MEJORES PRACTICAS PARA MODELAMIENTO Y DEFINICION DE RECURSOS

MEJORES PRACTICAS PARA MODELAMIENTO Y DEFINICION DE RECURSOS MINEROS Silvia Elvira Kohler Silva Lima Perú Septiembre 2019

Índice Introducción Concepto de Buenas Prácticas CRISCCO Seguridad Incertidumbre Trazabilidad Definiciones Sistema de Validación de QAQC Modelamiento Geológico Implícito y Explicito Simulaciones Big Data Conclusiones 2

INTRODUCCION La estimación de recursos mineros es la base del proyecto minero Importancia de muestra equiprobable Aseguramiento de la calidad Diversas alternativas para el modelamiento Visión global de las practicas aplicadas a la Industria Minera 3

Concepto de Buenas Prácticas Cumplimiento de estándares o códigos en la industria, que establece normas para la Clasificación de Recursos y Reservas Mineras La conversión de Recursos a Reservas obedece a una terminología Procedimientos adecuados y definición de los controles geológicos de mineralización Principios del Código Transparencia Materialidad Competencia 4

Función del Código Conceptos de Reportabilidad Establece estándares básicos Define un sistema de categorización de las estimaciones Establece los requisitos de calificación de los QPs Proporciona un modelo de índice de capítulos Los códigos no regulan procedimientos usados por los QPs Reporte Financieros (Financial Statements) 5

CRIRSCO 6

CRIRSCO Comité para los Estándares Internacionales de Información de Reservas Minerales El escándalo de la empresa canadiense BRE-X Las acciones de Bre-X se desplomaron 92% y los futuros del oro se desplomaron en un 22% El objetivo de CRIRSCO: contribuir a ganar y mantener el nivel de confianza Promoción de altos estándares de informes de estimaciones de depósitos minerales (Recursos Minerales y Reservas Minerales) Actualmente el ICMM cuenta con más de 27 compañías que representan las más grandes compañías mineras del mundo y 30 asociaciones miembros 7

SEGURIDAD INCERTIDUMBRE TRAZABILIDAD La incertidumbre denota alguna situación o valor para el cual hay un conocimiento incompleto y por lo tanto donde nosotros requerimos distribuciones más que un solo valor y depende de varios factores: Muestreo Modelo geológico Estimación de leyes de elementos principales Estimación de leyes de los subproductos y elementos deletéreos Volúmenes de producción Leyes de corte Aversión o tolerancia al riesgo 8

CICLO DE VIDAD DEL PROYECTO MINERO 9

CONCEPTO GENERAL PARA LA CONVERSION DE RECURSOS A RESERVAS MINERALES (JORC, 2012) 10

DEFINICIONES Recurso mineral Es una concentración u ocurrencia de material de interés económico intrínseco en o sobre la corteza terrestre en cantidad y forma que se probable la eventual extracción económica L os Recursos Minerales se subdividen en : Inferidos, Indicados y Medidos Recurso Mineral Inferido Es aquella parte de un Recurso Mineral cuya estimación de tonelaje, ley y contenido de mineral tiene un bajo nivel de confianza Recurso Mineral Indicado Esa aquella parte de un Recurso Mineral que se puede estimar con un nivel razonable de confianza en función al tonelaje, densidad, forma, características físicas , ley y contenido de mineral 11

DEFINICIONES Recurso Mineral Medido Es aquella parte de un Recurso Mineral que se puede estimar con un alto nivel de confianza en función del tonelaje, densidad, forma, características físicas , ley y contenido de mineral Definición de Reserva Mineral Es la parte económica explotable de un Recurso Medido o Indicado. Reserva Mineral Probable Es la parte económica explotable de un Recurso Minero Indicado y en algunos casos del Recurso Minero Medido. Reserva Mineral Probada Es la parte económica explotable de un Recurso Mineral Medido el cual incluye los materiales de dilución 12

DEFINICIONES Persona Competente La Persona Competente es un profesional universitario, miembro de una Asociación que pertenezca al CRIRSCO que le halla otorgado la certificación Ética Experiencia relevante Capacidad para informar y reportar sobre los activos mineros Educación Respeto y guía por los estándares y procedimientos establecidos por la Asociación a la que pertenecen Sometidos a aspectos disciplinarios, éticos y sancionadores Proporciona confianza al mercado para toma de decisiones de inversión bien informada Provee equilibrio al mercado permitiendo comparar proyectos a nivel internacional Independencia Experiencia 13

FACTORES MODIFICATORIOS 14

SISTEMA DE VALIDACION DE QAQC Muestreo Es la parte más importante, base para el desarrollo de la minería Los sondajes sirven para estimación de Recursos y Reservas Los datos obtenidos son irremplazables e irrepetibles Su valor sostiene todo tipo de análisis geológico, metalúrgico y/o extracción minera Aseguramiento de calidad (QA): Procedimientos o buenas prácticas para la toma, registro, mapeo y preparación de muestras QA está orientado al Proceso Control de calidad (QC): Procedimientos tales como elección de laboratorio, análisis de duplicados, duplicados de terreno, blancos, estándares, control granulométrico, etc. , que permiten controlar que los estándares en los procedimientos se mantienen en el tiempo. QC está orientado al Producto 15

PROTOCOLO DE QAQC Fuente: E. Magri , 2016 16

OBJETIVOS DEL QAQC Determinación de la Precisión Duplicados gemelos, gruesos y finos, en un 6% determina el error Relativo o “tasa de error” Muestreo de testigos: Duplicados de campo 2% Preparación de Muestras: Duplicados gruesos 2% Análisis Químicos: Duplicados finos 2% 17

OBJETIVOS DEL QAQC Determinación de la Exactitud Monitorea el ‘‘sesgo’’ al análisis químico, calibración y análisis de equipos del laboratorio Inserción de estándares, estos son preparados en laboratorios certificados Tres tipos de estándar (de acuerdo al cut off) estándar alto, medio y bajo Análisis Químicos: Inserción de Estándares 5% Análisis Químicos: Inserción de Blancos gruesos 2% Análisis Químicos: Inserción de Blancos finos 2% 18

OBJETIVOS DEL QAQC Determinación de la Contaminación Evalúa el grado de contaminación entre una muestra a otra Inserción de muestras blancas o estériles en el proceso de muestreo y/o análisis Muestras Blancas son certificadas y no tienen leyes representativivas Control se aplica en cualquier etapa del proceso desde la preparación hasta el análisis químico Blancos gruesos, de granulometría malla 10 >= 90% (etapa de preparación) Blancos finos, de granulometría. Tasa >= 2% (etapa de análisis) 19

OBJETIVOS DEL QAQC Determinación de la Densidad Aparente Es la relación entre el peso de un material y su volumen, representa la porosidad de la roca, así como la porosidad en la fractura Para la determinación de la densidad se asigna el método de la parafina en el laboratorio y se determina la densidad aparente Densidad aparente = masa seca / volumen de la muestra (unidades g/cm 3 o t/m 3) Ejemplo de Inserción de Muestras de Control Envolvendo la muestra en el papel film (PVC) Peso con parafina en agua Peso húmedo en el aire

OBJETIVOS DEL QAQC Ejemplo de Inserción de Muestras de Control Leyenda STD : Padrones Certificados 5% PBK: Blanco del Proyecto 5% CBK: Blanco de Preparacion Fis 5% PDS: Duplicado del mismo lote 5% PDD: Duplicado de lotes dif 2. 5% CDP: Duplicado triturados 2. 5% FDP: Duplicado de campo 2. 5% CAS: Check Analisis Lab Secun 5% CAU: Check Analisis Lab Arbitro 2% TWS: Muestras gemelas 2. 5% Projeto

Modelamiento Geológico La geología es una ciencia más que una disciplina de ingeniería porque modela el mundo real en lugar de construir estructuras Los modelos evolucionan con la recopilación de nuevos datos y la mejor comprensión del científico. Los modelos deben ser: insesgados, precisos y sin sesgo condicional Los geólogos requieren herramientas que les permitan crear y comparar posibles modelos de manera rápida y eficiente Los ingenieros necesitan herramientas con un mayor énfasis en la precisión porque forman la base para una construcción precisa Modelamiento Explicito El modelado explícito es lo que se considera como el método manual "tradicional" de wireframing y digitalización El modelador define estructuras geológicas como venas y fallas dibujándolas explícitamente en secciones espaciadas regularmente y uniéndolas Fuente: Pagina web de Leapfrog 22

Modelamiento Geológico Modelamiento Implícito El modelado implícito es la formación rápida y automatizada de superficies tales como ley, fallas y alteraciones generadas directamente de los datos geológicos Fuente: Pagina web de Leapfrog Modelamiento Geológico Fuente: Mike O´Brien , Ausenco 2018 Estimación de Recursos Minerales Fuente: Mike O´Brien , Ausenco 2018 23

Simulación Las simulaciones geoestadísticas se utilizan para cuantificar la incertidumbre en las leyes de mineral y predecir los recursos recuperables sobre una determinada ley de corte Uno de los modelos más utilizados es el modelo multigaussiano, el cual permite simular las leyes de un material de interés a soporte puntual Por qué hacemos simulaciones Las realizaciones individuales proporcionan una instantánea de la probable variabilidad de las calificaciones en escala de bloque La simulación puede ser útil para evaluar el riesgo Las simulaciones pueden proporcionar un método cuantitativo para ayudar a la clasificación de los recursos minerales Caso 1 : Imágenes desde la Secuencia de Simulación Gaussiana Usando Software SGe. MS Vena estrecha en Veta aurífera con Grade Domain Fuente: Mike O´Brien , Ausenco 2018 24

Simulación SGe. MS: Vena estrecha en Veta aurífera con Dominio de Alta ley Realizacion 13 Realizacion 11 Caso 2: Imágenes desde la Secuencia de Simulación Gaussiana Realizacion 15 Fuente: Mike O´Brien , Ausenco 2018 25

Simulación Caso 3: Imagen de la Simulación directa de Bloques Leyes promedio en bloques de 100 x 50 pies Realizaciones llevado a cabo usando Isatis™ Software Con capas de intrusión 17 dominios and 8 Elementos (Cu mostrado) Leyes promedio en bloques de 100 x 50 pies Fuente: Mike O´Brien , Ausenco 2018 26

Simulación Ejemplo de Simulación Directa de Bloques (DBSIM) Cuantificar la incertidumbre del Modelo de Bloques Asistir en el diseño de programas Infill Identificar riesgos en el programa de Open Pit Software Isatis (Geovarianza) 27

Simulación Porque es necesario performar Simulaciones: Data Datos en bruto, sondajes y / o muestreo de canales. Análisis de datos estadísticos. Variogramas Parámetros de minería (tamaño de bloque de unidad minera selectiva) Simulación Directa de Modelo de Bloques 28

NUEVOS DESAFIOS : BIG DATA & DATA MINING La minería genera ingentes volúmenes de información derivada de prospección y producción Limitaciones de los métodos de análisis de datos en base poblaciones muestréales sin desarrollar todo el valor potencial Tecnologías como Hadoop y Map lograron la reducción de complejos análisis de datos Volúmenes de datos (Petabytes de información) se procesan de una manera rápida y eficiente en cuanto a costos y tiempo Informaciones muy relevantes que impactan directamente los costos operacionales y las utilidades de una minera son las de mantenimiento y disponibilidad de los equipos por toda la cadena de valor Beneficios obtenidos: Visibilidad de toda la cadena de valor a partir de una única fuente de datos analíticos. Disminución de los tiempos no-productivos, incremento de rentabilidad, reducción de 29 costos de mantenimiento

ANALISIS DE DATOS Ejemplos de éxitos Una de las mayores compañías mineras del mundo que produce cobre y oro, con ingresos anuales de varios billones de dólares, y con activos en Norte América, Sudamérica, África y Asia-Pacífico Genera más de 400 indicadores de performance de cada una de sus minas y equipos en todo el mundo (producción, productividad, disponibilidad, rentabilidad, etc. ) con reducciones de aproximadamente US$1, 5 millones al año en cada uno de los sitios 30

CONCLUSIONES Es imprescindible la creación de una Comisión Multidisplinaria integrada por las disciplinas de Geología, Minas y Metalurgia a fin de solicitar la incorporación de Perú como del CRISCCO a fin de que certifique a los profesionales peruanos como QP y puedan certificar los reportes internacionales de la estimación de Recursos y Reservas Mineras La cantidad de reservas de un yacimiento es uno de los factores de la viabilidad económica del proyecto, vital influencia en la vida útil de la mina, la producción anual de la mina y la decisión de construir la mina La estimación de recursos es de vital importancia para el éxito de la inversión minera, por lo tanto, se deben fomentar y aplicar las mejores prácticas al momento de estimar los recursos y reservas mineras Los cálculos de la ley y el tonelaje debe ser los más confiable posible a partir de: Muestras disponibles Calidad de análisis 31 Definición de los controles geológicos de mineralización

CONCLUSIONES Las simulaciones pueden cuantificar la incertidumbre en el modelo de recurso de bloque y ser usados par ayudar en el diseño de los programadas de planificación minera Un eficiente manejo de QAQC permite reducir errores en los procesos de muestreo y análisis de laboratorios reduciendo la incertidumbre y aumentando el grado de confiabilidad Un adecuado monitoreo de los controles de blancos, duplicados y estándares permite Las simulaciones pueden cuantificar la incertidumbre en el modelo de recurso de bloque y ser usados para ayudar en el diseño de los programadas de planificación minera. Big Data, Data Mining e Inteligencia Artificial permite el procesamiento de grandes volúmenes datos en forma integral aumentando rentabilidad y producción y reduciendo costos y riegos La eficiente aplicaciones de las prácticas en la estimaciones de recursos y reservas permite aumentar el valor de los activos de la empresa haciéndolos más atractivos a inversiones futuras 32

REFERENCIAS 1. Crirsco, 2019 Extraído de: http: //www. crirsco. com/welcome. asp 20190408 2. Canadian Institute of Mining, Metallurgy and Petroleum, CIM (2010). CIM Definitions Standards - For Mineral Resources and Mineral Reserve 3. Comisión Calificadora en Reserva de Propiedades Mineras (2018). Ley Chilena 20. 235. Extraído de: http: //www. comisionminera. cl/persona-competente/personas-competentes-en-recursos-y-reservas-mineras 4. Jara E. – Codelco (2013), Estimación Geoestadística. Extraído de: https: //www. comisionminera. com/documentacion/category/55 -taller-buenas-practicas- para-la- estimacion-de-recursos-29 -may-2013 5. Leapfrog (2019), Extraído de: http: //implicit- modelling. com/modelling/why-implicit-modelling 6. Editor Geonet (2016), Código JORC: Recursos y Reservas Minerales 7. La industria minera en búsqueda de la eficiencia con Big Data Extraído de: https: //www. americaeconomia. com/analisis-opinion/la-industria-minera-en-busqueda-de-la-eficiencia-con-big-data 8. Ccama Hancco (2017), ‘Aplicacion del QAQC en el proceso geologico, para validar la estimación de recursos y reservas de la Unidad Operativa Chungar’, UNSA, Arequipa, Perú 9. Mc. Combe Deborah (2018), ‘ Importance of a QP on Investment Selection in the Mining Sector ’, CIM Representative CRIRSCO Workshop Brasilia, Brazil 33

silviaekohler@gmail. com Muchas gracias!!! 34