMA
Una vez que se importó la base de datos en el software ISATIS se procedió a observar los análisis de los datos exploratorios, utilizando el comando STATISTICS>EXPLORATORY DATA ANALYSIS …, se seleccionó la variable a analizar, en nuestro caso la variable de interés es la LEY de Cobre (Cu) y se seleccionó la casilla “define parameters before initial calculations” la cual permitió ajustar los parámetros antes de
que el software realizara los cálculos.
ILUSTRACIÓN 6.-ANALISIS DE LOS DATOS EXPLORATORIOS.
En esta interfaz, pudo observar el comportamiento de nuestra variable a través de distintas modelaciones, de izquierda a derecha estas son: mapa de ubicación, nube de correlación, histograma, curvas tonelaje-ley, grafico cunatiles contra cuantiles, nube de correlación diferida, variograma experimental y mapa variográfico. 9
UNIVERSIDAD DE ATACAMA
Para una mejor interpretación de los resultados arrojados por el software ISATIS se procedió a acotar los datos que el software analizó, ya que como se puede apreciar en el histograma las siguientes imágenes, más adelante se profundizará en como esto se interpreta y como afecta los resultados finales.
ILUSTRACIÓN 7.- HISTOGRAMA CON TODOS LOS VALORES.
ILUSTRACIÓN 8.- HISTOGRAMA SIN VALORES EXTREMOS.
10
UNIVERSIDAD DE ATACAMA
Otro paso que se realizó en el análisis del proyecto fue el de la creación de la grilla o “créate grid file” para ello, se creó un nuevo directorio, archivo en NEW GRID FILE y luego se seleccionó la variable de interés en DISPLAY FILE. Se ajustó los parámetros de la grilla y se generó, como se muestra en la ILUSTRAÓN 9.
ILUSTRACIÓN 9.- PARAMETROS GRILLA
ILUSTRACIÓN 10.- GRILLA VISTA DESDE PLANTA.
11
UNIVERSIDAD DE ATACAMA
ILUSTRACIÓN 11.-GRILLA VISTA DE FRENTE.
ILUSTRACIÓN 12.-GRILLA VISTA DE PERFIL.
12
UNIVERSIDAD DE ATACAMA
Por último, se procedió a configurar el programa para poder observar cómo se comportan los datos aplicando kriging, para esto se utilizó la opción de estimación por (co-) kriging del programa ISATIS en INTERPOLATE->ESTIMATION->(CO- )KRIGING… luego de ejecutar estos comandos se abrió una ventanilla, la cual se configuro según nuestros datos y parámetros para la correcta utilización de kriging como se observa en las ILUSTRACIONES 13 y 14
ILUSTRACIÓN 13.-COMANDOS PARA CONFIGURAR KRIGING
ILUSTRACIÓN 14.-CONFIGURACION PARA KRIGING
13
UNIVERSIDAD DE ATACAMA
ANALISIS DE RESULTADOS El análisis de resultados se desarrolló a medida que se observaba las distintas opciones de visualización que nos proporciona el software isatis, por lo que la interpretación de cada gráfico, sus observaciones, dificultades que se pudieron encontrar y su solución correspondiente se desarrolló de manera separada, por lo que los análisis se expresarán de la siguiente manera. MAPA VARIOGRAFICO
ILUSTRACIÓN 15.-MAPA VARIOGRAFICO VISTO DE PLANTA.
14
UNIVERSIDAD DE ATACAMA
ILUSTRACIÓN 16.-MAPA VARIOGRAFICO VISTO DE FRENTE.
15
UNIVERSIDAD DE ATACAMA
ILUSTRACIÓN 17.-MAPA VARIOGRAFICO VISTO DE PERFIL.
OBSERVAVIONES, COMPLICACIONES Y SOLUCIONES
Del modelamiento del mapa variográfico podemos identificar la existencia de isotropía o anisotropía. La anisotropía se presenta cunado un material depende de la orientación según la cual se hace la medición de ella, al contrario, la isotropía no depende de la dirección. Analizando la vista de planta, se puede observar una anisotropía en dirección N90°E, esto también se puede apreciar en la vista de perfil y en menor medida en la vista de frente. 16
UNIVERSIDAD DE ATACAMA
MAPA DE UBICACIÓN
ILUSTRACIÓN 18.-MALLA REGULAR CON LEYES DE COBRE VISTA DESDE PLANTA.
ILUSTRACIÓN 19.-MALLA REGULAR CON LEYES DE COBRE VISTA DESDE FRENTE.
17
UNIVERSIDAD DE ATACAMA
ILUSTRACIÓN 20.- MALLA REGULAR CON LEYES DE COBRE VISTA DESDE PERFIL.
OBSERVAVIONES, COMPLICACIONES Y SOLUCIONES ISATIS nos proporciona la visualización de planta, frente y perfil de la malla de sondajes que estamos analizando, indicando el posicionamiento y comportamiento de cada variable; expresando con una cruz de un color definido el comportamiento de cada variable. A mayor valor se observa una cruz de tonalidad azulada, mientras con que los de menor valor con una cruz más pequeña de tonalidad rojiza (como se aprecia en las imágenes). Con estas imágenes podemos apreciar de una manera rápida y sencilla como se comporta nuestro cuerpo, observando que a medida que se avanza en el sondaje la ley de este aumenta. Como nuestra variable a analizar representa la ley, nos indica que nuestro posible deposito se podría encontrar a una superficie cercana a los 200 metros, aunque aún es temprano para poder conocer su tamaño y forma.
18
UNIVERSIDAD DE ATACAMA
HISTOGRAMA
ILUSTRACIÓN 21.- HISTOGRAMA CONSIDERANDO TODOS LOS VALORES.
ILUSTRACIÓN 22.- HISTOGRAMA SIN CONSIDERANDO LOS VALORES EXTREMOS
OBSERVAVIONES, COMPLICACIONES Y SOLUCIONES Este histograma presenta un comportamiento log. Normal de segundo parámetro, esto quiere decir que el cuerpo presentara una tendencia a tener leyes bajas. El valor máximo está muy alejado de la media y la frecuencia de estos valores máximos es muy baja lo que provocara una distorsión en los resultados, para que esto no ocurra decidimos considerar todos los valores que estén bajo el 2,3% como se puede apreciar en la Ilustración 8. Como se puede apreciar en la comparación de ambos histogramas dejamos de considerar 23 datos de nuestros datos aleatorios ya que estos no son considerados representativos, nuestro valor máximo cambio de 5,56 a 2,23, nuestra media vario de 0,66 a 0,58 y nuestra desviación estándar vario de 0,62 a 0,42. 19
UNIVERSIDAD DE ATACAMA
VARIOGRAMA EXPERIMENTAL
ILUSTRACIÓN 23.-VARIOGRAMA CONSIDERANDO TODOS LOS VALORES.
ILUSTRACIÓN 24.- VARIOGRAMA SIN CONSIDERAR VALORES EXTREMOS.
20
UNIVERSIDAD DE ATACAMA
ILUSTRACIÓN 25.-VARIOGRAMA SIN VALORES EXTREMOS Y APLICANDO EL MODELO EXPONENCIAL.
OBSERVAVIONES, COMPLICACIONES Y SOLUCIONES Con esta característica se observa la continuidad espacial de nuestra variable. Para esto se requiere configurar los parámetros para un variograma Omnidireccional (el variograma se calcula en todas las direcciones); el largo del paso (lag value) se configura en relación al tipo de malla, en nuestro caso es una malla regular y nuestro paso corresponde a la media de la distancia entre cada muestra la cual sería de 20 metros, el número de pasos (number of lags) debe representar entre un 70% y un 80% de la zona de estudio por lo que en nuestro caso sería de 6 pasos y consideramos una tolerancia del 30%. Podemos observar la ILUSTRACIÓN 20 es diferente de la ILUSTRACIÓN 21, esto se debe a que en un variograma (ILUSTRACIÓN 20) considera todos los valores y en el otro variograma (ILUSTRACIÓN 21) no considera los valores extremos, como ya mencionamos antes, nos interesa el variograma que no considera los valores extremos, ya que estos son valores atípicos que pueden generar una sobrestimación. El modelamiento del variograma como podemos observar en la Ilustración 22 consideramos la opción que abarcara la mayor cantidad de datos al inicio del variograma el que se selecciono fue el modelo exponencial el cual posee una meseta de “0.0182” y un alcance de “37.1m”, los datos que están después del alcance antes mencionado no son datos de mucho interés ya que estos se estabilizan y no tienen una ponderación tan importante en el modelamiento. 21
UNIVERSIDAD DE ATACAMA
GRILLA
ILUSTRACIÓN 26.-GRILLA VISTA DE PLANTA.
ILUSTRACIÓN 27.-GRILLA VISTA DE FRENTE.
22
UNIVERSIDAD DE ATACAMA
ILUSTRACIÓN 28.-GRILLA VISTA DE PERFIL.
OBSERVAVIONES, COMPLICACIONES Y SOLUCIONES Para este variograma se creó una malla de 10x10x10 con las siguientes coordenadas iniciales: Norte 155m, Este 197m y cota base 2350m, con 19 bloques en dirección norte, 30 en dirección este y 26 desde la cota inicial hacia arriba. Esta se crea con la finalidad de hacer la estimación por bloques.
23
UNIVERSIDAD DE ATACAMA
MAPA DE UBICACIÓN PARA KRIGING
ILUSTRACIÓN 29.-MAPA DE UBICACIÓN KRIGING VISA DE PLANTA.
ILUSTRACIÓN 30.- MAPA DE UBICACIÓN KRIGING VISTA DE FRENTE
24
UNIVERSIDAD DE ATACAMA
ILUSTRACIÓN 31.-MAPA DE UBICACIÓN KRIGING VISTA DE PERFIL.
OBSERVAVIONES, COMPLICACIONES Y SOLUCIONES
De los resultados arrojados por kriging podemos observar cómo se comporta la variable en la zona de estudio, de igual manera que en el caso anterior, podemos observar diferentes vistas (planta, frente y perfil) y el comportamiento se representa por una gama de colores, aunque para este caso los tonos rojizos representan la sección donde la variable toma sus valores más bajos y los tonos azulados donde la variable toma sus valores más altos. Analizando estos datos se puede observar un comportamiento estimado de las leyes del cuerpo y esto nos puedes dar una idea de cómo planificar una buena explotación de este yacimiento luego de hacer un estudio económico para ver si este proyecto es rentable o no
25
UNIVERSIDAD DE ATACAMA
MAPA DE UBICACIÓN PARA LA DESVIACION DE KRIGING
ILUSTRACIÓN 32.- MAPA DE UBICACIÓN DESVIACION DE KRIGING VISTA DE PLANTA.
ILUSTRACIÓN 33.- MAPA DE UBICACIÓN DESVIACION DE KRIGING VISTA DE FRENTE.
26
UNIVERSIDAD DE ATACAMA
ILUSTRACIÓN 34.-MAPA DE UBICACIÓN DESVIACION DE KRIGING VISTA DE PERFIL.
OBSERVAVIONES, COMPLICACIONES Y SOLUCIONES
Estas imágenes representan la desviación al momento de estimar nuestra variable de manera muy visual, como se indica en la leyenda, el error se representa con distintas tonalidades. Podemos apreciar que en los lugares donde se tomaron los datos, las tonalidades son rojizas, esto se debe a que el error que se puede encontrar ahí es muy bajo debido a que mientras que a medida que se alejan se va volviendo de una tonalidad más azulada lo que representa que hay una mayor desviación al momento de estimar un punto dentro de esta zona. De esto se puede interpretar que mientras más cercanas son las estimaciones a los sondajes presentan una menor desviación estándar ya que se calculas con datos más precisos y mientras más alejadas las estimaciones más desviación presentan.
27
UNIVERSIDAD DE ATACAMA
CONCLUSIÓN La estimación de un depósito mineral económicamente rentable es fundamental para la minería, en especial, cuando la minería es la principal fuente de ingreso, no obstante, la dificultad que esto conlleva puede ocasionar muchos errores, por lo general humanos, los cuales pueden afectar terriblemente un proyecto y llegar a ocasionar perdidas económicas muy altas, para disminuir estos errores humanos, ahorrar tiempo y simplificar la estimación, los software se han vuelto de vital importancia, como se pudo observar, con unos simples comandos ISATIS pudo analizar 800 datos de una manera muy simple y rápida, además de proporcionarnos de una forma visual muy simplificada. La utilización de este tipo de software en la minería, sobre todo en el área de la estimación, geología y minería, proporciona un aumento en al eficiencia y eficacia, disminuyendo así los riesgos que pueden estar asociados al error humano y ahorrando mucho tiempo, es por esto, que la comprensión de estos tipos de software es vital en la minería, ya que estos pueden presentar problemas y pueden errar si al momento de utilizarlos no se conoce el programa o se ingresó mal algún dato y es importante saber como detectarlos y solucionarlos a tiempo. Con este proyecto, se logró determinar la existencia de un yacimiento, no obstante, aun es pronto para decir que nuestra zona de estudio representaría un depósito económicamente rentable debido a que los aspectos que influyes no dependen solo de la ley estimada, sin embargo, se pudo apreciar cómo los softwares mineros, como lo es ISATIS, representan un gran aporte para la identificación de depósitos económicamente rentables. Por lo que conocer la utilización e interpretación, de estos softwares son de vital importancia para lograr desarrollar de una manera eficiente y eficaz nuestra labor como profesionales del área de minería.
28