Anda di halaman 1dari 18

18

35

MODELO GEOMETALURGICO DE UN DEPOSITO


REAL DE FOSFATO BRASILERO (3)

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

36

FLUJOGRAMA DEL PROYECTO


1. Base de dados
2. Anlisis da base de dados
3. Validacin de la base de datos
4. Tratamiento de datos por mtodos estadsticos

1.

1. Definicin de nuevos tipos


de mineral
2. Definicin de nuevos tipos
de minerales

Construccin
del
modelo
geometalrgico
2. Construccin del modelo de
bloques para la estimacin de
leyes
3. Optimizacin del pit
4. Simulacin de la secuencia de
minado

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

19
37

1. Base de dados

2. Anlisis de base de
datos

3. Validacin de la base
de datos
4. Tratamiento de datos
por mtodos
estadsticos, base de
dados

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

38

Creacin de nuevas
tipologas de mineral

Definicin de nuevos tipos de


minerales

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

20
39

1. Construccin
del modelo
geometalrgico

2. Construccin del
modelo de bloques
para la estimacin de
leyes

3.
Optimizacin
del pit

4. Simulacin de
la secuencia de
minado

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

40

METODOS TESTADOS

 Anlisis grupal (clster anlisis)


K-means
 Anlisis de componentes principales
 Anlisis factorial
 Anlisis discriminante

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

21
41

METODO SELECCIONADO
 Anlisis grupal (cluster analysis)
Este mtodo est subdividido en lo siguiente:
Joining (tree cluster)
K-means
Two-way joining
El submtodo escogido es K-means debido a que con
l podremos escoger la cantidad de grupos a ser
generados.

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

42

CLUSTER ANALYSIS (ANALISIS GRUPAL)


El algoritmo K-Means tiene como objetivo encontrar una
participacin ptima que permita dividir el nmero de
individuos variable dentro del universo de k clster
(minimizar la varianza interna y maximizar entre los clsters).

Mxima
varianza entre
los grupos

Grupo1

Mnima varianza
entre las
muestras

Grupo 2
Grupo 3
Grupo 4
Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

22
43

TRATAMIENTO DE DATOS UTILIZANDO


STATISTICA

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

44

TRATAMIENTO DE DATOS CON CLUSTER


ANALYSIS UTILIZANDO STATISTICA

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

23
45

TRATAMIENTO DE DATOS CON CLUSTER


ANALYSIS UTILIZANDO STATISTICA

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

46

TRATAMIENTO DE DATOS CON CLUSTER


ANALYSIS UTILIZANDO STATISTICA

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

24
47
CASE_NO

CLUSTER

DISTANC

FSFMC-02

38001.49

91060.29

85251

90

41.95

46.95

6.31

FSFMC-02

38001.49

91060.29

847.51

90

46.95

51.95

FSFMC-02

38001.49

91060.29

827.51

90

66.95

71.95

FSFMC-02

38001.49

91060.29

822.51

90

71.95

76.95

11.57

FSFMC-02

38001.49

91060.29

817.51

90

76.95

81.95

5.36

FSFMC-02

38001.49

91060.29

812.51

90

81.95

86.95

8.90

FSFMC-02

38001.49

91060.29

807.51

90

86.95

91.95

8.88

FSFMC-04

4123

90896

827.3

90

922

97.2

2.44

FSFMC-04

4123

90896

822.3

90

97.2

102.2

5.77

FSFMC-10

4384.37

90710.53

887.5

90

41.15

46.15

10

7.28

FSFMC-10

4384.37

90710.53

882.33

4.65

90

46.5

51.15

11

6.64

FSFMC-10

4384.37

90710.53

842.5

90

86.15

91.15

12

6.47

FSFMC-10

4384.37

90710.53

837.5

90

91.15

96.15

13

6.73

FSFMC-10

4384.37

90710.53

832.5

90

96.15

101.15

14

6.08

FSFMC-10

4384.37

90710.53

827.5

90

101.15

106.15

15

4.42

FSFMC-10

4384.37

90710.53

822.5

90

106.16

111.15

16

6.15

BHID

LENGTH

AO

BO

CO

FROM

TO

7.65
5.13

Base de datos: sondeos con resultados de anlisis qumicos


y ensayos de banco.
En esta etapa, la base de datos es tratada con el statistics
software.

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

48

SUMARIO ESTATISTICO: DOS TIPOS


DE MINERAL DEFINIDOS

SIO2

P2O5_C

AL2O3_C

FE2O3_C SIO2_C

MGO_C

BAO_C

17.52

35.30

0.84

3.72

13.03

37.31

0.60

13.68

34.88

28.37

33.96

DIST_MAS RECOVERY

LAMA

MAG

3.01

0.75

1.99

10.65

59.40

16.49

27.07

2.53

2.95

0.57

0.54

15.64

86.95

11.01

48.48

0.75

3.15

3.24

1.64

1.31

26.01

89.53

15.53

25.53

0.98

3.83

6.43

1.52

1.19

17.02

85.28

20.39

17.43

Cluster 1
Cluster 2
Cluster 3
Cluster 4

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

25
49

MAG
LAMA

TIPO 4

RECOVERY

TIPO 3

DIST_MAS

TIPO 2

SIO2

TIPO 1

50

REPRESENTACION
GRAFICO DE TIPOS
DE MINERAL

100
BAO_C
TIPO 4

MGO_C

TIPO 3

SIO2_C

TIPO 2

AL2O3_C

TIPO 1

0.00

2.00

4.00

6.00

8.00

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

50

TIPO 1 (clster 1)

ASIGNATURAS
TIPOLOGICAS DE LOS
MINERALES DEFINIDOS

El tipo 1 est caracterizado como el


grupo con
- Menor recuperacin
- Menor rendimiento en masa
- Mayor ley de BaO_C

TIPO 2 (clster 2)
El tipo 2 est caracterizado como el grupo
con

- Alta recuperacin
- Rendimiento medio en masa
- Mayor % de magnetita
- Menor % de lama
- Menor ley de SiO2 no mineral
- Menor ley de BaO_C
- Menor ley de MgO_C
- Menor ley de Al2O3_C

TIPO 3 (clster 3)
El tipo 3 est caracterizado como el grupo
con

- Mayor recuperacin
- Mayor rendimiento en masa
- Mayor ley de MgO_C

TIPO 4 (Clster 4)
El tipo 4 est caracterizado como el
grupo con
- Alta recuperacin
- Mayor ley de SiO2 mineral
- Mayor ley de lama
- Mayor ley de SiO2_C
- Mayor ley de Al2O3_C
- Alta ley de MgO_C

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

26
51

ESTADISTICA DESCRIPTIVA: CLUSTER 1


Valid N

Mean

Median

Mode

Frequency

Minimum

Maximum

Variance

Std.Dev.

SIO2

492.00

17.52

17.32

Multiple

3.00

0.67

51.48

86.54

9.30

Kurtosis

0.30

P2O5_C

492.00

35.30

37.18

37.95000

6.00

15.44

41.29

26.23

5.12

2.56

CAO_C

492.00

46.61

48.60

49.06000

5.00

11.43

52.32

28.76

5.36

9.57

AL2O3_C

488.00

0.84

0.65

Multiple

15.00

0.01

11.76

1.06

1.03

69.15

FE2O3_C

492.00

3.72

2.65

1.940000

7.00

0.09

45.08

18.94

4.35

46.04

SIO2_C

492.00

3.01

1.57

.8800000

9.00

0.01

76.19

28.49

5.34

81.56

MGO_C

492.00

0.75

0.12

.0100000

42.00

0.00

15.06

5.23

2.29

21.07

BAO_C

492.00

1.99

0.44

.1400000

13.00

0.01

41.20

26.19

5.12

21.43

DIST_MAS

492.00

10.65

9.76

Multiple

4.00

0.21

36.74

35.93

5.99

2.34

RECOVERY

492.00

59.40

64.03

64.62000

4.00

4.57

77.15

201.61

14.20

2.17

LAMA

492.00

16.49

15.56

Multiple

4.00

0.00

54.91

45.27

6.73

3.93

MAG

492.00

27.07

26.38

Multiple

4.00

0.10

67.42

123.13

11.10

-0.06

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

52

ESTADISTICA DESCRIPTIVA: CLUSTER 2


SIO2

1333.00

13.03

12.16

Multiple

4.00

0.02

42.59

55.28

7.43

0.45

P2O5_C

1333.00

37.31

38.16

Multiple

10.00

15.46

41.79

8.97

2.99

7.32
1220.75

CAO_C

1333.00

49.30

49.58

50.63000

10.00

23.20

483.90

148.27

12.18

AL2O3_C

1323.00

0.60

0.52

.4800000

48.00

0.01

4.75

0.11

0.33

33.25

FE2O3_C

1333.00

2.53

2.12

1.910000

12.00

0.33

43.37

4.06

2.02

139.01

SIO2_C

1332.00

2.95

1.97

Multiple

9.00

0.01

113.00

20.88

4.57

273.66

MGO_C

1333.00

0.57

0.15

.0100000

84.00

0.00

14.49

1.84

1.35

24.91

BAO_C

1333.00

0.54

0.19

.0100000

61.00

0.00

20.72

1.92

1.38

69.15

DIST_MAS

1333.00

15.64

15.17

Multiple

6.00

2.58

43.38

34.18

5.85

1.60

RECOVERY

1333.00

86.95

88.39

Multiple

7.00

55.61

97.87

54.19

7.36

0.69

LAMA

1333.00

11.01

10.78

Multiple

7.00

1.11

30.77

17.96

4.24

0.86

MAG

1333.00

48.48

46.91

40.00000

8.00

31.73

83.22

86.93

9.32

-0.01

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

27
53

ESTADISTICA DESCRIPTIVA: CLUSTER 3


Valid N

Mean

Median

Mode

Frequency

Minimum

Maximum

Variance

Std.Dev.

Kurtosis

SIO2

1634.00

13.68

13.63

Multiple

5.00

0.01

42.04

39.57

6.29

-0.05

P2O5_C

1634.00

34.88

36.62

38.51000

23.00

13.80

41.14

27.50

5.24

2.06

CAO_C

1634.00

47.45

48.40

50.76000

22.00

5.10

64.91

13.10

3.62

14.28

AL2O3_C

1613.00

0.75

0.66

.6200000

57.00

0.01

5.00

0.14

0.38

18.05

FE2O3_C

1634.00

3.15

2.71

2.360000

29.00

0.26

18.48

3.13

1.77

5.00

SIO2_C

1634.00

3.24

2.24

.7700000

20.00

0.01

28.91

9.97

3.16

8.44

MGO_C

1634.00

1.64

0.25

.0100000

63.00

0.00

18.49

10.24

3.20

6.78

BAO_C

1634.00

1.31

0.32

.0100000

38.00

0.00

35.65

9.51

3.08

35.54
1.66

DIST_MAS

1634.00

26.01

25.40

35.70000

18.00

8.25

60.43

52.79

7.27

RECOVERY

1634.00

89.53

90.58

96.42000

19.00

66.54

99.95

31.58

5.62

0.32

LAMA

1634.00

15.53

15.40

14.44000

19.00

0.27

43.34

27.01

5.20

1.07

MAG

1634.00

25.53

26.20

24.67000

18.00

2.19

45.53

59.75

7.73

-0.40

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

54

ESTADISTICA DESCRIPTIVA: CLUSTER 4


Valid N

Mean

Median

Mode

Frequency

Minimum

Maximum

Variance

Std.Dev.

SIO2

1221.00

28.37

27.63

25.30000

6.00

2.88

65.59

59.19

7.69

Kurtosis

2.34

P2O5_C

1221.00

33.96

35.58

Multiple

7.00

10.82

41.79

26.83

5.18

0.84

CAO_C

1221.00

45.95

46.98

Multiple

7.00

24.35

411.30

130.33

11.42

861.16

AL2O3_C

1213.00

0.98

0.81

.5500000

22.00

0.01

7.26

0.39

0.63

13.24

FE2O3_C

1221.00

3.83

3.17

2.100000

11.00

0.63

18.79

5.88

2.42

3.20

SIO2_C

1207.00

6.43

4.36

1.620000

7.00

0.06

39.97

32.86

5.73

3.40

MGO_C

1221.00

1.52

0.28

.0100000

62.00

0.00

16.01

7.77

2.79

6.98

BAO_C

1221.00

1.19

0.45

.2400000

26.00

0.00

41.58

8.53

2.92

60.11

DIST_MAS

1221.00

17.02

16.67

Multiple

6.00

0.04

44.96

34.36

5.86

0.09

RECOVERY

1221.00

85.28

86.23

Multiple

5.00

63.74

98.54

41.21

6.42

0.00

LAMA

1221.00

20.39

19.53

18.14000

5.00

2.01

70.65

68.87

8.30

4.35

MAG

1221.00

17.43

17.36

20.00000

10.00

0.33

42.59

75.13

8.67

-0.67

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

28
55

MODELO TIPOLOGICO
 El modelo tipolgico se realiz en la plataforma
Datamine utilizando el archivo de sondaje, conteniendo
la nueva variable clster, el proceso grade y el mtodo
de estimacin Nearest Neighbour.
 Esto porque la clasificacin no es numrica y, por esta
razn, no puede ser por variografa ni estimada por el
mtodo IQD. El prototipo usado fue el archivo completo
denominado mdnpv_final.

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

56

MODELO RESULTANTE CON LA NUEVA


VARIABLE TIPOLOGICA: GRUPOS (CLUSTER)

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

29
57

SECCION OESTE-ESTE MOSTRANDO AREAS


DE MINERAL CON BLOQUES TIPOLOGICOS

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

58

DETALLE DE LA SECCION PARA LA MEDICION


DE LOS VALORES DE BLOQUES CON VALORES
DE SONDAJE

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

30
59

EJEMPLO DE UNA SECCION HORIZONTAL


POSICIONADA EN EL BANCO 811

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

60

GENERACION DEL MODELO ECONOMICO


 El modelo del pit matemtico optimizado con el
algoritmo de Lerchs-Grossman es necesario para
construir un modelo econmico con una nueva variable
la cual es definida como lucro neto (beneficio), obtenido
por cada bloque del modelo de bloques del depsito.
 Para la determinacin de este beneficio se ha
desarrollado una funcin beneficio, cuyo objetivo es
calcular el valor neto contable de cada bloque.

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

31
61

FUNCION BENEFICIO PARA GERACION


DEL MODELO ECONOMICO


















VOL=XINC*YINC*ZINC
TON=VOL*DENSITY
REL=CAO/P2O5
IF(P2O5>=7 AND REL>=1 AND
REL<=1.5)
CLMIN=2.015
CUSTM=TON*CLMIN
END
IF(P2O5>=7 AND REL<=1 )
CEST=5.43
END
IF(P2O5>=7 AND REL>1.55)
CEST=5.43
END
IF(P2O5<=7)
CEST=5.43
END
CUSTE=TON*CEST

CUSTMIN=CUSTE+C
USTM
IF(R_MAS==0)
R_MAS=P2O5*0.66/0
.36
END
CUSTPRO=193.55
CONC=TON*(R_MAS
/100)
CPROD=CUSTPRO*
CONC
CUSTTOT=CUSTM+
CPROD
IF(P2O5>=7 AND
REL>=1 AND
REL<=1.5)
PREOV=462.71
END

IF(P2O5>=7 AND REL>=1 AND REL<=1.5)


BEN=(PREOV*CONC)-CUSTTOT
END
IF(P2O5>=7 AND REL<=1 )
BEN=CUSTE
END
IF(P2O5>=7 AND REL>=1.55 )
BEN=CUSTE*-1
END
IF(P2O5<=7 )
BEN=CUSTE*-1
END
IF( REL<1 AND REL>1.5)
BEN=CUSTE*-1
END

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

62

ETAPA 3. RESULTADOS NO SOFTWARE NPV


SCHEDULER DEL MODELO ECONOMICO
Project: MDKRTIPOL3
Case Study: Economic Model 1
ECONOMIC MODEL REPORT
General statistics
Number of ore blocks
Number of waste blocks

65,341
571,613

Total ore tonnage


320,226,761 tonnes
Total waste tonnage
3,926,261,985 tonnes
Total ore value
17,480,259,715 $
Ore tonnage by ore type
TIPO 0
TIPO 1
TIPO 2
TIPO 3
TIPO 4

38,808,522 tonnes
32,998,580 tonnes
67,786,715 tonnes
88,247,642 tonnes
92,385,302 tonnes

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

32
63

ETAPA 4. GERACION DEL ULTIMATE PIT


OTIMIZADO
Project: MDKRTIPOL3
Case Study: Economic Model 1-Ultimate Pit 1
PIT OPTIMIZATION REPORT
Optimization summary
Number of blocks in the ultimate pit:
Number of blocks in the optimal pit:

137,881
137,881

Ultimate Pit statistics


Total ore tonnage:
Total waste tonnage:
Strip ratio:
Estimated lifetime:
Ore tonnage by type
Rock_0
Rock_1
Rock_2
Rock_3
Rock_4

224,110,147 tonnes
432,271,117 tonnes
1,49
26.68 years

Attributes
P2O5
12.901 %
LAMA 16.764 %
MAG
27.306 %
RECOVERY 83.631 %
P2O5_C
36.000 %
FE2O3_C 2.868 %
NB2O5
0.241 %
R_MAS
21.787 %
REL
1.234 %

16,195,848 tonnes
21,799,859 tonnes
25,015,449 tonnes
44,316,188 tonnes
56,782,803 tonnes

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

64

PIT FINAL
Actualidad

10 aos

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

33
65

20 aos

30 aos

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

66

40 aos

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

34
67

SECUENCIA DE MINADO
DE UNA MINA DE
FOSFATO

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

TIPO 3 (Cluster 3)
O Tipo 3 es caracterizado por el siguiente
grupo:
- Mayor recuperacin
- Mayor rendimento en masa
- Mayor ley de MgO_C

Tipo 1 es caracterizado por el siguiente


grupo:
- Menor recuperacin
- Menor rendimento en masa,
- Mayor ley de BaO_C

TIPO 4 (Cluster 4)
O Tipo 4 es caracterizado por el siguiente
grupo:
- Alta recuperacin
- Mayor ley de SiO2 mineral
- Mayor ley de lama
- Mayor ley de SiO2_C
- Mayor ley de Al2O3_C
- Alto ley de MgO_C

68

TIPO 2 (Cluster 2)
O tipo 2 es caracterizado por el siguiente grupo:
- Alta recuperacin
- Medio rendimento en masa, mayor % de magnetita
- Menor % de lama, menor ley de SiO2 no mineral
- Menor ley de BaO_C, - menor ley de MgO_C
- Menor ley de Al2O3_C

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

35
69

PROXIMAS ETAPAS

 Validacin de la tipologa en el campo


 Identificacin mineralgica y geolgica de cada
tipologa; es decir, verificar la existencia entre el modelo
matemtico y el geolgico
 Implementar el modelo al planeamiento de corto plazo

Dr. Carlos Enrique Arroyo Ortz - carroyo@expo.intercade.org Consultor Intercade

INTERCADE
CONSULTANCY & TRAINING

www.intercade.org

Anda mungkin juga menyukai