com
http://dx.doi.org/10.17159/2411-9717/2017/v117n2a10
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.
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 Pendekatan yang diikuti untuk membatasi selubung bijih dalam penelitian
secara spasial terkait dengan pelapukan kompleks dan pola ini cenderung ke arah yang lebih konservatif – keseimbangan antara over-
alterasi, mungkin terkait dengan asal mesothermal – tipikal constraining (melebih-lebihkan kontinuitas kadar) dan under-constraining
untuk penempatan emas di batuan Birimian Afrika Barat (Aida (termasuk sejumlah besar limbah batas) wireframes diambil untuk
dkk., 2012; Masureledkk., 2012). Lapisan terlipat dan menghindari misrepresentasi kadar dan logam yang dapat dipulihkan.
mencelupkan perlahan ke timur (25-50 derajat) dan terdiri dari Penyempurnaan amplop secara manual diperlukan untuk menghindari
metapelit grafit di atas karbonat tidak murni (Gambar 2). memungkinkan perangkat lunak interpolasi memperkenalkan asumsi
yang tidak tepat tentang geologi endapan. Penyesuaian manual ini
Mineralisasi diperkirakan dikendalikan oleh kombinasi melibatkan penggunaan titik tingkat tinggi atau rendah 'dummy' untuk
litologi, struktur, pelapukan, dan alterasi, yang memerlukan memperluas mineralisasi di mana konektivitas yang dimodelkan kurang
kebutuhan untuk kerangka gambar geologi terbaru dari dari yang diinginkan atau membatasi mineralisasi
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.
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)
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
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 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
(BGK), yang melibatkan optimasi berdasarkan simulasi grid SMU di panel estimasi. Lingkungan pencarian dioptimalkan
pengeboran yang mendekati jarak pengeboran dari data yang berdasarkan simulasi grid pengeboran yang mendekati jarak bor
menginformasikan perkiraan. Untuk mengoptimalkan jumlah di mana lebih sedikit data yang tersedia. Rentang pencarian
komposit, digunakan jarak sampel teoretis 25 m × 25 m × 7 m, yang dipilih tidak terbatas pada rentang variogram. Untuk
bersama dengan diskritisasi 5 m × 5 m × 5 m. Jumlah maksimum optimasi jarak pencarian, jarak sampel teoretis yang lebih luas
dan minimum sampel divariasikan dan dinilai dan jumlah dari 25 m (X) × 25 m (Y) × 10 m (Z) digunakan bersama dengan
minimum dan jumlah maksimum sampel optimal dipilih untuk ukuran blok yang dioptimalkan, diskritisasi 5 m (X) × 5 m (Y) × 5
zona bijih. Untuk optimasi ukuran blok (berdasarkan variogram m (Z), dan jumlah sampel minimum dan maksimum yang
bijih yang diterapkan untuk estimasi bijih keras dan lunak) dioptimalkan.
diasumsikan jarak sampel teoritis 25 m × 25 m × 7 m, bersama
dengan diskritisasi 5 m × 5 m × 5 m dan jumlah sampel minimum Estimasi kelas
dan maksimum yang dipilih. Elips pencarian diorientasikan Kriging memberikan estimasi terbaik karena menghasilkan standard
sesuai dengan perkiraan orientasi mineralisasi dengan jarak error terkecil, interval kepercayaan tersempit, dan keyakinan paling
pencarian diatur untuk mendekati kisaran variogram. Ukuran besar (risiko terendah) (Bertoli dkk., 2003). Deposit tersebut sangat
blok model yang optimal ditemukan adalah 25 m × 25 m × 10 m. cocok dengan penggunaan kriging biasa (OK) sebagai teknik estimasi
Ukuran blok yang lebih kecil, meskipun lebih optimal daripada karena metode ini bekerja dengan baik pada model historis untuk
yang lebih besar 25 m × 25 m atau deposit tersebut. Data tidak menunjukkan tren yang signifikan pada
skala pemodelan dan variogram adalah karakteristik stasioneritas
Blok 50 m × 50 m, tidak berguna untuk pengkondisian seragam dan karena lokal. Nilai model blok diperkirakan menggunakan OK di Datamine®
itu diabaikan. Untuk hasil UC yang optimal, ukuran blok yang lebih besar
direkomendasikan untuk memastikan jumlah yang cukup Studio 3.
194
S
Februari 2017 JILID 117 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 koefisien dukungan, mengubah perkiraan panel, dan akhirnya
sub-sel untuk mewakili volume dan kontak wireframe menghitung proporsi dan kuantitas logam di atas batas yang
terbaik. Estimasi dan parameter pencarian yang berbeda. Ukuran SMU diasumsikan berdasarkan selektivitas
digunakan untuk estimasi didasarkan pada hasil yang dapat dicapai dengan peralatan pertambangan. Faktor
optimasi parameter selama KNA, di mana efisiensi penyesuaian tonase diterapkan dan didasarkan pada volume
kriging (KE) dan kemiringan regresi (RSlope) digunakan yang mewakili setengah ukuran SMU. Itu dinyatakan sebagai
untuk menyelidiki bias bersyarat untuk serangkaian persentase dari ukuran panel (2,7%). Proporsi apa pun yang
parameter estimasi tertentu. Histogram, plot lebih kecil dari persentase ini telah dihapus karena dalam
probabilitas log, dan plot mean dan varians dianalisis praktiknya tidak dapat dipulihkan. Perkiraan SMU kemudian
untuk menentukan apakah batas kelas sesuai per ditambahkan ke model blok kriged di Datamine® Studio 3. Hasil
domain. Perkiraan sensitif terhadap pembatasan nilai, UC dibandingkan dengan hasil kriged dan kurva grade-tonase
oleh karena itu upaya dilakukan untuk menjaga agar teoritis (rata-rata blok dengan dan tanpa efek informasi – IEF).
nilai dibatasi tidak lebih dari 0,6% dari total kumpulan Secara keseluruhan, kurva UC dibandingkan dengan kurva
data, berdasarkan pedoman perusahaan. Variabilitas di teoretis – terutama di domain yang terinformasi dengan baik,
setiap domain (seperti yang diungkapkan oleh CV) sedikit dan tingkat selektivitas yang dicapai tampak masuk akal. Pada
menurun setelah pembatasan. 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
2001, mengutip Enterprise Metals, 1990). Diputuskan terbaik untuk diterapkan pada zona limbah (nilai UC tiruan ditempatkan di
memasukkan nilai-nilai kelas ekstrim, karena histogram dan variogram bidang kadar dan proporsi).
untuk setiap domain menunjukkan bahwa mereka dapat diandalkan dan
harus digunakan dalam estimasi.
Validasi model
Pengkondisian seragam Estimasi model blok divalidasi dengan membandingkan estimasi
Tujuan dari UC adalah untuk memperkirakan tonase dan kandungan model secara visual dengan nilai input; membandingkan sarana
logam balok (SMUs) di dalam panel yang dikondisikan untuk kelas dan global dan masukan; membuat plot bagian dari nomor atau
distribusi panel, yang diperkirakan dengan asumsi stasioneritas lokal ( komposit, nilai model, dan nilai komposit; dan menghitung kurva
misalnya Oke) (Geovarians, 2015). ISATIS® paket perangkat lunak grade-tonase. Secara global, rata-rata model untuk zona bijih
geostatistik digunakan untuk menghasilkan model sumber daya yang berada dalam 10% (± 2%) dari rata-rata data input (Tabel I),
dapat dipulihkan menggunakan teknik UC. menunjukkan bahwa perkiraan tersebut mewakili data input dan
Perhitungan matematis rinci yang mendasari proses dengan demikian dapat diterima.
tidak disajikan, karena berada di luar cakupan makalah ini; Plot irisan dibuat untuk setiap zona perkiraan (EZONE).
namun, informasi lebih lanjut dapat ditemukan dalam tesis Rata-rata komposit sampel input dan nilai model blok yang
Neufeld (2008). Metodologi UC diikuti sesuai dengan karya dihitung dihitung pada sisi timur (irisan NS vertikal) yang
Neufeld (2008), yang melibatkan memperkirakan nilai sesuai dengan dimensi blok model blok, yang tebalnya 25 m
panel, menyesuaikan model Gaussian (DGM) diskrit ke data, (Gambar 14). Tujuannya adalah untuk membandingkan data
menentukan perubahan- sampel input dengan
Gambar 13—kurva tonase kadar UC ditunjukkan dengan kurva kriged dan teoritis
Jurnal Institut Pertambangan dan Metalurgi Afrika Selatan JILID 117 Februari 2017 195
S
Pemodelan geologi 3D dan estimasi sumber daya untuk deposit emas di Mali
Tabel I
data model blok yang dihasilkan untuk memastikan bahwa tidak ada distribusi berdasarkan data sampel yang mendasarinya. EZONE 3
perkiraan yang terlalu tinggi atau terlalu rendah (smoothing). menunjukkan bahwa kadar sampel dalam beberapa kasus lebih
Komposit utara umumnya dibandingkan dengan baik, tetapi over- tinggi dari perkiraan blok, yang mungkin menunjukkan bias karena
dan underestimasi lokal dikaitkan dengan proses estimasi dan kadarnya sangat rendah karena ini adalah zona limbah.
pemilihan tingkat komposit relatif terhadap centroid blok induk.
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.
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
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
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
Vasu Govindsammy (Manajer Evaluasi, AGA) dan Nona Emi Maritz (Ahli hlm. 11-12. http://www.samcode.co.za/downloads/SAMREC2009.pdf
VANN, J., JACKSON, S., dan BERTOLI, O. 2003. Analisis lingkungan kriging kuantitatif
CLARK, I. 1979. Geostatistika Praktis. Penerbit Sains Terapan, Barking, Bendigo, Vic, Australia. Institut Pertambangan dan Metalurgi Australasia,
Jurnal Institut Pertambangan dan Metalurgi Afrika Selatan JILID 117 Februari 2017 197
S