Menilai Ketidakpastian dengan Studi

Jarak Lubang Bor – Aplikasi untuk

Sumber Daya Mineral
GVerly1, T Postolski2 dan HM Parker3

ABSTRAK
Menilai ketidakpastian dan risiko dalam estimasi sumber daya mineral diperlukan untuk praktik terbaik dan tersirat
oleh kode pelaporan publik dalam kategorisasi sumber daya dan cadangan mineral. Salah satu praktik terbaik
industri adalah mengukur risiko produksi masa depan untuk periode tertentu, yang dapat dilakukan dengan
menggunakan dua pendekatan geostatistik: simulasi bersyarat dan studi jarak lubang bor berdasarkan varians
estimasi. Simulasi bersyarat dapat memberikan jawaban yang lebih lengkap dan fleksibel untuk masalah, tetapi
membutuhkan waktu yang cukup lama untuk menyelesaikannya. Studi jarak lubang bor lebih sederhana, lebih cepat
dan dapat memberikan penilaian yang wajar atas ketidakpastian sumber daya mineral.
Makalah ini merupakan presentasi dari prinsip, teori dan praktek studi jarak lubang bor.
Berbagai jenis penilaian risiko dipertimbangkan. Kesulitan yang dihadapi dalam praktek dibahas,
dan solusi yang diusulkan. Parameter penting yang mempengaruhi hasil ditinjau. Contoh hasil
dan sensitivitas ditampilkan.

PENGANTAR
Menilai ketidakpastian dalam estimasi sumber daya mineral
diperlukan untuk praktik terbaik dan tersirat oleh kode
pelaporan publik dalam kategorisasi sumber daya dan
cadangan mineral. Kode JORC menunjukkan bahwa, jika
sesuai, keyakinan relatif dalam estimasi tonase/kadar harus
dipertimbangkan untuk klasifikasi dan harus ada diskusi
tentang akurasi dan tingkat keyakinan relatif dalam estimasi
Sumberdaya Mineral (JORC, 2012, daftar periksa tabel 1).
Simulasi bersyarat adalah alat yang ideal untuk ketidakpastian dan
penilaian risiko karena memberikan akses ke model sumber daya yang
tidak dapat diperkirakan secara rinci (nilai, elemen yang merusak, dll).
Titik atau blok yang disimulasikan dapat diblokir ulang ke bentuk apa pun
untuk menilai risiko geologis dan pertambangan yang berbeda dan
mengoptimalkan nilai proyek (Ravenscroft, 1992; Froylanddkk,
2007; Boucher, Dimitrakopoulos dan Vargas-Guzman, 2005). Sebuah
simulasi yang baik, bagaimanapun, tidak langsung dan
membutuhkan perencanaan, waktu dan validasi yang cermat
(Nowak dan Verly, 2004; Verlydkk, 2009).
Ada kasus ketika persyaratan penilaian risiko tidak begitu
kompleks sehingga membutuhkan simulasi atau ketika waktu
untuk menyelesaikan simulasi kurang. Ketika persyaratan
terbatas pada penilaian ketidakpastian atribut yang diperkirakan
dalam blok produksi besar (yaitu blok triwulanan), studi jarak
lubang bor yang melibatkan perhitungan varians estimasi dapat
berguna. Studi semacam itu umumnya sederhana dan jauh lebih
cepat untuk dilakukan daripada simulasi, dan hasilnya dapat
diperoleh dengan perangkat lunak komersial atau publik.
Perhatikan bahwa studi jarak lubang bor juga dapat diselesaikan
dengan menggunakan simulasi (Abzalov dan Bower, 2009;
Dimitrakopoulos, Godoy dan Chou, 2009; Cornah, Vann dan
Driver, 2013).
Satu area di mana studi jarak lubang bor telah digunakan di
masa lalu adalah klasifikasi sumber daya mineral ke dalam
kategori tereka, terindikasi dan terukur berdasarkan keyakinan
geologi, termasuk keyakinan pada kontinuitas geologi dan kadar
(Diehl dan David, 1982; Witchurch, Gillies dan Just , 1987; Abzalov
dan Bower, 2009; Rojas dan Cáceres, 2011; Bertoli dkk, 2013;
Silva dan Boisvert, 2014). Kode pelaporan publik tidak
menentukan metodologi atau ambang batas apa yang harus
digunakan. Salah satu praktik industri yang diakui adalah bahwa
untuk sumber daya Tertunjuk, jarak lubang bor harus cukup
untuk memprediksi tonase, kadar, dan logam pada produksi
tahunan dengan presisi relatif ±15 persen pada tingkat
kepercayaan 90 persen (Cl). Dalam hal sumber daya Terukur,
presisi relatif ±15 persen harus dicapai pada volume produksi
triwulanan atau bahkan bulanan. Untuk kategori Tersimpul, data
tidak memadai untuk menilai interval kepercayaan. Pemahaman
dan pengalaman geologis pada endapan serupa harus
dipertimbangkan sebagai gantinya. Jarak yang diperoleh dari
studi jarak lubang bor ini mungkin harus disesuaikan lebih lanjut
untuk memperhitungkan risiko geologis lainnya; sebagai
contoh, kemungkinan adanya patahan dan lipatan, atau kualitas
sampel. Karena studi jarak lubang bor didasarkan pada model,
bahkan jika itu adalah model yang masuk akal, Cls harus dilihat
sebagai interval indikatif dan tidak didefinisikan dengan baik.
Rumus untuk mendapatkan estimasi varians yang diperlukan dapat
ditemukan di Journel dan Huijbregts (1978). Sebagian besar perangkat
lunak komersial akan memungkinkan perhitungan varians estimasi ketika:

1. Kepala Ahli Geostatistik, AMEC, Suite 400, 111 Dunsmuir Street, Vancouver BC V6B 5W3, Kanada. Email: georges.verly@amec.com

2. Manajer, Kepatuhan Sumber Daya dan Cadangan, Goldcorp Inc, Suite 3400, 666 Burrard Street, Vancouver BC V6C 2X8, Kanada. Email: tomasz.postolski@goldcorp.com

3. FAusIMM(CP), Consulting Mining Geologist and Geostatistician, AMEC, Suite 110, 961 Matley Lane, Reno NV 89502, USA. Email: harry.parker@amec.com

SIMPOSIUM PEMODELAN OREBODY DAN PERENCANAAN TAMBANG STRATEGIS 2014 / PERTH, WA, 24-26 NOVEMBER 2014 109
G VERLY, T POSTOLSKI DAN HM PARKER

kriging biasa digunakan. Namun, ada beberapa kesulitan praktis,
seperti mengidentifikasi risiko apa yang harus dipertimbangkan;
ukuran, bentuk dan orientasi balok yang akan diestimasi dan sampel
yang akan digunakan untuk estimasi. Selanjutnya, dengan
pengecualian Isatis®, hampir semua paket perangkat lunak
penambangan komersial membatasi perhitungan pada blok biasa
dengan jumlah sampel terbatas, ketika terkadang blok besar dan
tidak beraturan dengan banyak sampel diperlukan.
Dalam makalah ini, prinsip studi jarak lubang bor yang
melibatkan perhitungan varians estimasi ditinjau, formula
yang diperlukan dipanggil kembali dan batasan dibahas.
Praktek studi jarak lubang bor tercakup, termasuk
identifikasi potensi risiko, pilihan ukuran blok dan
konfigurasi sampel dan perhitungan varians estimasi dan
interval kepercayaan. Berbagai situasi dipertimbangkan,
seperti ketidakpastian kadar, ton dan kandungan logam,
atau ketidakpastian pada elemen yang merusak atau
proporsi beberapa jenis material. Analisis sensitivitas
terhadap berbagai cara agar varians estimasi dapat dihitung
disajikan. Penggerak utama ketidakpastian dibahas.
Akhirnya, sebagian dari laporan yang disiapkan oleh Parker
(1998) membahas anteseden historis untuk Cl yang disarankan
untuk klasifikasi disajikan; ini belum pernah dipublikasikan
secara resmi dan disertakan di sini sebagai lampiran.
PRINSIP
Prinsip-prinsip yang mendasari studi jarak lubang bor sederhana:
menghitung varians estimasi atribut dalam blok produksi besar yang
diberikan satu set sampel, menganggap bahwa kesalahan
terdistribusi normal dan menyimpulkan interval kepercayaan relatif.
Blok dapat memiliki bentuk yang teratur atau tidak teratur dan
ukurannya terkait dengan produksi penambangan yang sebenarnya
atau yang diantisipasi. Sampel dapat berada di lokasi konseptual
atau aktual. Interval kepercayaan relatif dapat disajikan dalam
berbagai cara: versus jarak sampel, versus periode produksi atau
versus proporsi beberapa elemen (Gambar 1). Hasilnya dapat
digunakan sebagai bagian dari penilaian risiko produksi masa depan
atau sebagai panduan untuk klasifikasi sumber daya.
PERUMUSAN
Rumus untuk estimasi varians sebuah blok adalah (David,
1977; Journel dan Huijbregts, 1978):
2 =2
/
tidak tidak
γaku j adalah nilai variogram untuk vektor antar sampel
saya dan j
cr (V, V) adalah nilai variogram rata-rata untuk vektor
antara dua titik di dalam blok V
Meskipun rumus ini dapat digunakan untuk estimator linier apa pun,
tidak hanya kriging, kebanyakan paket perangkat lunak komersial
memberikan akses ke varians estimasi hanya jika kriging biasa digunakan.
Jika variogram ambang unit digunakan, baik karena ambang total telah
diubah skalanya menjadi satu atau korelogram non-ergodik (sebenarnya
1-ρ(h); Srivastava dan Parker, 1988) telah digunakan, varians estimasi
yang diperoleh dalam Persamaan 1 adalah 'ambang unit'
varians estimasi variogrammodel' (USVM), atau v2 Eh, USVM.
Varian estimasi relatif diperoleh dengan mengalikan varians
estimasi USVM dengan kuadrat koefisien variasi (CV2) dari
nilai sampel dukungan yang digunakan untuk
menghitung variogram:
2
v2Eh, Rel = vEh, USVM# V
C2 (2)
Dengan asumsi kesalahan estimasi terdistribusi normal, yang
masuk akal untuk blok besar yang diestimasi dengan banyak
sampel, interval kepercayaan relatif 90 persen pada kesalahan
diberikan oleh:
90%CIrel = 1.645 # vEh, Rel = 1.645 # vEh, USVM # CV (3)
Interval kepercayaan relatif sebanding dengan CV yang
dihitung selama analisis data eksplorasi.
Variabel indikator dapat didefinisikan sebagai 1 jika komposit
lubang bor terletak di dalam zona yang diinginkan (kulit kelas, badan
bijih, dll), atau sebagai 0 jika terletak di luar zona yang diinginkan.
Untuk variabel indikator, CV diberikan oleh:
CV = p^1 - ph/p (4)
dimana:
p adalah proporsi indikator
Semakin rendah proporsi indikator, semakin tinggi CV dan
semakin lebar interval kepercayaan relatif.
Formulasi sebelumnya digunakan untuk menilai interval
kepercayaan untuk variabel seperti nilai estimasi (G) atau proporsi (
tidak

vEh /sayasayacr V,^saya h- / sayasayasayajcaku j - cr^V, Vh (1) P) dari jenis batuan dalam blok, atau ketebalan (T) dan ketebalan kali
saya = 1 saya = 1 j=1 kelas (GT) di suatu daerah (Buxton, 1985). Ketika produk atau rasio
dimana: estimasi atribut dihitung, misalnyaP × G atau GT/T,
tidak adalah jumlah sampel varians estimasi relatif dari produk dan hasil bagi harus digunakan.
λsaya adalah perkiraan berat sampel saya Perkiraan varians estimasi relatif dari suatu produkP = A × B dan
cr (V, saya) adalah nilai variogram rata-rata antara sampel saya sebuah hasil bagi Q = A/B ditunjukkan dalam Persamaan 5 dan 6
dan perkiraan blok V masing-masing (Journel dan Huijbregts, 1978):

SEBUAH
Q90%: Mineralogi B Q90%: Ton, Grade, Logam C Y90%Seperti dalam Jenis Bijih "A"
105% 30%
20%
Enargit
90% 25%
Kalkosit 100m
75% 20%
Kalkopi
90% CI

75m
60% 15%
90% CI

90% CI

Cu Leach 10% 50m

45% 10%
Pemulihan

30% 5%

15% 0%
Q1 Q2 Q3 Q4 Q5
0%
Volume produksi triwulanan 0%
0 25 50 75 100 125 150 175
0.00 0,20 0,40 0,60 0,80
Jarak bor (m) Tonase Konten Logam Kelas Ni Proporsi Jenis Bijih

Gambar 1 – Presentasi hasil interval kepercayaan: (A) versus jarak lubang bor; (B) versus periode produksi triwulanan berturut-turut; (C) versus jenis bijih 'A' proporsi.

110 SIMPOSIUM PEMODELAN OREBODY DAN PERENCANAAN TAMBANG STRATEGIS 2014 / PERTH, WA, 24-26 NOVEMBER 2014
 MENILAI KETIDAKPASTIAN DENGAN STUDI JARAK LUBANG BOR – APLIKASI SUMBER DAYA TOMINERAL
2
vErP, 2 2
Rel . vErA,Rel + vErB, Rel
+ 2untukErA, ErBvErA,RelvErB, Rel
v2Eh,QRel . v2ErA,Rel + v2ErB, Rel - 2 ErA, ErBvErA,R elvErB,Rel
untuk
dimana:
v2ErA,Rel adalah relatif e estimasi varian dari SEBUAH
v2ErB, Rel adalah varian estimasi relatif dari B
adalah varians estimasi relatif dari produk
v2ErP, Rel
P
v2ErT,Rel adalah varian estimasi relatif dari hasil
bagi Q
untukErA, ErB adalah koefisien korelasi antara kesalahan
estimasi dari SEBUAH dan B dan bukan di
antara atribut SEBUAH dan B
Varians estimasi dari rata-rata dua estimasi
elemen, Rata-rata = A + B, diberikan oleh:
2
v2ErAvrg = `vEra+ 2 (7)
vErB+ 2vErA, ErBj/4
dimana:
vErA, ErB adalah kovarians antara kesalahan estimasi dari
SEBUAH dan B
Dengan asumsi independensi dari kesalahan, bahwa v2
Zaman dan
v2ErB adalah varians estimasi dari elemen yang sama untuk
dua periode produksi bulanan berturut-turut dan
2 jejak DH
v2Era = vErB, varians estimasi yang sesuai dengan dua bulan
produksi adalah setengah dari estimasi bulanan
perbedaan. Lebih umum, dengan asumsi independensi
kesalahan, varians estimasi untuktidak bulan produksi
adalah varians estimasi produksi bulanan dibagi dengan N:
v2Eh,N bulan = vEh,21bulan /T
Independensi kesalahan antara periode produksi dapat dicapai jika
blok yang sesuai dengan periode tersebut terletak berjauhan satu sama
lain dan jika tidak ada sampel yang dibagikan selama estimasinya. Rumus
ini sering digunakan untuk mengubah skala varians estimasi yang sesuai
dengan periode tertentu, katakanlah satu bulan, ke periode yang lebih
besar seperti seperempat atau satu tahun. Analisis sensitivitas varians
estimasi ketika independensi kesalahan tidak tercapai diberikan di bagian
sensitivitas nanti dalam makalah ini.
KETERBATASAN
Lokasi sampel, tetapi bukan nilainya, diperlukan untuk
menghitung varians estimasi (Persamaan 1). Oleh karena itu,
varians estimasi memperhitungkan kepadatan pengeboran
tetapi tidak untuk variabilitas lokal sampel. Hal ini wajar
untuk variabel dengan distribusi kuasi simetris, yang tidak
menunjukkan efek proporsional (yaitu hubungan antara
variabilitas dan rata-rata lokal). Namun, ini tidak masuk akal
untuk variabel dengan distribusi miring, yang menunjukkan
efek proporsional. Variabel-variabel tersebut adalah tipikal
dari deposit berharga dan semi mulia dan banyak deposit
logam tidak mulia. Ketika distribusi miring positif, kesalahan
estimasi tidak terdistribusi normal dan variabilitas
meningkat, dengan peningkatan nilai yang berarti bahwa
untuk konfigurasi sampel yang sama varians estimasi harus
meningkat di area kelas yang lebih tinggi.
1997), dan menggunakan interval kepercayaan relatif. Solusinya,
bagaimanapun, masih harus dianggap sebagai pendekatan.
SIMPOSIUM PEMODELAN OREBODY DAN PERENCANAAN TAMBANG STRATEGIS 2014 / PERTH, WA, 24-26 NOVEMBER 2014
PRAKTEK
(5)
Cari tahu di mana risikonya
Mencari tahu di mana risikonya adalah penting. Terlalu sering,
(6) studi jarak lubang bor (dan simulasi) terbatas pada kadarnya,
tetapi risikonya mungkin ada di tempat lain. Kita perlu
memikirkan geologi, kadar, lapisan lokal bermutu tinggi, unsur-
unsur perusak, pertimbangan penambangan, dll. Ingatlah
bahwa untuk Sumberdaya Mineral Tertunjuk, harus ada
kepercayaan yang cukup untuk memungkinkan perencanaan
tambang dan evaluasi kelayakan ekonomi dari deposit tersebut
( JORC, 2012). Ini berarti bahwa proporsi terkadang lebih penting
daripada nilai. Misalnya, proporsi selubung bermutu tinggi
dalam endapan tembaga porfiri atau tanggul tandus, proporsi
karbonatit dalam endapan karbonatit terlipat kompleks atau
proporsi bijih di atas kadar batas dalam endapan nikel sulfida
masif.
Gambar 2 menunjukkan bagian vertikal melalui deposit emas yang
diinangi greenstone yang menunjukkan batas cangkang kelas
bersama dengan lubang bor dan kemungkinan amplop analisis data
eksplorasi (EDA). Dalam situasi seperti ini, risiko yang melekat pada
proporsi atau volume cangkang kelas sama pentingnya atau bahkan
lebih penting daripada risiko kadar. Amplop EDA digunakan untuk
membatasi statistik indikator cangkang (yaitu rata-rata) varians, CV
dan variogram indikator cangkang.
Kerang kelas
Amplop EDA untuk
indikator cangkang
Gambar 2 –Bagian vertikal yang menunjukkan batas cangkang kerataan bersama
(8) dengan lubang bor dan kemungkinan amplop analisis data eksplorasi.
Dapatkan variabelnya
Setelah risiko diidentifikasi, atribut yang perlu dipertimbangkan
dapat diidentifikasi. Atribut ini dapat berupa variabel yang
diukur secara langsung (seperti kadar, persentase mineral atau
elemen merusak) atau indikator (misalnya indikator cangkang
kadar (lihat Gambar 2), tanggul tandus, domain karbonatit atau
perkiraan batas stope bawah tanah).
Dapatkan ukuran blok
Ukuran atau penopang balok yang diperkirakan dicirikan oleh
volume, bentuk, dan orientasinya. Dukungan bisa teratur atau
tidak teratur. Blok reguler digunakan untuk studi konseptual;
misalnya, blok yang sesuai dengan peningkatan produksi
bulanan atau triwulanan. Blok tidak beraturan biasanya sesuai
dengan blok produksi aktual; misalnya, blok produksi tahunan
untuk lima tahun ke depan dari operasi block-cave atau blok
produksi triwulanan berturut-turut di tambang bawah tanah
longhole stope.
Ukuran blok secara langsung mempengaruhi varians estimasi dan
interval kepercayaan yang dihasilkan. Blok produksi bisa sangat
besar untuk operasi besar. Misalnya, blok konseptual enam bulan
untuk operasi 50.000 ton/hari dapat memiliki panjang sekitar 500 m
× lebar 150 m × tinggi 45 m, dengan asumsi kerapatan curah 2,7.
Blok besar dapat menyebabkan dua masalah. Masalah pertama
adalah ukuran blok itu sendiri, yang bisa terlalu besar untuk
hipotesis stasioneritas yang tersirat dalam kriging biasa atau
sederhana. Masalah kedua adalah jumlah sampel yang bisa menjadi
terlalu besar untuk perangkat lunak
111
G VERLY, T POSTOLSKI DAN HM PARKER
digunakan untuk menghitung varians estimasi. Misalnya,
blok sebelumnya dapat berisi hampir 180 sampel panjang
7,5 m pada kisi 50 m × 50 m. Jumlah ini akan lebih besar jika
sampel di luar blok dipertimbangkan juga, dan akan menjadi
empat kali lipat jika grid 25 m × 25 m dipertimbangkan.
Salah satu solusi untuk masalah blok besar adalah dengan
mempertimbangkan blok awal yang lebih kecil dan menskala ulang
varians estimasi untuk memperhitungkan blok yang lebih besar
menggunakan Persamaan 8. Namun, Persamaan 8 mengasumsikan
independensi kesalahan, yang mungkin sulit untuk dicapai. Misalnya,
sampel di luar blok besar maupun di dalam harus dipertimbangkan
dalam estimasi varians blok, terutama dalam estimasi 3D. Ini sulit
dicapai jika blok besar adalah tumpukan blok awal yang lebih kecil.
Menggunakan Persamaan 8 akan sering menghasilkan hasil yang
terlalu optimis atau terlalu pesimis. Hasil bisa terlalu optimis (varian
estimasi terlalu kecil) jika sampel di luar maupun di dalam blok awal
digunakan dalam perhitungan karena ini menyiratkan bahwa sampel
dibagi saat memperkirakan blok awal dan kesalahannya tidak
independen. Di sisi lain, hasilnya bisa terlalu pesimis (varian estimasi
terlalu besar) jika hanya sampel dalam blok awal yang
dipertimbangkan karena ini menyiratkan bahwa hanya sampel
dalam blok yang lebih besar yang dipertimbangkan. Varians estimasi
terlalu besar karena informasi di sekitar blok yang lebih besar
diabaikan. Sebuah ilustrasi perbedaan yang mungkin diberikan
kemudian di bagian sensitivitas.
Contoh lain dari kesulitan untuk mencapai independensi
kesalahan adalah ketika ukuran blok awal kecil sehubungan
dengan rentang variogram dan jika blok besar adalah tumpukan
blok awal. Dalam hal ini, ada korelasi antara sampel dalam blok
awal yang berbeda dan antara blok awal itu sendiri. Hal ini
menyebabkan kesalahan blok awal estimasi yang tergantung.
Menggunakan Persamaan 8 akan sering menghasilkan hasil
yang terlalu optimis. Sebuah ilustrasi perbedaan yang mungkin
diberikan kemudian di bagian sensitivitas.
Preferensi penulis adalah menggunakan blok awal yang besar (misalnya blok
triwulanan) untuk memiliki lebih banyak fleksibilitas untuk memilih sampel di
dalam dan di luar blok dan untuk meminimalkan kemungkinan korelasi yang
dihasilkan dari menggabungkan blok ini untuk mendapatkan blok yang lebih
besar. Dalam beberapa kasus, blok awal tahunan juga telah digunakan.
Volume, bentuk, dan orientasi blok produksi aktual ditentukan
oleh rencana penambangan aktual atau yang diantisipasi. Berikut ini
disarankan untuk menilai bentuk volume dan orientasi blok
konseptual. Pertama, pertimbangkan rencana penambangan yang
sebenarnya atau yang diantisipasi. Bisakah risiko didistribusikan di
antara beberapa lubang? Berapa banyak panel besar terpisah yang
ditambang per tahun? Berapa banyak bangku per panel? Kedua,
berapa panjang, lebar dan orientasi panel individu. Misalnya, di
lubang terbuka, dua panel besar dapat ditambang per tahun sebagai
penahan di setiap sisi lubang (Gambar 3). Jika lubangnya besar,
hanya ada dua atau tiga bangku per panel. Lebar panel bisa 150 m
dan panjang panel akan sedemikian rupa sehingga kedua panel
sesuai dengan satu tahun
produksi.
Produksi tahunan
(2 panel)
Gambar 3 – Contoh panel yang sesuai dengan satu tahun produksi dalam operasi tambang terbuka.
112 SIMPOSIUM PEMODELAN OREBODY DAN PERENCANAAN TAMBANG STRATEGIS 2014 / PERTH, WA, 24-26 NOVEMBER 2014
Blok produksi konseptual untuk indikator tidak harus sama
dengan blok produksi konseptual untuk kadar. Untuk kadar,
ukuran blok yang sesuai dengan produksi bijih adalah wajar.
Untuk indikator, ukuran blok mungkin harus
memperhitungkan proporsi indikator. Misalnya, dalam kasus
grade shells seperti diilustrasikan pada Gambar 2, hanya
grade shell yang akan diproses. Volume blok produksi yang
perlu dipertimbangkan untuk indikator (indikator cangkang)
kira-kira sama dengan volume blok produksi yang
digunakan untuk kadar dibagi dengan proporsi indikator.
Jika hanya sebagian dari bahan di atas nilai batas dalam
cangkang yang ditambang, ukuran blok produksi untuk
indikator bagian itu akan lebih besar.
Perhatikan bahwa peningkatan ukuran blok produksi
untuk indikator tidak selalu berarti pengurangan
ketidakpastian. Memang, ukuran blok meningkat karena
proporsi indikator berkurang. Semakin rendah proporsi
indikator, semakin tinggi CV dan interval kepercayaan relatif
(Persamaan 3 dan 4). Misalnya, proporsi indikator 0,5 dan
0,25 memiliki CV yang sesuai 1,0 dan 1,73.
Blokir diskritisasi
Blok konseptual ditentukan oleh ukurannya di sepanjang
sumbu x-, y- dan z yang diputar. Blok produksi aktual berupa
grid atau wireframe. Pada akhirnya, bagaimanapun, blok
produksi harus didiskritisasi untuk perhitungan varians
estimasi. Pedoman untuk diskritisasi balok adalah kira-kira
panjang sampel sepanjang arah vertikal dan setiap 10–25 m
sepanjang arah lainnya. Diskritisasi harus sedemikian rupa
sehingga bentuk dan ukuran balok direproduksi dengan
cukup baik, terutama jika balok tidak beraturan. Jika ragu,
pengulangan perhitungan varians estimasi dengan skema
diskritisasi yang berbeda dapat dilakukan dan perbedaan
estimasi varians diperiksa (Clark, 1976).
Dapatkan sampelnya
Seringkali, hanya sampel di dalam blok yang dipertimbangkan.
Sampel lubang bor, bagaimanapun, tersedia di sekitar blok dan,
khususnya, langsung di atas dan di bawah blok kecuali estimasi
dua dimensi. Sampel-sampel ini harus dipertimbangkan jika
mereka membuat dampak yang signifikan pada varians
estimasi, yang dapat terjadi jika blok produksi yang diminati
hanya beberapa bangku tinggi. Namun, mungkin ada masalah
jika varians estimasi dihitung untuk blok awal yang lebih kecil
dan diskalakan ulang untuk memperhitungkan blok yang lebih
besar, seperti yang telah dibahas pada bagian ukuran blok.
Kepekaan terhadap ukuran blok dan
sampel di luar blok
Seperti yang telah dibahas, hasil akhir untuk ukuran blok
produksi tertentu dapat bervariasi tergantung pada ukuran blok
awal dan apakah sampel di luar blok (awal dan akhir) digunakan
untuk memperkirakan blok.
Produksi: 60.000 tpd
Kepadatan massal: 2,7
  Dua panel 600 mx 150 mx 45 m
 MENILAI KETIDAKPASTIAN DENGAN STUDI JARAK LUBANG BOR – APLIKASI SUMBER DAYA TOMINERAL

Dalam contoh ini, elemen yang menarik adalah proporsi 600 m × 150 m × 45 m juga dipertimbangkan. Parameter utama
bahan bantalan tanah liat dalam deposit tembaga porfiri. Blok masing-masing skenario dan deviasi standar USVM yang dihasilkan
produksi adalah blok 300 m × 150 m × 45 m yang sesuai dengan dari kesalahan diberikan pada Tabel 2 dan 3. Gambar 4
seperempat produksi. Dua jarak lubang bor dipertimbangkan: menunjukkan deviasi standar USVM dari kesalahan untuk blok
150 m dan 50 m kotak persegi. Contoh komposit memiliki produksi triwulanan untuk lima skenario, bersama dengan persen
panjang 7,5 m. Parameter variogram diberikan pada Tabel 1. perubahan dari yang lebih realistis Skenario 5.
Rentang struktur kedua sangat panjang. Varians estimasi USVM Skenario 5 lebih realistis karena secara langsung menghitung
dari kesalahan ukuran blok awal, yang digunakan dalam standar deviasi kesalahan dalam blok produksi triwulanan dari
Persamaan 2, dihitung dan diskalakan ulang untuk ukuran blok sampel lubang bor yang terletak di dalam maupun di luar blok
produksi triwulanan dengan asumsi independensi kesalahan. produksi triwulanan. Tabel 3 menunjukkan bahwa ketika
Lima skenario dianggap sesuai dengan ukuran blok awal yang diskalakan ulang agar sesuai dengan enam bulan produksi, hasil
berbeda dan keberadaan sampel di luar blok awal atau tidak. dari Skenario 5 sangat mendekati hasil dari Skenario 6 (Standar
Skenario 1 bergantung pada perhitungan 'varians ekstensi' deviasi USVM 0,13 dan 0,13 untuk grid 150 m dan 0,038 dan
untuk blok awal yang kecil, atau varians estimasi dari blok kecil 0,039 untuk grid 50 m).
yang diestimasi menggunakan nilai tunggal yang terletak di Tabel 3 dan Gambar 4 menunjukkan bahwa, dibandingkan dengan
pusatnya (David, 1977; Journel dan Huijbregts 1978; Cornah, Skenario 5, Skenario 1, 2 dan 3 pesimis dan Skenario 4 optimis.
Vann dan Driver, 2013). Skenario 2 dan 4 mengandalkan Skenario 1, 2 dan 3 pesimis karena tidak satupun dari mereka
perhitungan varians estimasi dari blok awal produksi bulanan memperhitungkan sampel di luar blok awal, menyiratkan bahwa
menggunakan sampel di dalam (Skenario 4) maupun di luar tidak ada sampel yang dipertimbangkan di luar blok triwulanan
(Skenario 2) blok. Skenario 3 dan 5 serupa tetapi untuk blok agregat. Skenario 4 optimis karena beberapa sampel dibagikan
produksi triwulanan awal. Skenario keenam ketika tiga blok awal yang diperkirakan bulanan dianggap terletak di
sesuai dengan blok produksi enam bulan awal atas satu sama lain untuk mendapatkan kuartalan yang lebih besar

TABEL 1
Parameter variogram.

Nugget Struktur 1 (bola) Struktur 2 (bola)

Ambang Rentang X Rentang Y rentang Z Z Ambang Rentang X Rentang Y rentang Z Z

0.4 0.4 160 170 180 0.2 900 1500 650

Rotasi GSLIB: (1) 150 ° di sekitar Z (tangan kiri); (2) -30 ° di sekitar X (tangan kanan); (3) 0 ° di sekitar Y (tangan kanan).

MEJA 2
Parameter utama sensitivitas enam skenario.

Skenario Blok awal sampel

Ukuran (m) Diskritisasi Catatan Di luar Angka dalam X, Y dan

Dalam X, Y dan Z
blok Z 150mgrid 50mgrid
1a 150 × 150 × 7,5 15 × 15 × 1 1 -
1 sampel per blok Tidak

1b 50 × 50 × 7,5 5×5×1 - 1
2 300 × 150 × 15 30 × 15 × 2 Produksi bulanan Tidak 2×1×2 6×3×2

3 300 × 150 × 45 30 × 15 × 6 Produksi triwulanan Tidak 2×1×6 6×3×6

4 300 × 150 × 15 30 × 15 × 2 Produksi bulanan Iya 4×3×4 8×5×4

5 300 × 150 × 45 30 × 15 × 6 Produksi triwulanan Iya 4×3×8 8×5×8

6 600 × 150 × 45 60 × 15 × 6 produksi 6 bulan Iya 6×3×8 14 × 5 × 8

TABEL 3
Satuan variogrammodel standar deviasi dari kesalahan.

Skenario Ukuran blok awal Jumlah blok awal Blok unit ambang variogrammodel standar
(m) di X, Y dan Z per deviasi kesalahan 150mgrid 50mgrid
Perempat 6 bulan Awal Kuartal Kuartal
6 bulan Awal 6 bulan
1a 150 × 150 × 7,5 12 24 0,74 0.21 0,15 - - -
1b 50 × 50 × 7,5 108 216 - - - 0,64 0,062 0,044

2 300 × 150 × 15 3 6 0,41 0,23 0.17 0.11 0,064 0,045

3 300 × 150 × 45 1 2 0,29 0,29 0.21 0,066 0,066 0,047

4 300 × 150 × 15 3 6 0.21 0.12 0,087 0,073 0,042 0,030

5 300 × 150 × 45 1 2 0.18 0.18 0.13 0,054 0,054 0,038

6 600 × 150 × 45 - 1 - - 0.13 - - 0,039

SIMPOSIUM PEMODELAN OREBODY DAN PERENCANAAN TAMBANG STRATEGIS 2014 / PERTH, WA, 24-26 NOVEMBER 2014 113
G VERLY, T POSTOLSKI DAN HM PARKER
Gambar 4 – Standar deviasi model variogram ambang unit dari kesalahan untuk
blok produksi triwulanan besar 300 m× 150 m× 45 m. Varians estimasi dihitung
untuk berbagai ukuran blok awal dan konfigurasi sampel, kemudian diskalakan
ulang ke blok produksi triwulanan dengan asumsi independensi kesalahan,
seperti yang ditunjukkan pada Tabel 3. Ukuran blok awal adalah (lihat Tabel 2):
sehingga hanya ada satu sampel di blok untuk Skenario 1; ukuran blok produksi
bulanan untuk Skenario 2 dan 4; ukuran blok produksi triwulanan untuk Skenario
3 dan 5. Tidak ada sampel di sekitar blok awal yang digunakan untuk Skenario 1,
2 dan 3. Sampel di sekitar blok awal digunakan untuk Skenario 4 dan 5.
blok. Karena sampel dibagi, kesalahan estimasi blok bulanan
awal tidak independen, dan varians estimasi blok triwulanan
yang dihasilkan terlalu rendah. Perbedaan persen dari
Skenario 5 yang benar dapat menjadi signifikan; misalnya,
sekitar 30 persen perbedaan diamati dari Skenario 5 hingga
Skenario 2 untuk grid lubang bor 150 m (deviasi standar
USVM dari 0,18 hingga 0,23). Perbedaan persen kurang
signifikan untuk grid 50 m.
Tabel 3 dan Gambar 4 juga menunjukkan bahwa, ketika diskalakan
ulang ke produksi triwulanan, tiga skenario pertama memberikan
jawaban yang hampir sama tetapi tidak persis sama untuk grid
lubang bor 50 m (deviasi standar USVM masing-masing 0,062, 0,064
dan 0,066) dan sangat berbeda jawaban untuk grid 150 m yang lebih
luas (deviasi standar USVM masing-masing 0,21, 0,23 dan 0,29).
Tidak ada sampel yang dibagikan saat memperkirakan blok awal
dengan skenario ini. Hasilnya berbeda karena ukuran blok awal yang
tidak terlalu besar dibandingkan dengan rentang variogram,
sehingga menghasilkan kesalahan estimasi blok awal yang tidak
independen.
Kasus Skenario 1 menarik. Skenario 1 bergantung pada
perhitungan varians ekstensi dari blok awal yang kecil. Karena blok
ini kecil, varians estimasi blok agregat rescaled cenderung lebih
rendah dari yang seharusnya. Namun, Skenario 1 juga menyiratkan
bahwa tidak ada sampel di luar blok agregat yang diskalakan ulang
yang dipertimbangkan. Hal ini dapat mengakibatkan varians
estimasi blok agregat yang lebih tinggi dari yang seharusnya jika
sampel di luar blok agregat harus dipertimbangkan. Oleh karena itu
ada efek pembatalan kesalahan perhitungan ketika metodologi
varians ekstensi digunakan untuk mendapatkan varians dari blok
besar yang dikelilingi oleh sampel. Tabel 3
114 SIMPOSIUM PEMODELAN OREBODY DAN PERENCANAAN TAMBANG STRATEGIS 2014 / PERTH, WA, 24-26 NOVEMBER 2014
dan Gambar 4 menunjukkan bahwa untuk grid sampel 150m, deviasi
standar USVM triwulanan dari kesalahan adalah 0,21 untuk Skenario
1 ketika seharusnya 0,29 (Skenario 3) atau 0,18 (Skenario 5),
tergantung pada apakah sampel hanya dalam blok terpisah
triwulanan harus dipertimbangkan (Skenario 3) atau jika sampel di
luar blok juga harus dipertimbangkan (Skenario 5).
Untuk rekapitulasi, hasilnya mungkin terlalu pesimis bila
sampel hanya dalam blok awal yang dipertimbangkan. Hasilnya
mungkin terlalu optimis ketika sampel di dalam maupun di luar
blok awal dipertimbangkan dan Persamaan 8 digunakan untuk
penskalaan ulang ke blok yang lebih besar. Hasilnya mungkin
juga terlalu optimis ketika ukuran blok awal relatif kecil terhadap
rentang variogram. Hasilnya mungkin atau mungkin tidak
terlalu optimis ketika metodologi varians ekstensi digunakan,
tergantung pada situasinya.
Blok yang lebih besar, misalnya blok produksi triwulanan, lebih
disukai sebagai titik awal. Blok yang lebih besar mengurangi
ketergantungan kesalahan karena ukuran blok yang kecil. Hal ini
juga memungkinkan sampel di atas dan di bawah blok awal untuk
dipilih, terutama jika blok tidak terlalu tebal, seperti yang dilakukan
untuk Skenario 5.
Dengan asumsi bahwa produksi tahunan terdiri dari dua panel
besar berukuran 600 m × 150 m × 45 m, membagi varians estimasi
blok triwulanan dengan dua untuk mendapatkan varians estimasi
panel (cf Persamaan 8) masuk akal. Ada beberapa sampel yang
tumpang tindih saat melakukan itu, tetapi minimal, seperti yang
terlihat pada Tabel 3; Skenario 5 (blok triwulanan awal diubah
menjadi blok enam bulan) dan Skenario 6 (blok produksi awal enam
bulan) menghasilkan deviasi standar kesalahan yang serupa (0,13
dan 0,13 untuk kisi sampel 150 m dan 0,038 dan 0,039 untuk 50 m
kisi sampel). Kemudian, bagi lagi dengan dua untuk mendapatkan
varians estimasi tahunan yang benar karena kedua panel berjauhan (
cf Gambar 3).
Untuk jarak lubang bor yang lebar, dengan mempertimbangkan asal grid
pengeboran yang berbeda dapat digunakan untuk menguji kemungkinan fluktuasi
varians estimasi.
Statistik analisis data eksplorasi
Selain ukuran blok dan konfigurasi sampel di dalam dan di
sekitar blok, statistik berikut diperlukan: mean, CV, dan
variogram dari variabel yang diinginkan. Statistik harus
dideclustered dan akhirnya top-cut. Preferensi penulis
adalah menggunakan correlogram non-ergodik (sebenarnya
1-ρ(h)) seperti yang didefinisikan dalam Srivastava dan
Parker (1988). Correlogram ini kurang bising dan terdistorsi
daripada variogram tradisional dengan adanya cluster dan
distribusi miring.
Batasan atau amplop EDA di mana statistik dihitung adalah
penting. Seringkali, itu akan menjadi domain geologis/
estimasi, seperti cangkang kadar untuk kadar pada Gambar
2. Namun, kadang-kadang, amplop yang berbeda harus
ditentukan ketika hanya sebagian dari material yang
ditambang, seperti amplop EDA untuk indikator cangkang.
Definisi amplop ini penting karena berdampak pada
proporsi indikator atau bahan di dalam amplop, dan
karenanya berdampak pada varians estimasi dan interval
kepercayaan (Persamaan 3 dan 4).
Hitung varians estimasi
Varians estimasi diberikan oleh rumus dalam Persamaan 1.
Semua istilah dalam rumus ini diketahui atau dapat dihitung
setelah model variogram, konfigurasi blok dan sampel dan
bobot estimasi sampel ditentukan. Sebagian besar
perangkat lunak komersial menghitung varians estimasi ini
jika kriging biasa digunakan. Program GSLIB kt3d domain
publik juga merupakan pilihan (Deutsch dan Journel, 1998).
 MENILAI KETIDAKPASTIAN DENGAN STUDI JARAK LUBANG BOR – APLIKASI SUMBER DAYA TOMINERAL
Dalam praktiknya, mungkin ada masalah jika blok yang tidak beraturan dan/
atau banyak sampel yang digunakan. Dengan pengecualian Isatis®, sebagian
besar paket perangkat lunak penambangan komersial tidak dapat melakukan
krige blok tidak beraturan, dan jumlah sampel untuk memperkirakan blok
terbatas. Sejumlah besar sampel juga dapat menyebabkan ketidakakuratan
numerik saat menyelesaikan sistem kriging.
Beberapa pemrograman diperlukan untuk mengatasi masalah
ini. Kode kt3d adalah domain publik, dan bagian dari kode yang
memecahkan sistem kriging dapat dimodifikasi. Sisi kiri dari
sistem kriging berisi nilai variogram antara dua lokasi sampel,
sedangkan sisi kanan berisi nilai variogram rata-rata antara blok
dan satu lokasi sampel pada suatu waktu. Perhatikan bahwa
tidak ada dalam teori yang mengharuskan blok menjadi teratur
atau sampel berada pada dukungan konstan.
Tiga modifikasi dapat dipertimbangkan. Pertama, semua
perhitungan harus dilakukan dengan presisi ganda. Kedua,
balok tidak beraturan dapat dihitung dengan memodifikasi nilai
variogram rata-rata dari sisi kanan sistem kriging. Hal ini dapat
dicapai dengan mengganti titik diskritisasi blok reguler yang
secara otomatis dihasilkan oleh kode dengan titik diskritisasi
blok tidak beraturan. Ketiga, sejumlah besar sampel individu
dapat dibagi dua dengan menggunakan kelompok dua sampel
atau lebih dan memodifikasi sisi kiri dari sistem kriging yang
sesuai.
Pilihan lain adalah mendapatkan bobot estimasi yang masuk
akal untuk blok produksi besar selain bobot kriging, seperti
bobot jarak terbalik, dan menghitung varians estimasi
menggunakan Persamaan 1.
Gabungkan varians estimasi estimation
Jika varians estimasi suatu produk atau rasio dua variabel
diperlukan, Persamaan 5 atau 6 dapat digunakan. Salah satu
masalah yang mungkin adalah bahwa koefisien korelasi antara
kesalahan diperlukan dalam rumus.
Dalam beberapa kasus, koefisien korelasi antara kesalahan
adalah atau dapat diasumsikan mendekati nol, dan varians
estimasi relatif dari produk atau rasio adalah jumlah varians
estimasi relatif dari dua variabel. Hal ini dapat terjadi di
mana salah satu variabel adalah indikator (proksi untuk ton)
dan yang lainnya adalah kadar, dan di mana varians estimasi
relatif dari logam yang terkandung diperoleh dengan
menambahkan dua varians estimasi relatif dari indikator dan
grade. .
Jika dua variabel secara intrinsik berkorelasi dan konfigurasi
sampel yang sama telah digunakan untuk memperkirakan rata-rata
dari dua variabel dalam sebuah blok, koefisien korelasi antara dua
kesalahan adalah koefisien korelasi antara dua variabel (Journel dan
Huijbregts, 1978). Hal ini dapat terjadi ketika salah satu variabelnya
adalah ketebalan dan variabel lainnya adalah akumulasi (gradasi
dikalikan ketebalan), dimana grade diperoleh dengan membagi
akumulasi dengan ketebalan. Hubungan ketebalan kelas,
bagaimanapun, perlu diuji dengan hati-hati. Dalam beberapa
endapan, kadar sebanding dengan ketebalan, sedangkan sebaliknya
terjadi pada yang lain.
Untuk kasus lain (yaitu dua kesalahan tidak independen
atau dua variabel tidak berkorelasi secara intrinsik) koefisien
korelasi dari dua kesalahan harus dihitung (Journel dan
Huijbregts, 1978).
Jika korelasi antara kesalahan positif dan diabaikan dalam
perhitungan, varians relatif akhir akan terlalu rendah untuk
suatu produk dan terlalu tinggi untuk hasil bagi, dan sebaliknya
jika korelasinya negatif.
SIMPOSIUM PEMODELAN OREBODY DAN PERENCANAAN TAMBANG STRATEGIS 2014 / PERTH, WA, 24-26 NOVEMBER 2014
APA YANG MEMPENGARUHI KETIDAKPASTIAN?
Berikut ini adalah pendorong utama varians estimasi relatif
dan interval kepercayaan relatif (CI) yang dihasilkan,
misalnya CI 90 persen.
Pertama, ada ukuran blok produksi. Semakin besar blok untuk
konfigurasi sampel yang sama, semakin kecil CI. Ketidakpastian
keseluruhan dapat dikurangi secara signifikan dengan meningkatkan
produksi atau menggabungkan produksi dari area yang berbeda.
Kemudian, ada jumlah sampel. Semakin banyak sampel
dalam blok produksi, semakin sempit CI. Sampel di sekitar
blok, khususnya sampel di atas dan di bawah blok, dapat
berdampak signifikan jika blok cukup tipis (misalnya, tinggi
dua hingga tiga bangku). Misalnya, lihat perbedaan antara
Skenario 3 dan 5 pada Gambar 4.
CV adalah pendorong utama. Ada hubungan linier antara CV
dan CI (Persamaan 3). Untuk variabel indikator, CV meningkat
ketika rata-rata indikator (proporsi) menurun (Persamaan 4). Ini
merupakan pertimbangan penting untuk elemen proporsi
'rendah', seperti material yang mengandung arsenik tinggi
dalam deposit tembaga porfiri.
Variogram juga penting, khususnya ambang dan rentang
struktur terpanjang (yaitu variasi skala panjang). Perhatikan
bahwa untuk CV tertentu, varians estimasi relatif terbesar
diperoleh ketika model variogram adalah efek nugget murni
(yaitu ketika tidak ada redundansi informasi antara nilai
sampel).
KESIMPULAN
Studi jarak lubang bor yang melibatkan perhitungan estimasi varians
relatif sederhana dan cepat untuk diselesaikan. Mereka adalah alat
yang berguna untuk penilaian risiko dalam situasi sederhana.
Sementara hasilnya tidak selengkap atau secanggih yang dapat
diperoleh dengan simulasi bersyarat, jika waktu atau uang kurang
atau jika tujuannya adalah untuk memberikan interval kepercayaan
relatif yang masuk akal dari atribut yang diestimasi (misalnya kriged)
selama periode waktu menengah hingga panjang. , studi jarak
lubang bor adalah pilihan yang valid. CI yang diperoleh harus
dianggap sebagai perkiraan daripada CI yang ketat.
Meskipun sederhana untuk diselesaikan, pemikiran yang cermat
harus diberikan pada masalah sebelum memulai studi. Secara
khusus, risiko utama harus diidentifikasi terlebih dahulu, seperti
kadar, volume cangkang bermutu tinggi, ton di atas kadar batas, dll.
Mengidentifikasi risiko memerlukan pemahaman tentang geologi
dan metode penambangan yang diantisipasi.
Berbagai situasi dapat diakomodasi oleh studi jarak lubang
bor; misalnya, ketidakpastian seputar kadar atau elemen yang
merusak; proporsi bahan bantalan tanah liat; atau pada tonase,
kadar dan kandungan logam dari zona kadar tinggi atau
perkiraan batas stope bawah tanah. Ketidakpastian dapat
diselidiki secara konseptual untuk ukuran blok produksi tertentu
dan jarak lubang bor yang berbeda. Hasil (yaitu jarak lubang bor
yang diperlukan untuk mencapai interval kepercayaan tertentu)
dapat digunakan sebagai panduan untuk klasifikasi atau sebagai
bagian dari penilaian risiko produksi masa depan.
Ketidakpastian juga dapat dinilai untuk beberapa peningkatan
produksi berturut-turut menggunakan informasi lubang bor
yang sebenarnya dengan atau tanpa lubang tambahan.
Varians estimasi sering dihitung pada blok awal yang lebih
kecil dari blok produksi target, dan hasilnya diskalakan ulang
untuk memperhitungkan blok yang lebih besar dengan asumsi
independensi kesalahan. Sampel yang terletak di luar maupun di
dalam blok produksi target harus dipertimbangkan karena
dapat berdampak signifikan pada varians estimasi dan interval
kepercayaan yang dihasilkan – jika hanya sampel di dalam blok
yang dipertimbangkan, hasilnya mungkin terlalu konservatif.
115
G VERLY, T POSTOLSKI DAN HM PARKER
Dimulai dengan blok awal dengan sampel di dalam dan di sekitar blok
dan menskalakan kembali hasilnya untuk memperhitungkan blok yang
lebih besar dengan asumsi independensi kesalahan dapat menyebabkan
hasil yang terlalu optimis. Memang, prosedur ini menyiratkan bahwa
beberapa sampel dibagi dalam estimasi blok awal yang berdekatan.
Akhirnya, blok awal tidak boleh terlalu kecil karena ini dapat
membatalkan asumsi independensi untuk kesalahan.
Menghitung varians estimasi secara langsung untuk blok
produksi besar (misalnya blok produksi triwulanan) lebih
disukai.
Hampir semua paket perangkat lunak penambangan
komersial terbatas dalam hal perhitungan varians estimasi.
Blok harus teratur, jumlah sampel terbatas dan kriging biasa
harus digunakan. Namun, relatif mudah untuk memodifikasi
kode domain publik atau menulis kode baru yang
memperhitungkan blok tidak beraturan besar, sejumlah
besar sampel dan/atau metode estimasi selain kriging.
PENGAKUAN
Penulis ingin mengucapkan terima kasih kepada AMEC atas izin untuk menerbitkan
makalah ini.
REFERENSI
Abzalov, MZ dan Bower, J, 2009. Optimalisasi jaringan bor di
Weipa bauksitdeposit menggunakan simulasi bersyarat, diProsiding
Konferensi Geologi Pertambangan Internasional Ketujuh, hlm 247–251
(Institut Pertambangan dan Metalurgi Australasia: Melbourne).
Bertoli, O, Paul, A, Casley, Z and Dunn, D, 2013. Analisis jarak lubang
bor geostatistik untuk klasifikasi sumber daya batubara di
Bowen Basin, Queensland, Jurnal Internasional Geologi Batubara,
112:107–113.
Boucher, A, Dimitrakopoulos, R dan Vargas-Guzman, A, 2005. Simulasi
sambungan, jarak lubang bor yang optimal dan peran timbunan,
dalam Geostatistik Banff 2004 (eds: O Leuangthong dan CV Deutsch),
volume 1, hlm 35–44 (Springer: Dordrecht).
Buxton, B, 1985. Penentuan geostatistik dari ketepatan perkiraan
cadangan yang dapat diperoleh kembali secara global, tesis PhD,
Departemen Ilmu Bumi Terapan, Universitas Stanford, California.
Clark, I, 1976. Beberapa aspek komputasi praktis dari perencanaan tambang,
dalam Geostatistik Lanjutan di Industri Pertambangan (eds: MGuarascio, CJ
Huybrechts dan MDavid), hlm 391–399 (Reidel: Dordrecht).
Kornah, A, Vann, J and Driver, I, 2013. Perbandingan tiga pendekatan
geostatistik untuk mengukur dampak jarak bor pada kepercayaan
sumber daya untuk lapisan batubara (dengan contoh kasus dari
Moranbah North, Queensland, Australia), Jurnal Internasional Geologi
Batubara, 112:114–124.
Daud, M, 1977. Estimasi Cadangan Bijih Geostatistik, 364 p (Lainnya:
Amsterdam).
Davis, B, 1997. Beberapa metode untuk menghasilkan perkiraan interval untuk
sumber daya global dan lokal, dalam Pracetak UKM 97–5, 4 p (Masyarakat
Pertambangan, Metalurgi, dan Eksplorasi: Littleton).
Jerman, CV dan Jurnal, AG, 1998. GSLIB: Perangkat Lunak Geostatistik
Perpustakaan dan Panduan Pengguna, 380 p (Oxford University Press: New York).
Diehl, P dan David, M, 1982. Klasifikasi cadangan/sumber daya bijih
berdasarkan metode geostatistik, Buletin CIM, 75(838):127–136.
Dimitrakopoulos, R, Godoy, M dan Chou, CL, 2009. Klasifikasi sumber
daya/cadangan dengan pengukuran variabilitas geometrik dan kadar
lokal terintegrasi, diProsidingOrebodyModeling dan Perencanaan
Strategis Tambang 2009 (ed: R Dimitrakopoulos), hlm 207–214
(Institut Pertambangan dan Metalurgi Australasia: Melbourne).
tanah beku, G, Menabde, M, Stone, P andHodson, D, 2007. Nilai
pemboran tambahan untuk proyek tambang terbuka, Pemodelan
Tubuh Bijih dan Perencanaan Tambang Strategis 2007, (ed: R
Dimitrakopoulos), hlm 246–252 (Institut Pertambangan dan Metalurgi
Australasia: Melbourne).
116 SIMPOSIUM PEMODELAN OREBODY DAN PERENCANAAN TAMBANG STRATEGIS 2014 / PERTH, WA, 24-26 NOVEMBER 2014
Harrison, D, 1983. Skema untuk mengklasifikasikan sumber daya
mineral: merasionalisasi kebutuhan akan konsistensi dan akurasi
dengan tuntutan pengungkapan, Pertemuan Tahunan AIME ke-112,
Atlanta, 6-10 Maret, 6 hal.
JORC, 2012. Kode Australasia untuk Pelaporan Hasil Eksplorasi,
Sumber Daya Mineral dan Cadangan Bijih (The JORC Code)
[online]. Tersedia dari: <http://www.jorc.org> (Komite Cadangan
Bijih Gabungan Institut Pertambangan dan Metalurgi
Australasia, Institut Geoscientists Australia dan Dewan Mineral
Australia).
Jurnal, AG dan Huijbregts, Ch J, 1978. Geostatistik Pertambangan, kedua
printing (revisi), 600 p (Academic Press: London).
Sekarang, M dan Verly, G, 2004. Proses praktis untuk simulasi,
dengan penekanan pada simulasi Gaussian, di Prosiding Pemodelan
Badan Bijih dan PerencanaanTambang Strategis2004(
ed:RDimitrakopoulos), hlm 129–136 (Institut Pertambangan dan Metalurgi
Australasia: Melbourne).
tukang parkir, HP dan Brisebois, K, 1998. Audit sumber studi kelayakan fe
model, Juni 1998, laporan rahasia, MRDI.
Ravenscroft, PJ, 1992. Analisis risiko untuk penjadwalan tambang oleh
simulasi bersyarat, Transaksi Kelembagaan Pertambangan dan
Metalurgi, Teknologi Pertambangan, 101:A104-A108.
Roja, O dan Cáceres, A, 2011. Penggunaan simulasi kondisional untuk
evaluasi jarak lubang bor dan pengambilan keputusan di Proyek
Telégrafo, Chili Utara, di Prosiding Konferensi Geologi Pertambangan
Internasional Delapan, hlm 443–451 (Institut Pertambangan dan
Metalurgi Australasia: Melbourne).
Silva, DSF dan Boisvert, JB, 2014. Klasifikasi sumber daya mineral:
perbandingan teknik baru dan yang sudah ada, Jurnal Institut
Pertambangan dan Metalurgi Afrika Selatan, 114:265–273.
Srivastava, RM dan Parker, HM, 1988. Pengukuran spasial yang kuat
kontinuitas, dalam Prosiding Kongres Geostatistik Internasional
Ketiga: Geostatistik Avignon '88 (ed: M Armstrong), hlm 295–308
(Reidel: Dordrecht).
Stephenson, PR, 1998. Kode JORC, 1987–1997, di Geologi dari
Deposit Mineral Australia dan Papua Nugini, hlm 45–52 (Institut
Pertambangan dan Metalurgi Australasia: Melbourne).
Survei USG (USGS), 1980. Prinsip klasifikasi sumber daya/cadangan
mineral [online], Surat Edaran Survei Geologi 831,
5 hal. Tersedia dari: <http://pubs.usgs.gov/circ/1980/0831/
report.pdf>.
Survei Geologi AS dan Biro Pertambangan AS, 1976. Prinsip-
prinsip sistem klasifikasi sumber daya mineral Biro
Pertambangan AS dan Survei Geologi AS [online], Buletin Survei
Geologi 1450-A, 5 hal. Tersedia dari: <http://pubs.usgs.gov/bul/
1450a/report.pdf>.
Vallee, M dan Côte, D, 1992. Panduan evaluasi emas
simpanan: mengintegrasikan evaluasi simpanan dan praktik inventaris
cadangan, Buletin CIM, 85(957):50–61.
sungguh,G, Brisebois, K, Hart, WandHammitt, J, 2009. Simulasi
model sesar dari deposit tembaga porfiri Resolusi, di
Prosiding Pemodelan Badan Bijih dan Perencanaan Strategis Tambang 2009
(ed: R Dimitrakopoulos), hlm 309–318 (Institut Pertambangan
dan Metalurgi Australasia: Melbourne).
Gereja Penyihir, KD, Gillies, ADS dan Just, GD, 1987. Sebuah geostatistik
pendekatan klasifikasi cadangan batubara, dalam Prosiding Kongres
Lingkar Pasifik '87, hlm 475–482 (Institut Pertambangan dan
Metalurgi Australasia: Melbourne).
Wober, HH dan Morgan, PJ, 1993. Klasifikasi cadangan bijih
berdasarkan parameter geostatistik dan ekonomi, Buletin CIM,
86(966):73–76.
LAMPIRAN
Lampiran ini adalah bagian dari laporan yang membahas anteseden
historis untuk Cl yang disarankan disiapkan oleh Parker (1998); ini belum
pernah dipublikasikan secara resmi. HA Simons mengakuisisi Mineral
Resource Development Inc. (MRDI) pada tahun 1995 sebelum diakuisisi
sendiri oleh AMEC pada tahun 2000.
 MENILAI KETIDAKPASTIAN DENGAN STUDI JARAK LUBANG BOR – APLIKASI SUMBER DAYA TOMINERAL
Tinjauan Literatur
Sejumlah makalah telah diterbitkan yang mencoba merekomendasikan
perkiraan akurasi kuantitatif untuk mengklasifikasikan sumber daya dan
cadangan (komentar MRDI dicetak miring):
• Survei Geologi AS dan Biro Pertambangan AS (1976)
mensyaratkan bijih terukur diketahui dalam ±20 persen.
Tidak ada tingkat kepercayaan yang ditentukan atau indikasi dari
tonase atau volume yang terlibat. Tingkat akurasi ini tidak lagi
digunakan oleh USGS (1980). Biro Pertambangan AS dibubarkan pada
tahun 1996.
• Harrison (1983) mempresentasikan skema klasifikasi yang diadopsi
oleh Exxon Minerals Company. Sumber daya dan cadangan
diklasifikasikan sebagai Kelas I, II dan III. Kesalahan standar relatif
yang sesuai dari perkiraan yang diperlukan untuk tingkat
peningkatan produksi tahunan bijih adalah sepuluh, 20 dan 40
persen.Berdasarkan batas-batas ini dan dengan mengasumsikan
distribusi kesalahan yang normal, batas kepercayaan relatif 90
persen yang setara adalah ±16, 33 dan 66 persen.
• Diehl dan David (1982) mengakui bahwa ukuran kenaikan
yang diklasifikasikan tergantung pada tingkat perencanaan
yang diperlukan, dengan kenaikan yang lebih kecil
diperlukan untuk perencanaan yang lebih rinci. Selain itu,
tingkat risiko yang dapat ditoleransi menjadi lebih ketat
karena perencanaan yang diperlukan menjadi lebih rinci.
Batas kepercayaan 95 persen berikut untuk nilai disarankan:
• Kelas A (terbukti): 40 hari sampai delapan bulan: ±20 persen
• Kelas B (kemungkinan): delapan bulan hingga dua tahun:
±40 persen
• Kelas C (mungkin): dua hingga empat tahun: ± 80 persen.
Berdasarkan kriteria ini, batas kepercayaan relatif 90 persen
yang sesuai adalah: ±16, 33 dan 66 per cent, sangat mirip
dengan yang diadopsi oleh Exxon.
• Vallée andCôte (1992) mengembangkan kriteria untuk
deposit emas berdasarkan kemungkinan 90 persen
kadarnya lebih besar dari batas bawah (margin of error).
Baik margin kesalahan global maupun lokal disarankan,
dengan 'lokal' didefinisikan pada tahap kelayakan sebagai
produksi satu hingga tiga bulan. Empat kelas diakui:
• Terbukti/Terukur (I): margin kesalahan global harus kurang
dari sepuluh persen dan margin kesalahan lokal kurang dari
25 persen. Kategori ini cukup untuk memungkinkan
perencanaan tambang dan peramalan produksi yang
terperinci, tetapi belum tentu kontrol produksi yang
terperinci.
• Terbukti/Terukur (II): margin kesalahan global harus
kurang dari 20 persen dan margin kesalahan lokal
harus kurang dari 50 persen. Pengetahuan cukup
untuk perencanaan lombong tetapi tidak untuk
perencanaan produksi akhir.
• Kemungkinan/Terindikasi (I): margin kesalahan global harus
kurang dari 30 persen dan margin kesalahan lokal lebih dari
50 persen. Kontinuitas dijamin dan ditunjukkan dengan
pengeboran dan pengambilan sampel pada grid yang
sistematis namun lebar.
• Kemungkinan/Terindikasi (II): margin kesalahan global harus
kurang dari 40 persen dan margin kesalahan lokal disebut
'berlebihan'. Kepadatan pengambilan sampel sesuai untuk
menetapkan volume, batas, massa dan kadar secara akurat
hanya untuk perencanaan dan perkiraan yang bersifat
konseptual.
Vallée dan Côte juga menunjukkan bahwa margin kesalahan
global pada tahap kelayakan (dasar keputusan produksi)
harus ±10 persen.
Mengingat margin kesalahan global Vallée dan Coté yang ketat untuk
sumber daya/cadangan yang mendukung studi kelayakan, itu akan
SIMPOSIUM PEMODELAN OREBODY DAN PERENCANAAN TAMBANG STRATEGIS 2014 / PERTH, WA, 24-26 NOVEMBER 2014
tampaknya banyak/sebagian besar cadangan harus di Terbukti in
(I) kategori, meskipun penulis mengizinkan semua kelas yang disebutkan
di atas untuk digunakan dalam penelitian. Menurut pendapat MRDI,
sebagian besar atau semua Probable (II) Vallée akan disimpulkan dan
Probable I hanya akan dimasukkan dalam studi kelayakan asalkan cukup
Terbukti (I+II) untuk menunjukkan bahwa bijih memang kontinu pada
interval yang diwakili oleh lebar -pengeboran spasi.
• Wober dan Morgan (1993) memperkenalkan penggunaan
ekspektasi ekonomi dalam klasifikasi cadangan (mereka tidak
membahas sumber daya). Ekspektasi ekonomi pada dasarnya
didefinisikan sebagai arus kas minimum yang diinginkan setelah
pembayaran biaya operasi dan modal yang dialokasikan.
• Cadangan terbukti/terukur (A) harus diketahui sedemikian
rupa sehingga ekspektasi ekonomi terpenuhi setiap tahun
pada batas bawah interval kepercayaan 95 persen dua sisi
(dasar tahunan) selama periode yang diperlukan untuk
membayar kembali modal. Kesalahan relatif yang
diperbolehkan dihitung kembali, tetapi disarankan sekitar
±10 persen.
• Cadangan mungkin/terindikasi (B) harus diketahui
sedemikian rupa sehingga ekspektasi ekonomi terpenuhi
setiap tahun pada batas bawah interval kepercayaan 84
persen dua sisi (dasar tahunan) selama periode yang
diperlukan untuk membayar kembali modal, atau periode
yang lebih rendah jika cadangan ini melengkapi cadangan
Kelas A. Kesalahan relatif yang diizinkan dihitung kembali,
tetapi disarankan ±10 hingga 15 persen.
• Cadangan terindikasi/kemungkinan (C) harus diketahui sedemikian
rupa sehingga ekspektasi ekonomi terpenuhi pada batas bawah
interval kepercayaan 95 persen dua sisi (berbasis global) selama
periode yang diperlukan untuk membayar kembali modal, atau
periode yang lebih rendah jika ini melengkapi Kelas Cadangan A +
Kelas B. Kesalahan relatif yang diizinkan dihitung kembali, tetapi
disarankan ±10 hingga 15 persen.
• Cadangan terindikasi/kemungkinan (D) harus diketahui
sedemikian rupa sehingga ekspektasi ekonomi terpenuhi jika
peningkatan produksi global atau tahunan berada dalam interval
kepercayaan 84 persen dan mencakup setidaknya 80 persen
modal, operasi, dan biaya lainnya. Kesalahan relatif yang
disarankan (dalam interval kepercayaan 84 persen) adalah ±15
hingga 20 persen.
Tampaknya batas kepercayaan 90 tahunan yang disarankan untuk
Terbukti/diukur (A) setidaknya ±8 persen. Untuk Kemungkinan/
terindikasi (B), batas kepercayaan 90 persen tahunan akan menjadi
sekitar ±9–13 persen. Untuk Kemungkinan/terindikasi (C), batas
kepercayaan global 90 persen akan menjadi sekitar ±12–18 persen.
Untuk Kemungkinan/terindikasi (D), batas kepercayaan global 90
persen akan menjadi ±12–18 persen. Wober dan Morgan tidak
membahas masalah keandalan atau kontinuitas data.
• Stephenson (1998) menyatakan bahwa 'akurasi yang mungkin
melekat pada estimasi sumber daya terukur yang diklasifikasikan
dengan tepat mungkin berkisar hingga ±15 persen'. Tidak ada batas
kepercayaan yang ditentukan atau indikasi tonase dan volume yang
terlibat. Mr Stephenson adalah Sekretaris JORC.
Tampaknya ada sejumlah prinsip yang berkembang:
• penggunaan batas kepercayaan menjadi lebih penting dengan
penerimaan geostatistik yang lebih luas
• penting untuk membedakan volume di mana batas
kepercayaan diterapkan
• batas kepercayaan dapat digunakan dalam kategorisasi sumber daya/cadangan
• perkiraan tingkat kelayakan memerlukan sumber daya/cadangan yang ditentukan
dengan batas kepercayaan yang lebih ketat daripada studi pra-kelayakan
• ekonomi harus diperhitungkan dalam menetapkan batas
kepercayaan dan kategorisasi sumber daya (Wober dan Morgan)
117
G VERLY, T POSTOLSKI DAN HM PARKER
• panduan untuk kategorisasi telah dikembangkan untuk jenis endapan
tertentu misalnya emas di sabuk batu hijau Archean (Vallée dan Côte)
• ada pengetatan bertahap batas kepercayaan yang
berlaku untuk studi kelayakan.
pengalaman MRDI
MRDI umumnya menemukan bahwa untuk endapan logam dasar dan
logam mulia, pengeboran yang cukup untuk memperkirakan tonase,
kadar dan kandungan logam pada peningkatan produksi tahunan ±15
persen pada kepercayaan 90 persen cukup untuk menentukan Sumber
Daya Tertunjuk. Saat itulah batas kepercayaan yang dinyatakan
terpenuhi, interpretasi rencana penampang dan tingkat menunjukkan
kontinuitas sehubungan dengan garis besar dan kadar badan bijih. Selain
itu, MRDI sering menemukan bahwa proyeksi arus kas tahunan dapat
mengakomodasi penurunan 15 persen dalam tonase, kadar, atau
kandungan logam tanpa sangat mempengaruhi kelangsungan proyek.
Juga, banyak proyek dirancang dan dioperasikan sedemikian rupa
sehingga kekurangan 15 persen dapat dipenuhi dengan menjadwal ulang
produksi. Kekurangan yang lebih parah sulit diatasi. Akhirnya, cakrawala
perencanaan untuk studi kelayakan umumnya adalah kenaikan tahunan,
dan tingkat kesalahan ±15 persen sering diterapkan pada modal dan
biaya operasional saat melakukan studi kelayakan. Oleh karena itu,
pendekatan yang seimbang membutuhkan tingkat kepercayaan yang
sama dalam sumber daya/cadangan.
Dalam banyak deposit logam mulia, kontinuitas dan kadar bijih
cukup bervariasi sehingga tidak praktis untuk mengebor hingga
kepadatan yang cukup untuk membangun sumber daya terukur/
cadangan terbukti. Tidak diragukan lagi, beberapa material dalam
jarak pendek dari lubang bor dapat dianggap terbukti, tetapi
kurangnya pengeboran jarak dekat menghalangi penetapan jumlah
ekstensi yang dapat dibuat. Hal ini menyebabkan praktik AS
menyatakan sumber daya terindikasi + terindikasi (USGS
didemonstrasikan) dan cadangan terbukti + terkira.
Sayangnya, kode JORC (1996, 1999) dan sebagian besar skema
klasifikasi lainnya memerlukan pelaporan terpisah dari Sumber Daya
Terukur dan Tertunjuk serta Cadangan Terbukti dan Terkira. Oleh karena
itu, MRDI telah mengambil posisi bahwa Sumber Daya Terukur
memerlukan tingkat kepercayaan yang tinggi (akurasi ±15 persen pada
kepercayaan 90 persen) dalam jangka waktu yang singkat, seperti
peningkatan produksi bulanan hingga triwulanan, dengan
118 SIMPOSIUM PEMODELAN OREBODY DAN PERENCANAAN TAMBANG STRATEGIS 2014 / PERTH, WA, 24-26 NOVEMBER 2014
berpandangan bahwa perusahaan satu tambang dengan sumber daya terbatas untuk
aset lain dapat bertahan pada bulan atau kuartal yang buruk tetapi akan mengalami
kesulitan jika kekurangan terjadi selama periode waktu yang lebih lama.
Tingkat kepercayaan yang dinyatakan untuk Sumber Daya
Terindikasi telah diterima dan diterapkan pada tahap kelayakan
untuk Fort Knox, Refugio, Lihir, Collahuasi, Quebrada Blanca, dan
Escondida (Pembaruan cadangan utama dan studi pra-kelayakan
Norte). Tingkat ini juga telah digunakan untuk mengklasifikasikan
sumber daya di tambang yang beroperasi seperti Barrick Goldstrike,
Konkola Deep dan Jerritt Canyon.
Personil MRDI telah memiliki beberapa pengalaman
dengan validasi batas kepercayaan. Secara umum, batas
kepercayaan yang ditentukan melalui kombinasi varians
estimasi dapat divalidasi silang melalui simulasi kondisional
(Fort Knox, Escondida Main). Staf MRDI telah menemukan
bahwa batas kepercayaan global yang relatif 'ketat' yang
sering diperoleh dapat menyesatkan atau kemudian terbukti
salah. Sebagai contoh, di Porgera, batas ±7 persen diprediksi
untuk bijih tambang terbuka menggunakan pengeboran
pada grid 60 m. Pengeboran pengisi ke grid 30 m mengubah
kadar rata-rata sebesar 20 persen. Alasannya adalah
perubahan dalam area pengaruh beberapa intersep tingkat
sangat tinggi karena kontrol struktural yang tidak terduga
pada jarak bor yang lebih luas.
MRDI setuju dengan Ravencroft (komunikasi pribadi, November
1998) bahwa 'batas kesalahan [batas kepercayaan] harus dilihat
sebagai indikasi, dan digunakan lebih untuk perbandingan relatif
daripada kriteria penilaian risiko yang ketat.'
Dalam situasi ini, simulasi bersyarat dapat sangat berguna
dalam menguji batas kepercayaan dan kepekaannya terhadap
kasus konservatif/optimis untuk kontinuitas spasial. Simulasi
tersebut harus mempertimbangkan unit geologi (simulasi
kategoris), grade dan karakteristik fisik lain yang dapat
diterapkan (misalnya kepadatan). Simulasi kemudian dapat
digunakan untuk menentukan sensitivitas arus kas proyek
terhadap kemungkinan variasi kadar dan karakteristik fisik batu
yang ditemukan setiap tahun.