You are on page 1of 24

19/11/2015

LA EXCELENCIA DEL MUESTREO

samplingok@gmail.com; www.sampling-ok.com

Magister Samuel Canchaya Moya


Cel. 947686149
canmoysa@gmail.com

Nacimiento y desarrollo de la
Geoestadística

1
19/11/2015

52 años de 1963

Geoestadística

George F. P. M. Matheron
Fuente: en.wikipedia.org

Nació en Francia Dic 2 1930; murió el 7 de Agosto del 2000 3


Matemático y geólogo. Fundador y Padre de la Geoestadística

Curso Internacional de Geoestadística


2008-2009
MODULO I: 5 al 8 de Noviembre 2008. Miguel Zulueta (Consultor en Miguel Zulueta
Geoestadística) Introducción a la Geoestadística. Las variables regionalizadas.
El variograma. Varianzas: de extensión, estimación y dispersión. El krigeage:
puntual y de bloques. La varianza de krigeage. Introducción a la estimación
de recursos. Entregables en una estimación de recursos.
MODULO II: 8 al 10 de Diciembre 2008. Daniel Guibal (Director Técnico de
SRK Consulting-Australia) Muestreo y base de datos. Modelamiento geológico
3D. Variografía avanzada. Anisotropía a través de mapas de variogramas,
variogramas de indicadores. Optimización del muestreo. Optimización del
krigeage. Introducción a métodos no-lineales. El efecto del soporte.
Clasificación de recursos: códigos internacionales. Daniel Guibal

MODULO III: 16 al 17 de Marzo del 2009. André Journel (Catedrático de la


Univ. de Stanford USA) Simulación Condicionada aplicada a Minería.
Simulación de variables continuas: simulación gaussiana secuencial,
simulación por bandas rotantes. Simulación de variables categóricas.
Aplicaciones prácticas.

André Journel

2
19/11/2015

Daniel Guibal

Grado de Ing. Civil de Minas Escuela Nacional Superior de Minas


de Nancy-Francia y Master en Ciencias, en Matemáticas y Geo-
estadística en Centro de Geoestadística de Fontainebleau-Francia.
25 años experiencia, especialista en: Geoestadística, Estimación
de Reservas y Simulación; Geoestadística No-Lineal, Optimización de Tajos Abiertos, Simulación Condicional. Ha
trabajado en: Centro de Geoestadística de Fontainebleau - Francia (1972-1982), Empresa Estatal Minero Perú (1974-
1976) y como consultor en Australia desde 1983 (Siromines y Geoval); actualmente es Director Técnico de SRK
Consulting – Australia.
Ha realizado diversos trabajos y estudios para empresas y consorcios mineros en: Australia, Sudamérica, Europa y
Japón. Sus más recientes trabajos incluyen: Simulación multivariable del yacimiento de Fe Pilbara (Hamersley);
Revisión de los Recursos de Cu en la División Norte de Codelco (Chile); Revisión detallada de la práctica de la
Geoestadística en Olimpic Dam (Australia); Evaluación y Due diligences de: Inco, Newcrest, Worsley Alumina, Alcoa,
etc.
Miembro activo de la Aus. I. M. M. y de la Asociación de Geoestadística de Australasia.

Dr. Dominique François Boungarçon

1974 Grado de Ing. Civil de Minas Escuela Nacional Superior de Minas


de Nancy-Francia
1978 Doctor en Mining Science and Techniques en la Escuela de Minas de Paris y la Universidad de
Nancy.
1976: Inició sus actividades profesionales en MINERO PERU, como experto extranjero voluntario.
1978 a 1984 Investigador en el Centro de Geoestadística de Fontainebleau-Francia
Famoso por las correcciones que realizó a la famosa fórmula de Pierre Gy: Solucionando sus dificultades
de aplicación, sobre todo para el caso del oro. Ha publicado con Pierre Gy las modificaciones propuestas.
Se dice que Gy lo ha designado públicamente como su sucesor científico.
Consultor Internacional de Geoestadística, con notables trabajos en INCO Ltd. Copper Cliff Ontario
Canadá. Vicepresidente de Geoestadística de Mineral Resource Development Inc. San Mateo-California
por 7 años.
Actualmente es Presidente de AGORATEK INTERNATIONAL
Vicepresidente de la 6ta. Conferencia Mundial de Muestreo y Mezclas que se realizó en Lima-Perú, 19 al
22 de Noviembre del 2013; Hotel Marriot.

3
19/11/2015

Prof. André Journel

Ingeniero de Minas (1967) en la Escuela Nacional Superior de Minas


de Nancy – Francia y Dr. Ing. (1974) y Dr. en Cienc. Mats. Aplicadas
(1977) en Univ de Geoestadística de Nancy – Francia. Ing. de Proys.
mineros en el Centro de Morfología Matemática de Francia
(1969-1973); Centro de Geoestadística de la Escuela de Minas de
Paris (1973-1978). Univ. de Stanford - USA: Prof. Asociado (1978-1972): Prof. Principal (1992-2010) del Departamento de
Ciencias de la Tierra de Ing. de Petróleo e Investigador y Director (1986-2010) del Centro Stanford de Predicción de
Reservorios del Centro Stanford.
Entre 1998 y 2010 recibió más de 30 disertaciones de Ph. D. y M.Sc.. Desde 1980 a la fecha: miembro del Comité Científico
del Congreso Mundial de Geoestadística. Ha dictado decenas de cursos y seminarios especializados sobre Geoestadística y
temas afines.
35 años de experiencia profesional: Especialista en Planeamiento, Simulación y Evaluación de Recursos Mineros;
Modelamiento de Reservorios de Petróleo; Control y remediación de la Polución; Predicción Bayesiana: Análisis de riesgo,
Modelos de incertidumbre, etc; Estadística no-paramétrica y espacial Gaussiana. Co-autor del famoso libro: Mining
Geostatistics. Mas de 80 publicaciones especializadas. Premios: 1989: Medalla de Krumbein, 1995: “Teaching Award” (Esc. de
Cienc. de la Tierra, Stanford), 1998: Medalla de Oro Lucas (AIME/SPE), etc.

Dos tendencias de la Geoestadística actual

Francia, Europa,
La Geoestadística académica: Australia (+/-),
Básicamente Estacionaria Univ. de Chile, etc.

Xavier Emery

La Geoestadística Aplicada:
Básicamente No-Estacionaria
Univ. Stanford – USA
Univ. Alberta – Canadá
CAIG - Perú
André Journel Clayton Deutch Daniel Guibal

4
19/11/2015

LAS CORRIENTES DE LA GEOESTADÍSTICA


La Escuela de Fontainebleau se puede considerar la Escuela
Académica de la Geoestadística.

Desarrollos similares se han dado en Australia, donde destaca


el Dr. Daniel Guibal; mientras que en Canadá tenemos el
semillero de la School of Mining and Petroleum Engineering
de la Universidad de Alberta, donde destaca: Clayton V.
Deutch (GSLIB: Geostatistical Software Library and User’s
Guide) coautor A. J. Journel.

Paralelamente se ha desarrollado otra rama más práctica y


aplicada, que se puede denominar la Escuela Pragmática,
cuyo máximo representante es André Journel, quien fundó y
desarrolló el Centro de Geoestadística Aplicada en la
Universidad de Stanford –USA; con sesgo al Petróleo.
Especialistas de Stanford, liderados por A. Journel crearon el
software SGeMS (Stanford Geostatiscical Modelling Software).
En nuestro País el C.A.I.G pretende seguir esta línea.

Universidad Nacional de Ingeniería


Facultad de Ingeniería Geológica y Metalúrgica AIG
Escuela de Geología

MISIÓN:
Promover la Investigación y Enseñanza de las Matemáticas Aplicadas a la
Geología.

VISIÓN:
Ser Líderes en Matemática Aplicada a la Geología

5
19/11/2015

CAIG: Principales Líneas de Investigación

 Análisis de Riesgo con Simulación Condicional - Abel Puerta


 Efecto Proporcional (y Geoestadística No Lineal) - S. Canchaya
 Fractales – Miguel Zulueta
 Clasificación de Recursos con Varianzas – Heller Bernabé (?)
 Training Images y Estadística Multipoint (?)
 Otros asociados: R. E. Velarde
PRINCIPALES ACTIVIDADES RELACIONADAS:
o Intercambio Académico y Científico con Referentes mundiales relacionados
con los temas de investigación.
o Promover cursos, talleres, conferencias y congresos relacionados con los
temas de investigación.
o Ser semillero de nuevos especialistas y científicos en Matemática Aplicada
a Geología.
o Promoción y Asesoría de Tesis de Grado, Postgrado, etc.
o Publicaciones científicas, edición de manuales, textos, etc.

11

El variograma: la herramienta principal


de la Geoestadística

6
19/11/2015

FUNCION VARIOGRAMA – Representación gráfica


 (h) GEO ESTADISTICA
meseta
s2
C

C0
a h
DEPENDENCIA INDEPENDENCIA
ESTRUCTURA ALEATORIEDAD
h : paso entre las muestras
C0 : efecto de pepita
a : alcance
C : sill
C + C0 : meseta
s2 : varianza estadística

Ejemplo de cálculo manual de un 5


(h)
4
variograma 1D 3

3.2 h=1 h=2 h=3 h=4 h=5 h=6 2


4.0 experimental
2 2 2 2 2 2 2
[d1] [d2] [d3] [d4] [d5] [d6] [d
1 7] [d8]2
2.8 ajuste
0.64 C0=0.25 h
0
3.2 1.44 0.16
0 1 2 3 4 5 6 7 8
3.0 0.16 0.64 0.00 a = 12 m
0.04 0.04 1.00 0.04
3.6
0.36 0.16 0.64 0.16 0.16
2.0 2.56 1.00 1.44 0.64 4.00 1.44
4.5 6.25 0.81 2.25 1.69 2.89 0.25 1.69
2.5 4.00 0.25 1.21 0.25 0.49 0.09 2.25 0.49
7.29 0.49 10.24 2.56 4.84 4.00 5.76 1.44
5.2
8.41 0.04 4.84 0.09 1.69 0.49 0.16 0.25
2.3 0.25 5.76 0.09 2.89 0.64 0.64 0.81 0.16
2

 (h )   Z 2x(nh hZ) x
2.8 0.36 0.01 9.00 0.09 5.29 0.04 0.04 0.64
2.2 3.61 1.69 3.24 1.21 2.56 0.16 1.96 0.25
1.21 9.00 5.76 8.41 0.00 7.29 4.41 10.24
4.1
9.61 17.64 37.21 30.25 36.00 9.61 33.64 14.44
5.2 4.84 0.81 4.00 15.21 10.9 14.4 0.81 12.96
8.3 4.41 18.49 1.44 0.01 3.24 1.44 2.89 1.44
6.1 1.96 12.25 32.49 6.76 2.25 0.16 0.04 0.09 dh = Zx+h - Zx
0.81 0.25 6.76 23.04 2.89 0.36 1.69 0.49
4.0 2 n = 19
S[dh] 57.57 69.49 121.6 93.30 77.83 40.41 56.15 42.89
2.6
2(n-h) 36 32 28 26 22 16 10 8
3.5  (h) 1.60 2.17 4.34 3.59 3.54 2.53 5.62 5.36

7
19/11/2015

Ajuste del Variograma Experimental a Funciones


Teóricas
h3
(h) = C
3h
+ Co ha
2a 2a3

(h) = C + Co h>a

 (h)  ( h )  ph ;   1

 (h)  ph ;  1

 (h)  C 1 exp ah   C0


 

Principales aplicaciones de la Geoestadística en Muestreo y


Exploraciones:
 Cuantificación del efecto de pepita: error fundamental, errores sistemáticos de muestreo primario, secundario y análisis.

 Caracterización geoestadística de: subdominios de muestreo: canales, puntos, celdas, taladros, etc.

 Caracterización de dominios anisótropos. Mapeo variográfico y la determinación de tendencias.

 Mallas de muestreo y distancias óptimas de muestreo se deben definir con procedimientos geoestadísticos.

 Donde poner el próximo taladro, es una pregunta que se debe resolver no sólo en forma determinística (en base a la
información geológica, logueo, etc.) sino también combinando adecuadamente las herramientas probabilísticas (geoestadística):
análisis de la componente “drift” de los variogramas; cocientes metálicos adecuados y curvas isovalóricas de elementos
indicativos; mapas de tendencias (“trend surfaces”), etc.

 Campañas de “Infill” se deben programar considerando principalmente taladros en


aquellas zonas con mayores valores de error de estimación.

16

8
19/11/2015

LA FUNCION VARIOGRAMA Y LOS ERRORES SISTS DEL MUESTREO


 (h) GEO ESTADISTICA
meseta
s2
C
Error fundamental del P. Gy
s2f= k*d3* (1/Ms-1/ML)
Efecto pepita C0
Errores sistemáticos de muestreo:
• Primario a h
• Secundario DEPENDENCIA INDEPENDENCIA
• Análisis ESTRUCTURA ALEATORIEDAD
h : paso entre las muestras
C0 : efecto de pepita
a : alcance
C : sill
C + C0 : meseta
s2 : varianza estadística

Correlación geológica de interceptos


DDH2
DDH1

DDH3

Vista en planta 250 m

Soporte TM
Con 3 DDH X’000,000
Con 2 DDH X00,000
50 m
18

9
19/11/2015

Correlación de DDHs asistida con Variografía

DDH 1 DDH 2

CARACTERISTICAS DE LOS VARIOGRAMAS


DDH TIPO s2 C0 (C0/s2) a (m) r2
*100
DDH 3
1 Gaussiano 60.1 14.9 24.79 29.3 0.98

2 Gaussiano 13.1 4.8 16.01 24.3 0.95

3 Esférico 3.3 2.1 64.20 105.4 0.75

DISTRIBUCION
W E
ANISOTROPA

TUFO SUPERIOR
TUFO MINERALIZADO
TUFO INFERIOR


ARENISCA, CONGLOM.

(h)

E-W
N-S

VERTICAL

h
VARIOGRAMAS EN VARIAS DIRECCIONES

Modificado a partir de Journel & Huijbregths (1978)

10
19/11/2015

Mapeo N22°W

variográfico 2D:
N68°E

90°
 Para detectar las principales
direcciones de ANISOTROPIA; e
indirectamente flujos de
mineralización.

 Para definir radios de elipses


de influencia

 Para que funcione se requiere


buena densidad de muestreo

21

Sección longitudinal de veta


con “mapeo variográfico sobreimpuesto”

Labores recomendadas

11
19/11/2015

Relación entre la precisión y el costo asociado a diferentes


mallas de perforación

200
ERROR

100
50

30 50

10
COSTOS
1 2 4 8 16 RELATIVOS

200 141 100 70.5 50 METROS

VARIANZA DE ESTIMACION: sE
2  2  ( V, v )   ( V, V )   ( v , v )

Relación entre el error (*) y el soporte


(*) Medido por la dispersión respecto a la línea de regresión Sy

Muestreo
DISPERSION con tubo

60

Tubos
40
y = 50 - 42*x1/2
Canales
20 Bulk
Sector radial Muestreo
Por canales
VOLUMEN
0.25 0.50 0.75 1.00

24

12
19/11/2015

Optimización de Programas de Perforación “Infilling”

10
1.0
0.1
0.01
0.001
0.0001

Au ppm

60
50
40
30
20
10
0
ERR %

Cuerpo silíceo en el Tacaza con leyes anómalas


Quillcata - Yauyos

200 m
26

13
19/11/2015

Cuerpo silíceo muestreado


sistemáticamente por canales con
cortadora portátil

Estructura mineralizada
Fracturamiento

Canales de muestreo

250 m 1,600 muestras 27

Densidad de muestreo en canales 28

14
19/11/2015

LA EXCELENCIA DEL MUESTREO


www.sampling-ok.com

M. Sc. Samuel Canchaya


canmoysa@gmail.com

Los errores de P. Gy & F.


Pitard

 FSE : Error fundamental


 GSE : Error de agrupamiento o segregación
 PIE1: Error de fluctuación de la heterogeneidad a corto plazo
 PIE2 : Error de fluctuación de la heterogeneidad a largo plazo
 PIE3 : Error de fluctuación periódica de la heterogeneidad
 IDE : Error de la delimitación de incrementos
 IEE : Error de extracción del incremento
 IWE: Error de ponderación de los incrementos
 IPE : Error de preparación
 INE: Error del Efecto de Pepita
30

15
19/11/2015

31

Aplicación de la
Variografía 1D en Flujos
Mineralúrgicos.

Flujos Mineralúrgicos
 Desde la roca al cátodo, a la barra de oro, al concentrado o cualquier otro producto final; las operaciones y
procesos mineralúrgicos se caracterizan por tener FLUJOS de: mineral, soluciones preñadas, electrolitos,
pulpas, etc.

 Ya sea se trate de fajas transportadoras, tuberías, mineroductos, etc.; están presentes en las distintas
operaciones y procesos de beneficio de mineral: circuitos de conminución, flotación, cianuración, lixiviación,
etc.

 En todos los casos muestreadores especialmente diseñados toman muestras sistemáticas, generalmente a
intervalos de tiempo específicos; generando un conjunto de datos que varía con respecto al tiempo; la cual se
denomina: data cronológica, monodimensional o 1D.

 La Geoestadística, específicamente el VARIOGRAMA 1D, es de aplicación simple pero muy efectiva en estos
FLUJOS MINERALURGICOS, ya que permite descomponer y cuantificar las variabilidades, interpretar el
origen de sus componentes: de corto plazo, cíclicas y de tendencias; para minimizar su origen y optimizar la
“performance” del proceso.

32

16
19/11/2015

Ejemplo de flujos
mineralúrgicos:

ADICION DE ACIDO AGLOMERADORES


qz +FPKs +tur
8.0
VARIACION DEL RATIO C/I: FILs + otros
MINERALES COMPETENTES/INCOMPETENTES
7.0
SETIEMBRE
6.0
Acido (Kg/TMS)

2.5
5.0

4.0 2

RATIO
3.0 1.5
2.0 1
1.0
0.5
0.0
2004 2004 2004 2004 2004 2004 2004 2004 2004 2004 2004 2004 2004
0
1998 1999 2000 2001 2002 2003 Ene Feb Mar Abr May Jun Jul Ago Set Oct Nov Dic AVG

/ 04 /04 /04 /04 /04 /04 /04 /04 /04 /04 /04 /04 /04 /04
Indicado (PLAN) 6.8 6.0 6.1 5.8 4.2 3.8 4.72 5.07 5.09 5.13 5.06 5.52 6.01 5.85 5.86 5.85 5.54 5.45 5.43
Ejecutado (REAL) 7.2 6.1 5.8 6.0 4.4 3.8 4.71 5.16 5.26 5.24 5.62 5.67 6.08 6.11 5.93 6.01 5.70 4.96 5.54 8/9 10/9 12/9 14/9 16/9 18/9 20/9 22/9 24/9 26/9 28/9 30/9 2/10 4/10
33
Fecha

Prisma de Newton
La descomposición de la Variabilidad Total
en sus componentes

(0)
Variabilidad local

 (p)

(y)

: Función Variograma
(t)
34

17
19/11/2015

38.4 % V0
Análisis variográfico 1D: 50.6 % Vproceso
Vcíclico
Vtrend
% Finos Ch. Terciaria 6%

5.4 %

2A

C0 C1

Gran variabilidad local y trend

Muscovita ultrafina 38% V0


51% Vproceso
Vcíclico
Vtrend
5%
6%

Límite de especificación 15%

cuarzo

muscovita

Recomendaciones: ser ultra-


Realizar muestreo de alta densidad (por guardia); fina
“tests de heterogeneidad” y caracterización
50 µ
mineralógica de filosilicatos que producen finos.

18
19/11/2015

ASEGURAMIENTO Y CONTROL DE LA
CALIDAD (QA/QC)

Magnitud de los errores en cada fase

Sesgo % Fase Actividad % Error relativo


Muestreo 100 a 1,000
Muestreo Transporte y almacenamiento
1000 1 a 100
primario
Preparación mecánica,
10 a 100
Muestreo reducción QA/QC
QA/QC
50 correcto
secundario Preparación química 5 a 20
actual

0.1 a 1 Análisis Análisis 0.1 a 5


Compilado a partir de: Gy (1999:10); Gy & Francois-Bongarson (1999) y
Según: Gy (1999:10) Paski (2006)

19
19/11/2015

% 1200

1000

800
Comparación de las magnitudes entre
600
las Fases del Muestreo y el QA/QC
400

200

0
PRIMARIO SECUNDARIO ANALISIS

Error Relat Sesgo QA QC 39

Proporción recomendable de muestras de control


Tipo de control % recomendado
Muestras gemelas (duplicados de campo) 2
Duplicados gruesos 2
Duplicados de pulpa 2
Estándar bajo 2
Estándar medio 2
Estándar alto 2
Blancos gruesos 2
Blancos finos 2
Duplicados externos 4
TOTAL 20

40
Modificado a partir de Simon (2007)

20
19/11/2015

Referencias bibliográficas
 Canchaya S. (2008) El Modelo Geometalúrgico.- XIV Congreso Peruano de Geol y XIII Congreso Latinoamericano de Geología; 29 Set – 3 Oct Lima, 6p.

 Canchaya S. (2004) Log-normalidad y efecto proporcional. Características frecuentes en los yacimientos de oro.- XII Congr. Peruano Geol.; 4p.

 Fennel M. & Guevara J. & Canchaya S. & Velarde & G. Baum W. & Gottlieb P. (2005) Qemscan Mineral Analysis for Ore Characterization and Plant
Support at Cerro Verde.- XXVII Convención Minera; Arequipa-Perú; 11p.

 David M. (1977) Geostatistical Ore Reserve Estimation.- Elsevier New York; 364 p.

 Gy P. (1956) Nomogramme d’Echantillonage.- Societe de Minerais et Metaux. Paris.

 Gy P. (1992) Sampling of Heterogeneous and Dynamic Material Systems. Theories of Heterogeneity, Sampling and Homogenizing.- Elsevier, New York.

 Gy P. (1999) Sampling for Analytical Purposes.- John Wiley & Sons, New York; 153p.

 Gy P. & Francois-Bongarson D. (1999) Seminario de Muestreo de Minerales.- Tecniterrae, Santiago de Chile. Citado por Alfaro M. (2002) Introducción al
Muestreo Minero.- Instituto de Ingenieros de Minas de Chile; 82p.

 Journel A. G. & Huijbregts Ch. J. (1978) Mining Geoestatistics.- Academic Press; 600 p.

 Minnitt R. C. A. & Pitard F. F. (2008) Application of variography to the control species in material process streams: %Fe in an iron ore product.- The
Journal of the Southern African Institute of Mining and Metallurgy, 108: 109-122 p.

41

Dr. Francis Pitard DISCÍPULO DE PIERRE GY Y FIGURA


Lima 06/09/2011 PROMINENTE DE LAS APLICACIONES DEL TOS

21
19/11/2015

Dr. D. Francois-Boungarcon
25 al 28 Oct. 2011 MODIFICÓ LA FÓRMULA CLASICA DE
5th WCSB-Santiago de Chile
PIERRE GY

ULTIMO ENCUENTRO:
6ta. CONFERENCIA MUNDIAL DE
MUESTREO Y MEZCLAS
Hotel Marriot
19 al 22 de Noviembre – Lima PERU

Francis Pitard

Dominique Francois
Bongarcon

44

22
19/11/2015

Eventos importantes relacionados: 45

QA/QC in Mining Reality or Fantasy? S. Canchaya Efecto Proporcional . Característica


frecuente en variables de Exploración
Geoquímica S. Canchaya
6 6
3 19 al 22 de Noviembre 2013 Lima- Perú
Density Sampling for Resources Estimation and Geometallurgical Purposes Canchaya et al.
Sampling of Variables with Proportional Effect - S. Canchaya

2
5-7 Dic. Santiago-Chile
Density and Mechanical Competence critical
variables for Geomet Model S. Canchaya
4
Santiago-Chile

“No pretendamos que las cosas cambien, si siempre hacemos lo mismo. La


crisis es la mejor bendición que puede sucederle a personas y países, porque
La minería en tiempos la crisis trae progresos. La creatividad nace de la angustia, como el día nace de
la noche oscura. Es en la crisis que nace la inventiva, los descubrimientos y las
de “crisis” grandes estrategias. Quien supera la crisis, supera a si mismo sin quedar
superado.

Quien atribuye a la crisis sus fracasos y penurias, violenta su propio talento y


respeta más a los problemas que a las soluciones. La verdadera crisis, es la
crisis de la incompetencia.

El inconveniente de las personas y los países es la pereza para encontrar las


salidas y soluciones. Sin crisis no hay desafíos, sin desafíos la vida es una
rutina, una lenta agonía. Sin crisis no hay méritos. Es en la crisis donde aflora
lo mejor de cada uno, porque sin crisis todo viento es caricia.

Hablar de crisis es promoverla, y callar en la crisis es exaltar el conformismo.


En vez de esto, trabajemos duro. Acabemos de una vez con la única crisis
amenazadora, que es la tragedia de no querer luchar por superarla.”

23
19/11/2015

Esta presentación ha sido posible gracias a:

La Excelencia del Muestreo


Cel. 947686149 y 988021992
samplingok@gmail.com; canmoysa@gmail.com
www.sampling-ok.com

 Elección del tipo más adecuado de muestreo. Determinación geoestadística de la distancia óptima de
muestreo: superficial, en taladros de perforación, canales, labores mineras y mallas de perforación.
 Implementación de Protocolos de Muestreo basado en la moderna “Theory of Sampling” (TOS)
 Implementación de Procedimientos de Aseguramiento y Control de la Calidad (QA/QC), priorizando la fase
de Muestreo Primario. Preparación de muestras de control: Blancos, Estándares, Gemelos y Duplicados
 Capacitación práctica en el campo (Proyectos y Minas) de métodos y técnicas modernas de muestreo.
 “Tests” de Heterogeneidad y Análisis de Sesgo. Implementación, Gestión y Materialización de campañas
de muestreo y análisis. Somos especialistas en muestreo y análisis de oro grueso.
 Selección de los métodos de análisis químico y mineralógico más adecuados para cada proyecto o mina.
 Validación de data geoquímica, depuración de valores no significativos y tratamiento de altos erráticos.
Asesoría para “mezclar” adecuadamente datas de diferentes campañas, fechas, empresas o laboratorios.
 Alquiler y/o venta de equipos y aparejos de muestreo y de preparación mecánica de muestras.
 Estimación y Clasificación de Recursos con métodos geoestadísticos, siguiendo los Códs Internacionales
 Determinación de variables geometalúrgicas críticas para Flotación, Lixiviación ácida o Cianuración.
 Optimización con Variografía 1D de: Operaciones, Procesos Metalúrgicos y Flujos Mineralúrgicos.
 Caracterización Geometalúrgica e Implementación de Modelos Geometalúrgicos.

¡Muchas gracias AREQUIPA!

24