Diterjemahkan dari bahasa Inggris ke bahasa Indonesia - www.onlinedoctranslator.

com

http://dx.doi.org/10.17159/2411-9717/2017/v117n2a10

Pemodelan geologi 3D dan estimasi

sumber daya untuk deposit emas di Mali
oleh L. Chanderman*, CE Dohm*, dan RCA Minnitt*

terkait dengan perkiraan. Setiap setoran bersifat unik,

oleh karena itu proses MRE untuk setiap setoran
Ringkasan
berbeda-beda. Alur kerja yang diadopsi dalam penelitian
Estimasi Sumberdaya Mineral (MRE) dan klasifikasi sangat bergantung
ini didasarkan pada deposit emas yang mengandung
pada kepercayaan pada model geometri tubuh bijih, yang dikenal sebagai
zona oksida (oksida) dan zona sulfida yang lebih dalam
model geologi, di mana estimasi dibatasi. Oleh karena itu, pemahaman
(sulfida) yang terdiri dari material yang tidak
tentang geologi suatu endapan sangat penting untuk proses evaluasi
terlapukkan (batuan segar), yang terletak di barat daya
Sumber Daya Mineral. Model geologi adalah fungsi dari kompleksitas
struktural dan pengendapan geologi yang ditangkap oleh informasi Mali. Tambang tidak memiliki kemampuan pabrik untuk
pengeboran, yang terbatas pada tahap awal proyek. Efek informasi mengolah sulfida karena kekerasan lekukan, dan
memiliki dampak yang signifikan dalam hal interpretasi geologi serta sebagian besar Cadangan Mineral oksida di konsesi
estimasi kontinuitas kadar dan risiko yang dihasilkan terkait dengan telah habis. Menjelajahi potensi sumber daya oksida
estimasi dan klasifikasi Sumber Daya Mineral. tambahan dengan demikian merupakan langkah alami
Oleh karena itu, ketika informasi pengeboran baru tersedia, perlu untuk untuk meningkatkan umur tambang.
memperbarui dan menyempurnakan model geologis untuk membatasi
perkiraan sumber daya secara tepat. Informasi kelas juga diperbarui, termasuk
statistik dan karakteristik korelasi spasial. Penyempurnaan ini didasarkan
pada interpretasi geologis yang diperoleh dari informasi lubang bor yang Latar belakang
tersedia sepanjang umur tambang; pengetahuan orebody yang berasal dari Setiap proses MRE bersifat iteratif, membutuhkan
pengalaman kerja deposit, serta keakraban dengan paket perangkat lunak pemahaman yang baik tentang: geologi yang
yang digunakan untuk pemodelan, juga penting.
mendasarinya, praktik evaluasi sumber daya yang
baik, dan pengetahuan yang relevan tentang
Dalam pemutakhiran, potensi untuk mengidentifikasi sumber daya baru di daerah yang
literatur, termasuk laporan dan peta perusahaan,
sebelumnya tidak diketahui dapat direalisasikan. Kebalikannya juga dapat terjadi di mana
untuk mengenali dan belajar dari pengalaman masa
interpretasi sebelumnya tentang kontinuitas bijih disangkal. Kedua skenario dapat dihasilkan
dari pemahaman yang lebih baik tentang geologi deposit dan dengan demikian MRE yang
lalu. Informasi ini memberikan referensi dan
lebih realistis, yang mengurangi risiko geologis. Makalah ini menjelaskan bagaimana lubang diketahuia-priori informasi tentang deposit untuk
kontrol kadar canggih yang baru dibor untuk deposit emas di Mali digunakan untuk memandu proses pemodelan dan estimasi. Langkah
menyempurnakan model geologis 3D untuk deposit dalam upaya mengidentifikasi potensi pertama dalam proses MRE adalah pengumpulan
bijih oksida tambahan menggunakan teknik evaluasi geostatistik konvensional. dan persiapan data untuk dijadikan dasar
pemodelan, analisis, dan estimasi. Data ini
mencakup informasi collar, survey, alterasi, assay,
Kata kunci
pemodelan geologi, estimasi sumber daya, evaluasi geostatistik. litologi, kekerasan, dan redoks yang divalidasi untuk
memastikan bebas dari kesalahan. String topografi
permukaan deteksi cahaya dan jangkauan (LIDAR)
adalah jenis data lain yang divalidasi untuk

pengantar memastikan bahwa topografi terwakili secara akurat.

Setelah semua data dianggap berkualitas tinggi dan
Makalah ini menjelaskan metodologi yang dapat
sesuai untuk estimasi, langkah kedua dari proses
diterapkan ketika membangun model geologi
MRE adalah pemodelan geologi 3D berdasarkan data
dari deposit mengikuti pendekatan konvensional.
pemboran. Selama langkah ini, data yang divalidasi
Pemahaman tentang geologi suatu endapan
digunakan untuk menghasilkan serangkaian gambar
merupakan hal mendasar dalam proses estimasi
rangka untuk mewakili tingkat dan pemahaman
Sumber Daya Mineral (MRE), karena perkiraan
terkini tentang
dibatasi oleh kompleksitas geologi yang
ditangkap dalam model geologi, biasanya
berdasarkan geologi, geometri, sifat struktural,
dan distribusi kadar endapan. . Risiko yang
terkait dengan model geologi dan pilihan serta
* Sekolah Teknik Pertambangan, Universitas
kesesuaian teknik estimasi berdampak pada
Witwatersrand, Afrika Selatan.
kepercayaan Sumber Daya Mineral, yang © Institut Pertambangan Afrika Selatan dan
tercermin dari kategori klasifikasi sumber daya Metalurgi, 2017. ISSN 2225-6253. Makalah diterima April
2016; makalah revisi diterima September 2016.

Jurnal Institut Pertambangan dan Metalurgi Afrika Selatan JILID 117 Februari 2017 189
S
Pemodelan geologi 3D dan estimasi sumber daya untuk deposit emas di Mali

geologi dan mineralisasi deposit. Gambar rangka ini adalah dasar Namun, untuk tujuan perencanaan tambang, penting untuk mengetahui perkiraan tonase dan konten sumber

untuk model geologi, yang pada gilirannya merupakan dasar dari daya yang dapat dipulihkan. Hal ini dicapai melalui langkah 7, di mana pengkondisian seragam (UC) diterapkan, yang

MRE, oleh karena itu harus berhati-hati untuk memastikan bahwa memungkinkan perubahan dukungan untuk diterapkan pada tonase ukuran blok estimasi dan kadar di atas nilai batas

tidak ada kesalahan yang terjadi atau dibiarkan menyebar dalam dalam hal ukuran penambangan selektif satuan (SMU). Ini membawa proses MRE ke tahap akhir, di mana semua langkah

proses. Terlepas dari teknik pemodelan komputer yang diterapkan, sebelumnya divalidasi pada langkah 8 untuk memastikan bahwa modelnya realistis dan andal. Model dapat divalidasi

sangat penting bahwa ahli geologi mencegah rutinitas perangkat dengan menghasilkan statistik model dan plot kelas untuk memeriksa perbedaan atau inkonsistensi kelas. Perbandingan

lunak otomatis dari membuat asumsi terprogram tentang geologi, visual; plot bagian melalui model, dan kurva grade-tonase adalah teknik yang memungkinkan perbandingan antara MRE

karena paket perangkat lunak tidak memiliki pengalaman intelektual global dan nilai input. Sumber Daya Mineral kemudian diklasifikasikan sesuai dengan kode yang relevan untuk pelaporan

dari deposit yang dimiliki ahli geologi. Proses pemodelan geologi ini sumber daya mineral dalam latihan klasifikasi. Langkah terakhir dalam proses ini adalah rekonsiliasi model. Langkah ini

sangat penting untuk menentukan domain (daerah stasioner) yang dilakukan untuk mengukur dan mengkualifikasi alasan perbedaan antara model geologi yang diperbarui dan perkiraan

memungkinkan estimasi yang andal. Domain dapat didefinisikan sumber daya yang diperbarui secara konsekuensial dan model sebelumnya untuk deposit. Hasilnya kemudian dilaporkan

dengan menggunakan nilai dalam proses berulang memilih dalam bentuk ton sumber daya yang tersedia dan nilai rata-rata; kriteria penilaian yang dipilih dapat diterapkan untuk

persimpangan mineral dari setiap lubang bor dan kemudian mengidentifikasi risiko yang melekat pada estimasi sumber daya, yang tercermin dari kategori sumber daya yang

memplot distribusi data dan menilai statistik untuk mengidentifikasi dilaporkan. Langkah ini dilakukan untuk mengukur dan mengkualifikasi alasan perbedaan antara model geologi yang

apakah tren ada dalam domain. Domaining membantu dalam diperbarui dan perkiraan sumber daya yang diperbarui secara konsekuensial dan model sebelumnya untuk deposit.

memilih teknik interpolasi; mendefinisikan himpunan bagian dalam Hasilnya kemudian dilaporkan dalam bentuk ton sumber daya yang tersedia dan nilai rata-rata; kriteria penilaian yang

data deposit dan menyoroti outlier dan nilai kelas ekstrim, dan pada dipilih dapat diterapkan untuk mengidentifikasi risiko yang melekat pada estimasi sumber daya, yang tercermin dari

dasarnya menetapkan apakah ada hubungan antar variabel. kategori sumber daya yang dilaporkan. Langkah ini dilakukan untuk mengukur dan mengkualifikasi alasan perbedaan

antara model geologi yang diperbarui dan perkiraan sumber daya yang diperbarui secara konsekuensial dan model

sebelumnya untuk deposit. Hasilnya kemudian dilaporkan dalam bentuk ton sumber daya yang tersedia dan nilai rata-

Langkah ketiga dalam proses MRE adalah analisis data rata; kriteria penilaian yang dipilih dapat diterapkan untuk mengidentifikasi risiko yang melekat pada estimasi sumber

eksplorasi (EDA), yang melibatkan peningkatan pemahaman daya, yang tercermin dari kategori sumber daya yang dilaporkan.

domain dan penyempurnaannya. EDA umumnya dianggap

sebagai aspek terpenting dalam proses MRE karena domain
adalah dasar untuk variografi yang andal – dasar estimasi
geostatistik. Banyak pengujian dilakukan pada domain
untuk memastikan bahwa tidak terjadi pencampuran Pemodelan geologi
populasi, karena ini melanggar asumsi stasioneritas yang Deposit emas yang diteliti terletak di kraton Afrika Barat di
diperlukan untuk estimasi geostatistik. Sampel bermutu bagian Mali dari inlier Paleoproterozoikum yang dikenal
tinggi yang tidak biasa (juga disebut nilai ekstrem) dapat sebagai jendela Kedougou-Kenieba (KKI) (Diena dkk.,
mengakibatkan perkiraan sumber daya yang terlalu tinggi. 2012) ditunjukkan pada Gambar 1. Komponen Birimian
Histogram, plot probabilitas log, dan plot mean dan varians dari KKI telah ditafsirkan sebagai kolase dari setidaknya
dapat dievaluasi untuk menentukan apakah batas kelas dan dua medan berarah NS. Di sebelah barat, suksesi sedimen
potongan teratas diterapkan ke domain. Jika praktisi puas gunung api sabuk hijau yang lebih tua (sekitar 2,2 Ga)
dengan pilihan domain estimasi, yang diterobos oleh batholit kalk-alkali utama milik
Formasi Saboussire. Terpisah dari Formasi Kofi yang
Langkah 4 melibatkan perhitungan variogram terarah dominan sedimennya oleh Zona Geser Senegalo-Malian
eksperimental diikuti oleh analisisnya untuk menentukan arah berarah utara-timur laut (Aidadkk., 2012; Masureledkk.,
kontinuitas mineralisasi yang disukai, dan akhirnya pemasangan 2012).
model variogram. Ini diikuti oleh langkah 5: analisis lingkungan
kriging kuantitatif (QKNA) untuk menentukan kombinasi optimal
dari lingkungan pencarian dan ukuran blok untuk memastikan
ketidakberpihakan bersyarat selama kriging, seperti yang
didefinisikan oleh pengguna. Hanya setelah semua langkah ini
memuaskan, langkah 6 dapat mengikuti, di mana pertimbangan
penting perlu diambil mengenai pilihan metode estimasi dan
kesesuaian metode untuk geologi deposit dan data yang
tersedia.
Dalam kebanyakan situasi, seperti yang sering terjadi pada
tambang yang beroperasi, pilihan metode estimasi dimotivasi oleh
apa yang telah dicoba dan diuji selama bertahun-tahun. Dalam
menghadapi fenomena alam, di mana setiap endapan unik,
pengalaman ahli geologi sumber daya dengan endapan bisa lebih
berpengaruh daripada yang diungkapkan statistik. Setelah metode
estimasi ditemukan relevan untuk deposit, itu diterapkan untuk
memperkirakan nilai ke dalam model blok. Analisis batas domain
adalah praktik yang baik untuk menentukan apakah variasi kadar
melintasi batas mineralisasi-limbah adalah 'keras' atau 'lunak' dan
dengan demikian apakah akan memasukkan informasi ini dalam Gambar 1—Geologi inlier Kedougou-Kenieba yang menunjukkan Main
metode estimasi. Hasil akhirnya akan menjadi model geologi dengan Transcurrent Shear Zone (MTZ) regional dan Senegalo-Malian Shear Zone
nilai perkiraan. (SMS) (iamgold.com, 2015)

190
S

Februari 2017 JILID 117 Jurnal Institut Pertambangan dan Metalurgi Afrika Selatan
Pemodelan geologi 3D dan estimasi sumber daya untuk deposit emas di Mali

Mineralisasi ini memiliki kontrol struktural yang kuat dan
secara spasial terkait dengan pelapukan kompleks dan pola
alterasi, mungkin terkait dengan asal mesothermal – tipikal
untuk penempatan emas di batuan Birimian Afrika Barat (Aida
dkk., 2012; Masureledkk., 2012). Lapisan terlipat dan
mencelupkan perlahan ke timur (25-50 derajat) dan terdiri dari
metapelit grafit di atas karbonat tidak murni (Gambar 2).
Mineralisasi diperkirakan dikendalikan oleh kombinasi
litologi, struktur, pelapukan, dan alterasi, yang memerlukan
kebutuhan untuk kerangka gambar geologi terbaru dari
permukaan pelapukan, batas kekerasan, tingkat alterasi
grafit, dan mineralisasi emas saat informasi baru tersedia.
Semua data pengeboran divalidasi dalam hal analisis
geologi dan geokimia sebelum pemodelan.
Pendekatan yang diikuti untuk membatasi selubung bijih dalam penelitian
ini cenderung ke arah yang lebih konservatif – keseimbangan antara over-
constraining (melebih-lebihkan kontinuitas kadar) dan under-constraining
(termasuk sejumlah besar limbah batas) wireframes diambil untuk
menghindari misrepresentasi kadar dan logam yang dapat dipulihkan.
Penyempurnaan amplop secara manual diperlukan untuk menghindari
memungkinkan perangkat lunak interpolasi memperkenalkan asumsi
yang tidak tepat tentang geologi endapan. Penyesuaian manual ini
melibatkan penggunaan titik tingkat tinggi atau rendah 'dummy' untuk
memperluas mineralisasi di mana konektivitas yang dimodelkan kurang
dari yang diinginkan atau membatasi mineralisasi

Alterasi grafit dapat mengurangi pemulihan metalurgi. Oleh

karena itu, tingkat perubahan grafit perlu diselidiki. Sebuah
wireframe grafit (Gambar 3) dibuat menggunakan teknik
interpolasi di Leapfrog® perangkat lunak penambangan
berdasarkan kode perubahan yang dicatat dalam file lubang bor.
Indikator kriging (IK) kemudian diterapkan untuk
memperkirakan luas grafit. Namun, hasil ini secara visual tidak
sebanding dengan model grafit dan oleh karena itu diabaikan.

Lubang bor dikomposisikan dengan interval 2 m dan

kemudian digunakan untuk menghasilkan amplop kelas di
Gambar 3—Tingkat perubahan grafit yang ditunjukkan dengan lubang bor
Leapfrog® dalam upaya untuk memisahkan area kelas yang lebih
tinggi untuk memperkirakannya secara terpisah. Data
ditransformasikan ke ruang Gaussian sebelum interpolasi;
variogram bulat digunakan dan nilai ambang geologi dipilih
untuk interpolasi. Fungsi interpolan bulat di Leapfrog® dipilih
untuk membuat amplop kelas berdasarkan variogram bola jarak
tetap yang digunakan dalam pemodelan geostatistik. Fungsi
interpolan spheroidal mendekati variogram sferis sambil
membentuk interpolan yang halus. Proses pemilihan nilai
ambang batas yang sesuai adalah iteratif dan bertujuan untuk
mengidentifikasi arah kesinambungan terkuat dalam
mineralisasi berdasarkan pengetahuan dan pemahaman deposit.
Pilihan ambang kelas hanya dapat diungkapkan dengan iterasi,
karena kontinuitas kelas tidak teratur. Tujuannya adalah untuk
Gambar 4—Tampak penampang yang menunjukkan kecenderungan umum
mengidentifikasi kelas yang menampilkan kontinuitas terkuat mineralisasi (menurun ke arah timur)
untuk menghormati prinsip-prinsip stasioneritas yang mendasari
teori geostatistik. Dengan demikian, keputusan nilai ambang
batas tergantung pada data dan intuisi pemodel.

Gambar 5—Tampilan isometrik yang menunjukkan selubung mineralisasi

Gambar 2—Penampang geologi endapan (AngloGold (emas) dan perkiraan lokasi tanggul dolerit (garis putus-putus hijau) dengan
Ashanti) lubang bor

Jurnal Institut Pertambangan dan Metalurgi Afrika Selatan JILID 117 Februari 2017 191
S
Pemodelan geologi 3D dan estimasi sumber daya untuk deposit emas di Mali

Gambar 6—Histogram kadar emas untuk saprolit dan bijih keras (timbangan kadar diatur ke nilai potongan tertinggi)

kontinuitas, dan dipandu oleh wireframe termineralisasi yang

dimodelkan sebelumnya. Batas spasial domain ini dikendalikan
oleh mesh geologi 3D (Schofield, 2011) dan diperiksa dalam
latihan analisis batas. Enam domain (bijih laterit, bijih saprolit,
bijih keras, limbah laterit, limbah saprolit, dan limbah keras)
diidentifikasi. Domain 'bijih' (atau termineralisasi) (lateralit,
saprolit, dan keras) dibandingkan untuk menentukan apakah
mereka harus diestimasi bersama atau terpisah.

Statistik dan distribusi bijih keras dan saprolit dibandingkan

dan ditemukan cukup mirip, tetapi kadar rata-rata bijih saprolit
lebih tinggi pada 1,65 g/t daripada kadar rata-rata bijih keras
sebesar 1,29 g/t.
Selain itu, variasi kadar sepanjang kontak keras-lunak diselidiki
(Gambar 8). Hasil menunjukkan pengayaan kadar sedikit tepat di
bawah kontak keras-lunak dan kadar tersebut cenderung menurun
secara bertahap dengan kedalaman. Oleh karena itu diputuskan
Gambar 7—plot QQ untuk saprolit vs. bijih keras bahwa zona saprolit dan bijih keras harus diestimasi secara terpisah,
menerapkan batas keras di antara mereka untuk estimasi.
Perbandingan kadar mineralisasi laterit dan saprolit (Gambar 9)

di mana konektivitas yang dimodelkan lebih dari yang diinginkan menunjukkan rata-rata yang sebanding 1,59 g/t untuk laterit dan 1,65

(atau ada ekstensi yang tidak masuk akal di luar dukungan data – g/t untuk saprolit. Plot QQ (Gambar 10) juga menunjukkan bahwa,

sering disebut Leapfrog® 'ledakan'). meskipun kumpulan data laterit terdiri dari sangat sedikit sampel,

Interpretasi yang dihasilkan dari mineralisasi ditunjukkan pada kedua kumpulan data memiliki distribusi kadar yang sama (kecuali

Gambar 4 – ia menyerang kira-kira NS (untuk 1,1 km) dan menurun pada ujung bawah distribusi di bawah sekitar 0,5 g/t). NS

pada 50 derajat ke arah timur. Di dekat pusatnya, terdapat retakan

pada mineralisasi di mana sebuah tanggul dolerit telah menyusup di
sepanjang patahan yang telah memisahkan dan memindahkan
mineralisasi tersebut (Gambar 5). Interpretasi mineralisasi
sebelumnya dan yang diperbarui dinilai dengan cermat dan
dibandingkan dengan baik dalam hal kontrol geologis yang
mengatur mineralisasi.

Analisis data eksplorasi

Sampel dalam amplop mineral dianggap 'bijih' dan yang di
luar, 'limbah'. Domain didefinisikan sebagai zona yang
homogen secara geologis dan statistik (didukung oleh
variografi dan analisis statistik) (Duke dan Hanna,
2001). Domain dalam penelitian ini ditentukan dengan menggunakan
grade dalam proses iteratif dalam memilih persimpangan termineralisasi
di setiap lubang bor menggunakan Leapfrog®. Domain yang
termineralisasi diidentifikasi berdasarkan sampel dan kadar yang dicatat Gambar 8—Analisis batas di seluruh kontak keras (bawah) -lunak (atas)

192
S

Februari 2017 JILID 117 Jurnal Institut Pertambangan dan Metalurgi Afrika Selatan
Pemodelan geologi 3D dan estimasi sumber daya untuk deposit emas di Mali

Gambar 9—Histogram kadar emas untuk bijih saprolit dan laterit

zona laterit dan saprolit digabungkan selama estimasi. Namun, Variografi

dicatat bahwa pekerjaan lebih lanjut akan diperlukan pada analisis
Jumlah data yang tidak mencukupi tersedia untuk mendapatkan
batas karena pada kenyataannya laterit dan saprolit sangat berbeda,
model variogram yang kuat untuk domain bijih keras. Variograms
meskipun statistik menunjukkan bahwa mereka serupa. Zona
yang diinformasikan oleh data yang tidak memadai dapat
digabungkan untuk variografi, tetapi diputuskan bahwa zona
mengakibatkan pengenalan kesalahan dalam proses estimasi. Oleh
tersebut harus dipertimbangkan secara terpisah untuk pembaruan
karena itu, parameter domain bijih lunak digunakan untuk estimasi
estimasi di masa mendatang.
bijih keras. Pemotongan atas dan bawah diterapkan untuk
Nilai ambang batas yang digunakan untuk tujuan pemodelan
perhitungan variogram untuk meningkatkan struktur variogram yang
geologi ini berbeda dari nilai batas yang dihitung, yang dikaitkan
dihasilkan berdasarkan penilaian statistik dan bentuk histogram
dengan ekonomi deposit daripada geostatistik. Beberapa kelas
untuk nilai Au untuk setiap domain sebelum dan sesudah
amplop dimodelkan pada berbagai skenario ambang batas kelas dan
pemotongan diterapkan. Pengawas® (v8) perangkat lunak geostatistik
ambang batas yang dipilih yang digunakan adalah yang
digunakan untuk menghitung dan memodelkan variogram untuk
menunjukkan kontinuitas kelas terbaik. Plot petak dihasilkan
menilai kontinuitas spasial. Arah kontinuitas dievaluasi dengan
menggunakan Bloy® Geostats Kit (GSK) untuk mengidentifikasi tren
menggunakan kontur variogram (Gambar 11) pada bidang
apa pun dalam data tingkat Au. Plot dihasilkan di sepanjang strike
horizontal, cross-strike, dan dip untuk menentukan kontinuitas
(utara) pada interval 25 m dan sepanjang ketinggian pada interval 10
sepanjang strike, down dip, dan melintang terjun.
m berdasarkan dimensi sel model blok. Hasilnya menunjukkan bahwa
Efek nugget ditentukan dari variogram lubang bawah. Selanjutnya,
domaining dapat diterima dan tidak diperlukan pemisahan lebih
variogram terarah dihitung untuk mengidentifikasi setiap perubahan
lanjut ke dalam sub-domainyaitu data yang ditampilkan stasioner.
dalam perilaku kelasyaitu anisotropi dalam arah yang berbeda. Domain
bijih dan limbah menghasilkan model variogram bersarang anisotropik
(geometic anisotrop) dengan ambang yang sama di semua arah tetapi
rentang yang berbeda (Clark,
1979).
Berbagai lag mulai dari 17 hingga 43 m digunakan di
sepanjang strike dan di seberang strike, dan 2 m lag untuk
downhole (panjang komposit). Toleransi sudut yang diterapkan
juga bervariasi antara 12 dan 30 derajat untuk variogram
sepanjang dan melintang, dan antara 10 dan 35 derajat untuk
kemiringan ke bawah. Variograms arah terpendek (sepanjang
ketebalan mineralisasi) biasanya dalam arah downhole. Untuk
menguji orientasi variogram di Datamine®, sebuah ellipsoid 3D
dibangun untuk domain bijih dan dimodifikasi untuk lebih
mewakili orientasi mineralisasi.

Analisis lingkungan kriging kuantitatif

Kriging adalah 'penaksir varians minimum' jika lingkungan
pencarian didefinisikan dengan benar. Tujuan dari Quantitative
Kriging Neighborhood Analysis (QKNA) adalah untuk menentukan
kombinasi pencarian yang optimal
lingkungan dan ukuran blok yang menghasilkan ketidakberpihakan bersyarat
selama kriging, seperti yang didefinisikan oleh pengguna (Bertoli

Gambar 10—plot QQ untuk saprolit vs. bijih laterit dkk., 2003). QKNA dilakukan menggunakan Bloy® Paket geostat

Jurnal Institut Pertambangan dan Metalurgi Afrika Selatan JILID 117 Februari 2017 193
S
Pemodelan geologi 3D dan estimasi sumber daya untuk deposit emas di Mali
Gambar 11—Kipas kontinuitas peta-Var yang dihasilkan di Supervisor®
Gambar 12—Anisotropi geometris
(BGK), yang melibatkan optimasi berdasarkan simulasi grid
pengeboran yang mendekati jarak pengeboran dari data yang
menginformasikan perkiraan. Untuk mengoptimalkan jumlah
komposit, digunakan jarak sampel teoretis 25 m × 25 m × 7 m,
bersama dengan diskritisasi 5 m × 5 m × 5 m. Jumlah maksimum
dan minimum sampel divariasikan dan dinilai dan jumlah
minimum dan jumlah maksimum sampel optimal dipilih untuk
zona bijih. Untuk optimasi ukuran blok (berdasarkan variogram
bijih yang diterapkan untuk estimasi bijih keras dan lunak)
diasumsikan jarak sampel teoritis 25 m × 25 m × 7 m, bersama
dengan diskritisasi 5 m × 5 m × 5 m dan jumlah sampel minimum
dan maksimum yang dipilih. Elips pencarian diorientasikan
sesuai dengan perkiraan orientasi mineralisasi dengan jarak
pencarian diatur untuk mendekati kisaran variogram. Ukuran
blok model yang optimal ditemukan adalah 25 m × 25 m × 10 m.
Ukuran blok yang lebih kecil, meskipun lebih optimal daripada
yang lebih besar 25 m × 25 m atau
Blok 50 m × 50 m, tidak berguna untuk pengkondisian seragam dan karena
itu diabaikan. Untuk hasil UC yang optimal, ukuran blok yang lebih besar
direkomendasikan untuk memastikan jumlah yang cukup
194
S
Februari 2017 JILID 117
SMU di panel estimasi. Lingkungan pencarian dioptimalkan
berdasarkan simulasi grid pengeboran yang mendekati jarak bor
di mana lebih sedikit data yang tersedia. Rentang pencarian
yang dipilih tidak terbatas pada rentang variogram. Untuk
optimasi jarak pencarian, jarak sampel teoretis yang lebih luas
dari 25 m (X) × 25 m (Y) × 10 m (Z) digunakan bersama dengan
ukuran blok yang dioptimalkan, diskritisasi 5 m (X) × 5 m (Y) × 5
m (Z), dan jumlah sampel minimum dan maksimum yang
dioptimalkan.
Estimasi kelas
Kriging memberikan estimasi terbaik karena menghasilkan standard
error terkecil, interval kepercayaan tersempit, dan keyakinan paling
besar (risiko terendah) (Bertoli dkk., 2003). Deposit tersebut sangat
cocok dengan penggunaan kriging biasa (OK) sebagai teknik estimasi
karena metode ini bekerja dengan baik pada model historis untuk
deposit tersebut. Data tidak menunjukkan tren yang signifikan pada
skala pemodelan dan variogram adalah karakteristik stasioneritas
lokal. Nilai model blok diperkirakan menggunakan OK di Datamine®
Studio 3.
Jurnal Institut Pertambangan dan Metalurgi Afrika Selatan
Pemodelan geologi 3D dan estimasi sumber daya untuk deposit emas di Mali
Perkiraan tersebut dimasukkan ke dalam model blok
sub-sel untuk mewakili volume dan kontak wireframe
terbaik. Estimasi dan parameter pencarian yang
digunakan untuk estimasi didasarkan pada hasil
optimasi parameter selama KNA, di mana efisiensi
kriging (KE) dan kemiringan regresi (RSlope) digunakan
untuk menyelidiki bias bersyarat untuk serangkaian
parameter estimasi tertentu. Histogram, plot
probabilitas log, dan plot mean dan varians dianalisis
untuk menentukan apakah batas kelas sesuai per
domain. Perkiraan sensitif terhadap pembatasan nilai,
oleh karena itu upaya dilakukan untuk menjaga agar
nilai dibatasi tidak lebih dari 0,6% dari total kumpulan
data, berdasarkan pedoman perusahaan. Variabilitas di
setiap domain (seperti yang diungkapkan oleh CV) sedikit
menurun setelah pembatasan.
2001, mengutip Enterprise Metals, 1990). Diputuskan terbaik untuk
memasukkan nilai-nilai kelas ekstrim, karena histogram dan variogram
untuk setiap domain menunjukkan bahwa mereka dapat diandalkan dan
harus digunakan dalam estimasi.
Pengkondisian seragam
Tujuan dari UC adalah untuk memperkirakan tonase dan kandungan
logam balok (SMUs) di dalam panel yang dikondisikan untuk kelas dan
distribusi panel, yang diperkirakan dengan asumsi stasioneritas lokal (
misalnya Oke) (Geovarians, 2015). ISATIS® paket perangkat lunak
geostatistik digunakan untuk menghasilkan model sumber daya yang
dapat dipulihkan menggunakan teknik UC.
Perhitungan matematis rinci yang mendasari proses
tidak disajikan, karena berada di luar cakupan makalah ini;
namun, informasi lebih lanjut dapat ditemukan dalam tesis
Neufeld (2008). Metodologi UC diikuti sesuai dengan karya
Neufeld (2008), yang melibatkan memperkirakan nilai
panel, menyesuaikan model Gaussian (DGM) diskrit ke data,
menentukan perubahan-
Gambar 13—kurva tonase kadar UC ditunjukkan dengan kurva kriged dan teoritis
Jurnal Institut Pertambangan dan Metalurgi Afrika Selatan
koefisien dukungan, mengubah perkiraan panel, dan akhirnya
menghitung proporsi dan kuantitas logam di atas batas yang
berbeda. Ukuran SMU diasumsikan berdasarkan selektivitas
yang dapat dicapai dengan peralatan pertambangan. Faktor
penyesuaian tonase diterapkan dan didasarkan pada volume
yang mewakili setengah ukuran SMU. Itu dinyatakan sebagai
persentase dari ukuran panel (2,7%). Proporsi apa pun yang
lebih kecil dari persentase ini telah dihapus karena dalam
praktiknya tidak dapat dipulihkan. Perkiraan SMU kemudian
ditambahkan ke model blok kriged di Datamine® Studio 3. Hasil
UC dibandingkan dengan hasil kriged dan kurva grade-tonase
teoritis (rata-rata blok dengan dan tanpa efek informasi – IEF).
Secara keseluruhan, kurva UC dibandingkan dengan kurva
teoretis – terutama di domain yang terinformasi dengan baik,
dan tingkat selektivitas yang dicapai tampak masuk akal. Pada
Gambar 13 kurva kriged ditampilkan dalam warna hitam; kurva
UC berwarna biru, dan kurva teoritis berwarna merah dan hijau
(masing-masing tanpa dan dengan efek informasi). UC tidak
diterapkan pada zona limbah (nilai UC tiruan ditempatkan di
bidang kadar dan proporsi).
Validasi model
Estimasi model blok divalidasi dengan membandingkan estimasi
model secara visual dengan nilai input; membandingkan sarana
global dan masukan; membuat plot bagian dari nomor atau
komposit, nilai model, dan nilai komposit; dan menghitung kurva
grade-tonase. Secara global, rata-rata model untuk zona bijih
berada dalam 10% (± 2%) dari rata-rata data input (Tabel I),
menunjukkan bahwa perkiraan tersebut mewakili data input dan
dengan demikian dapat diterima.
Plot irisan dibuat untuk setiap zona perkiraan (EZONE).
Rata-rata komposit sampel input dan nilai model blok yang
dihitung dihitung pada sisi timur (irisan NS vertikal) yang
sesuai dengan dimensi blok model blok, yang tebalnya 25 m
(Gambar 14). Tujuannya adalah untuk membandingkan data
sampel input dengan
JILID 117 Februari 2017 195
S
Pemodelan geologi 3D dan estimasi sumber daya untuk deposit emas di Mali

Tabel I

Perbandingan rata-rata global

Lubang bor Blok

EZONE Tidak Ada Sampel Min (g/t) Maks (g/t) Rata-rata (g/t) Volume (m3) Min (g/t) Maks (g/t) Rata-rata (g/t)

1 3344 0.00 17.30 1.71 1.356.271 0.4 4.16 1.68

2 168 0.00 14.00 1.37 111.375 0,46 3.06 1.39
3 19281 0.00 0,60 0,07 52.870.844 0.00 0,25 0,04

Gambar 14 – Plot validasi bagian

data model blok yang dihasilkan untuk memastikan bahwa tidak ada
perkiraan yang terlalu tinggi atau terlalu rendah (smoothing).
Komposit utara umumnya dibandingkan dengan baik, tetapi over-
dan underestimasi lokal dikaitkan dengan proses estimasi dan
pemilihan tingkat komposit relatif terhadap centroid blok induk.
distribusi berdasarkan data sampel yang mendasarinya. EZONE 3
menunjukkan bahwa kadar sampel dalam beberapa kasus lebih
tinggi dari perkiraan blok, yang mungkin menunjukkan bias karena
kadarnya sangat rendah karena ini adalah zona limbah.

Klasifikasi Sumberdaya Mineral

Penyimpangan lain terjadi karena berkurangnya tonase di
tepi endapan serta perbedaan kadar di daerah dengan kadar
lebih rendah – umumnya di sisi-sisi endapan, di mana densitas
pengeboran menurun, material diklasifikasikan sebagai
Sumberdaya Mineral Tereka. Dalam kasus di mana perkiraan
blok lebih tinggi daripada komposit, ini mungkin karena
orientasi elips kriging terhadap sifat ortogonal plot irisan atau
'efek tepi' karena mendekati batas domain. Secara keseluruhan,
rata-rata blok mengikuti tren umum dari data sampel input.
Pada skala lokal, model tersebut tidak memberikan estimasi nilai
yang dapat diandalkan, tetapi pada skala yang lebih besar,
model tersebut mewakili estimasi kelas yang tidak bias.
Sumberdaya Mineral diklasifikasikan sesuai dengan Kode Afrika
Selatan untuk Pelaporan Hasil Eksplorasi, Sumberdaya Mineral dan
Cadangan Mineral (SAMREC) 2009 dan Kode Joint Ore Reserves
Committee (JORC) 2012. Deposito diklasifikasikan lebih lanjut sesuai
dengan perusahaan yang bersangkutan. pedoman. Jarak lubang bor
yang dipilih untuk klasifikasi didasarkan pada studi pengeboran
tentang rekonsiliasi historis untuk tambang. Jarak bor 25 m kali 25 m
dianggap cukup untuk mengklasifikasikan Sumberdaya Mineral
sebagai Terindikasi, dan 50 m kali 50 m sebagai Tereka. Tidak ada
Sumber Daya Terukur yang ditentukan.

196
S

Februari 2017 JILID 117 Jurnal Institut Pertambangan dan Metalurgi Afrika Selatan
Pemodelan geologi 3D dan estimasi sumber daya untuk deposit emas di Mali
DUKE, JH dan HANNA, PJ 2001. Interpretasi geologi untuk pemodelan dan estimasi
Rekonsiliasi model
sumber daya. Estimasi Sumberdaya Mineral dan Cadangan Bijih – Panduan
Model Sumber Daya Mineral sebelumnya dibandingkan dengan
AusIMM untuk Praktik Baik. Edwards, AC (ed.). Institut Pertambangan dan
model Sumber Daya Mineral yang diperbarui dalam volume yang
sama untuk mengukur perbedaan sebagai hasil dari pembaruan Metalurgi Australasia, Melbourne. hal. 147-156.

model. Kurva grade-tonase untuk volume umum juga dihitung.

Perubahan sebagian besar dianggap berasal dari perubahan
GEOVARIANCES. 2015. Pengkondisian seragam multivariat lokal. http://
interpretasi selubung mineral, parameter pencarian estimasi, dan
www.geovariances.com/en/IMG/pdf/_GeovMining_LocalizedMultiva
peningkatan umum dalam kerapatan curah yang ditetapkan untuk
riateUniformConditioning.pdf [Diakses 12 Januari 2015].
berbagai jenis batuan.
Studi rekonsiliasi rinci menunjukkan bahwa MRE baru
mengidentifikasi tambahan 7191 ons Sumberdaya Mineral MASUREL, Q., THEBAUD, N., MILLER, J., dan ULRICH, S. 2012. Tektonik, pembentukan
Tertunjuk (oksida), 1893 ons yang sebelumnya diklasifikasikan magma, dan kekayaan emas: studi tentang gaya mineralisasi yang kontras
sebagai Tereka. Peningkatan ini dikaitkan dengan perluasan
di kamp emas Sadiola kelas dunia, Mali, Afrika Barat. Konferensi Masyarakat
beberapa zona mineralisasi dan kontinuitas kadar yang lebih baik
Ahli Geologi Ekonomi: Membangun Kemampuan Eksplorasi untuk Abad
untuk yang lain berdasarkan model geologi yang diperbarui.
ke-21, Keystone, CO, 27-30 September 2014. Masyarakat Ahli Geologi

Ekonomi, Littleton, CO.

Kesimpulan
Studi ini menjelaskan identifikasi potensi bijih oksida tambahan pada deposit emas di Mali berdasarkan pemodelan geologi 3D dan teknik MASUREL, Q., THEBAUD, N., MILLER, J., STANISLAV, U., dan OCKERT, T. 2012. Kamp

evaluasi geostatistik sebagaimana diinformasikan oleh lubang kontrol kadar lanjutan yang baru dibor. Temuan proses MRE sepuluh emas Sadiola kelas dunia, Mali, Afrika Barat: Bukti untuk gaya kontras
langkah yang diadopsi mengungkapkan bahwa deposit tersebut mengandung Sumber Daya Mineral oksida tambahan (7191 ons) yang mineralisasi yang diinangi karbonat dalam provinsi emas orogenik.
diidentifikasi dalam model geologi 3D baru. Karena informasi pengeboran yang baru, pemahaman geologis dari deposit tersebut
Prosiding Gold14@Kalgoorlie, Kalgoorlie, WA, 8-10 Oktober 2014.
ditingkatkan, sehingga memungkinkan untuk membatasi perkiraan sumber daya dengan lebih baik dalam model geologis yang baru. Ini
Institut Geoscientists Australia.
termasuk perbaikan dalam interpretasi selubung mineral di daerah di mana kampanye pengeboran memberikan informasi baru. Di
https://www.google.co.za/url?sa=t&rct=j&q=&esrc=s&source=web&cd=16
beberapa daerah kontinuitas model mineralisasi diperpanjang, dan di daerah lain amplop dibatasi untuk mengurangi limbah batas yang
&cad=rja&uact=8&ved=0CDEQFjAFOApqFQoTCO6xqJaE_sYCFQwcPgodmi
sebelumnya dimasukkan. Data baru juga memungkinkan untuk memperbarui variogram, parameter estimasi, dan top-capping yang

sD6w&url=%http%3A%_ratuware
diterapkan. Risiko potensial pada model dapat berasal dari bias yang diidentifikasi dalam kurva kadar-tonase yang ada terlepas dari

efektivitas proses estimasi, serta risiko bawaan yang terkait dengan ketidakpastian geologi sebagai akibat dari tidak dapat sepenuhnya
%2FBulletin_No_59_(Res_Res)&ei=KpG3Ve70C4y4-

menangkap sifat sebenarnya dari geologi. Dari konteks pendekatan konvensional untuk pemodelan geologi 3D dan MRE, hasilnya dapat AGa14zYDg&usg=AFQjCNGeInZfYf-

diterima. Namun, untuk sepenuhnya mengkarakterisasi ketidakpastian geologi, pendekatan stokastik untuk pemodelan dan estimasi X094WxiMEadhio1tgkg&sig2=Uecf9ejxQuB8zwAKpAJ7Sg&bvm=bv.9871
tubuh bijih harus dipertimbangkan. Data baru juga memungkinkan untuk memperbarui variogram, parameter estimasi, dan top-capping
7601,d.cWw [Diakses 10 Juni 2015].
yang diterapkan. Risiko potensial pada model dapat berasal dari bias yang diidentifikasi dalam kurva kadar-tonase yang ada terlepas dari

efektivitas proses estimasi, serta risiko bawaan yang terkait dengan ketidakpastian geologi sebagai akibat dari tidak dapat sepenuhnya

nEUFELD, CT 2005. Panduan untuk Recoverable Reserves dengan Uniform conditioning.

menangkap sifat sebenarnya dari geologi. Dari konteks pendekatan konvensional untuk pemodelan geologi 3D dan MRE, hasilnya dapat

diterima. Namun, untuk sepenuhnya mengkarakterisasi ketidakpastian geologi, pendekatan stokastik untuk pemodelan dan estimasi
Seri Buku Panduan, jilid. 4. Pusat Komputasi Geostatistik (CCG),
tubuh bijih harus dipertimbangkan. Data baru juga memungkinkan untuk memperbarui variogram, parameter estimasi, dan top-capping Kanada.
yang diterapkan. Risiko potensial pada model dapat berasal dari bias yang diidentifikasi dalam kurva kadar-tonase yang ada terlepas dari

efektivitas proses estimasi, serta risiko bawaan yang terkait dengan ketidakpastian geologi sebagai akibat dari tidak dapat sepenuhnya
POKOK, JA 2001. Mengapa perkiraan sumber daya kelayakan di bawah nilai tubuh
menangkap sifat sebenarnya dari geologi. Dari konteks pendekatan konvensional untuk pemodelan geologi 3D dan MRE, hasilnya dapat

bijih Peak. Estimasi Sumberdaya Mineral dan Cadangan Bijih – Panduan

diterima. Namun, untuk sepenuhnya mengkarakterisasi ketidakpastian geologi, pendekatan stokastik untuk pemodelan dan estimasi

tubuh bijih harus dipertimbangkan. Risiko potensial pada model dapat berasal dari bias yang diidentifikasi dalam kurva kadar-tonase yang
AusIMM untuk Praktik yang Baik. Edwards, AC (ed.). Institut Pertambangan dan

ada terlepas dari efektivitas proses estimasi, serta risiko bawaan yang terkait dengan ketidakpastian geologi sebagai akibat dari tidak Metalurgi Australasia: Melbourne. hal.299–314.

dapat sepenuhnya menangkap sifat sebenarnya dari geologi. Dari konteks pendekatan konvensional untuk pemodelan geologi 3D dan

MRE, hasilnya dapat diterima. Namun, untuk sepenuhnya mengkarakterisasi ketidakpastian geologi, pendekatan stokastik untuk
SCHOFIELD, NA 2011. Domaining geologi dan estimasi sumber daya – sebuah
pemodelan dan estimasi tubuh bijih harus dipertimbangkan. Risiko potensial pada model dapat berasal dari bias yang diidentifikasi dalam
diskusi. Prosiding Simposium APCOM ke-35, Wollongong, NSW. Institut
kurva kadar-tonase yang ada terlepas dari efektivitas proses estimasi, serta risiko bawaan yang terkait dengan ketidakpastian geologi sebagai akibat dari tidak dapat sepenuhnya menangkap sifat sebenarnya dari geologi. Dari konteks pendekatan konvensional untuk pemodelan geologi 3D dan MRE, hasilnya dapat diterima. Namun, u

Pertambangan dan Metalurgi Australasia, Melbourne.

Ucapan Terima Kasih

SAMREC. 2009. Komite Sumber Daya Mineral Afrika Selatan. Afrika Selatan
Penulis mengucapkan terima kasih kepada AngloGold Ashanti Limited
Kode Pelaporan Hasil Eksplorasi, Sumberdaya Mineral dan Cadangan
atas izinnya untuk menggunakan semua data dan perangkat lunak terkait
yang diperlukan untuk proyek ini. Terima kasih khusus kepada Bapak Mineral (Kode SAMREC). Edisi 2007 sebagaimana telah diubah Juli 2009.

Vasu Govindsammy (Manajer Evaluasi, AGA) dan Nona Emi Maritz (Ahli hlm. 11-12. http://www.samcode.co.za/downloads/SAMREC2009.pdf

Geologi Evaluasi Senior, AGA) atas bantuan dan dukungannya.

VANN, J., JACKSON, S., dan BERTOLI, O. 2003. Analisis lingkungan kriging kuantitatif

untuk pertambangan - deskripsi metode dengan contoh kasus yang

Referensi dikerjakan. Prosiding Konferensi Geologi Pertambangan Internasional ke-5,

CLARK, I. 1979. Geostatistika Praktis. Penerbit Sains Terapan, Barking, Bendigo, Vic, Australia. Institut Pertambangan dan Metalurgi Australasia,

Essex. 129 hal. Melbourne.kamu

Jurnal Institut Pertambangan dan Metalurgi Afrika Selatan JILID 117 Februari 2017 197
S