Introducción al Muestreo Minero

por Marco Antonio Alfaro Sironvalle

Santiago, Chile, 2002
Instituto de Ingenieros de Minas de Chile.
Encomenderos 260, Of. 31. Tel (56-2) 2461615, Fax 2466387. E-Mail: instituto@iim
ch.cl Web: http://www.iimch.cl Santiago, Chile, 2002.
Es Propiedad. Prohibida la reproducción parcial o total sin autorización del autor.
1
Preface Is there a single important decision made on a mining project that is no
t in a way or another, directly or indirectly based on some kind of assayed grad
e, or in other terms on a mineral sample? And who, in the end, is responsible fo
r the devastating consequences of taking bad samples? It clearly is a subject of
utmost importance that Dr. Marco Alfaro has decided to bring to his audience in
this simple, yet fundamental leaflet, which is directed not only to technical p
rofessionals of the mining industry, but also to those who manage them and bear
the ultimate responsibility for the results and consequences of mineral sampling
. In this piece of work, Dr. Alfaro genuinely makes justice to the simplicity of
sampling theory, and to the many services it renders and has rendered the indus
try over several decades of applications. Like in many a discipline, however, th
ere is Sampling and ‘Sampling’, good and poor applications, enlightenment and ignora
nce, science and witchcraft. Practical implementations have kept improving, but
have also suffered through many avatars, not all consistent with its eminently s
cientific approach. Erroneous sampling equipment and experimental procedures, in
correct application models and formulae, based on a highly commercial but appall
ingly arbitrary modus operandi, have made their way into our service and equipme
nt markets, and are currently offered to the non-discerning professional. The ut
most critical sense and prudence must be exercised. It is to Dr. Alfaro’s credit t
o have presented in a simple and short publication all the tools that will help
the professional of the industry, as well as the managers and directors who are
committed to the success of mining projects, tell the good from the bad, and not
fall prey to ‘imitation sampling theory’ which plagues our plants, our mines, and e
ven some of our ‘consultants’ calculations. As active devotees to the future and gro
wth of genuine sampling theory, we feel indebted to Dr. Alfaro and thank him ver
y much for this commendable effort. Pierre Gy & Dominique Francois-Bongarcon Sam
pling Associates
2
Prólogo Estimado lector, he decidido publicar en el lenguaje más simple posible una
introducción a la Teoría del Muestreo Minero, para ello, basado en mi experiencia do
cente, he considerado fundamental incluir el máximo de gráficos. En algunas ocasione
s el material presentado corresponde a minas conocidas, he omitido sus nombres,
por razones de discreción minera. Agradezco sinceramente la ayuda, consejos y apoy
o de los Doctores Pierre Gy y Dominique Francois-Bongarcon. Agradezco también a An
a María por su apoyo y consejos. Estimado lector, agradeceré contactarme ante cualqu
ier duda, comentario o sugerencia. Juntos mejoraremos futuras ediciones del libr
o.
Marco Antonio Alfaro Enero, 2002.
A Ana María, Marco y Sebastián.
3
TEMARIO. I. Introducción e Importancia del muestreo de minerales. II. Conceptos im
portantes en Teoría del Muestreo. Problema principal. III. El Muestreo Estadístico.
Ecuaciones. IV. Consideraciones prácticas para el muestreo de minerales. V. Muestr
eo de flujos de minerales en movimiento. VI. Tipos especiales de muestreo minero
. VII. El Error Fundamental del Muestreo. Teoría de Pierre Gy. VIII. Bibliografía. A
nexo 1. Tabla de números aleatorios. Anexo 2. El Profesor Pierre Maurice Gy. Anexo
3. Sesgos generados por muestreo y análisis. Anexo 4. Ejemplos de errores de mues
treo importantes. Anexo 5. ¿Porqué los errores aleatorios son gaussianos? 5 8 14 18
40 49 64 74 75 76 77 78 79
4
I. Introducción e Importancia del muestreo de minerales. Definiciones. Según el Dicc
ionario de la Lengua española: Muestra es una parte ó porción extraída de un conjunto po
r métodos que permiten considerarla como representativa del mismo. Muestreo es la
acción de recoger muestras representativas de la calidad ó condiciones medias de un
todo ó la técnica empleada en esta selección ó la selección de una pequeña parte estadístic
nte determinada para inferir el valor de una ó varias características del conjunto.
Población ó lote: es el conjunto completo de observaciones que deseamos estudiar. El
muestreo estadístico es diferente del muestreo de minerales: • En el muestreo estadís
tico, el lote ó población está compuesto por objetos de igual peso. • En el muestreo de
minerales, el lote está compuesto de objetos de diferentes pesos.
Figura I.1: Muestreo estadístico y muestreo de minerales.
El muestreo de minerales. Importancia: Casi todas las decisiones que se hacen re
specto de un Proyecto Minero, desde la exploración hasta el cierre de la mina, están
basadas en valores obtenidos de material muestreado. Estas decisiones significa
n millones de dólares. Ejemplo: Pozos de tronadura en una mina a cielo abierto: En
un pozo de tronadura el material acumulado (detritus de la perforación) puede ser
enorme, lo que obliga a tomar una muestra. Sea un depósito minero, con densidad d
e 2.5 ton/m3 en una malla de perforación de 10m*10m, con altura de
5
banco de 15m., con diámetro de perforación igual a 25cm. La cantidad de material acu
mulado, en toneladas, es:
Figura I.2: pozo de tiro.
Tons = π d 2 hδ / 4 = 3.14 * 0.252 *15* 2.5 / 4 = 1.8
tonela as
Figura I.3: Malla e pozos e trona ura.
Tratemos e encontrar ahora el valor económico que representa una ecisión basa a en
una muestra e un pozo, para ello calculemos el tonelaje que representa una mue
stra, asumien o un área e influencia igual a la malla e perforación (figura I.3),
expresan o el tonelaje en libras (se utiliza un factor e 2,204) y en onzas (se
utiliza un factor e 32,150.75): Tonelaje = 10*10*15*2.5 = 3,750 tonela as = 3,7
50*2,204 = 8,265,000 libras = 3,750*32,150.75 = 120,565,312 onzas a) Caso e un
epósito e cobre e 1% CuT (con un precio e 0.70 US$/libra):
6
Valor ecisión = US$ 57,855. b) Caso e un epósito e oro e 2 gr/ton (con un preci
o e 300 US$/onza): Valor ecisión = US$ 72,339. El valor e la ecisión epen e el
precio e los metales, pero a menu o es ¡mucho más e lo que se piensa! En una mina
a cielo abierto, la ley e un pozo e trona ura es fun amental para la planific
ación e corto plazo: este valor eci e, e una u otra manera, el estino e los m
ateriales (planta, stock o bota ero).
7
II. Conceptos importantes en Teoría el Muestreo. Problema principal. La figura II
.1 resume el problema principal el muestreo: estimar la me ia e una población (c
on N elementos) ó lote ( e tamaño ML) a partir e una muestra ( e tamaño n ó MS):
Figura II.1(a): El problema principal el muestreo.
En general, el muestreo exhaustivo, es ecir tomar los N atos ó la masa total ML
(llama o a veces censo) es muy ifícil y e alto costo. En Esta os Uni os, los mue
streos e gobierno toman muestras e 105,000 personas, es ecir 1 persona ca a 1
,240 personas.
Figura II.1(b): Muestreo e minerales quebra os.
8
II.1. Etapas e un muestreo. En to o muestreo, ebe estar bien estableci o lo si
guiente: 1. 2. 3. 4. 5. 6. Objetivo el muestreo. Población a muestrear Datos a re
colectar Manera e recolectar los atos Gra o e precisión esea o Méto o e me i a.
Para cumplir bien con la efinición inicial e muestreo, se ebe cumplir el hecho
siguiente, e vital importancia:
“El muestreo ebe ser equiprobable”
En el caso e los minerales: el muestreo e un lote ML compuesto e N fragmentos
es equiprobable cuan o to as las combinaciones e n fragmentos tienen la misma
probabili a e ser elegi os para la constitución e la muestra (MS es la muestra
con n fragmentos). Según Pierre Gy, crea or e la teoría mo erna el muestreo e min
erales, cuan o la con ición e equiprobabili a no se cumple, se tiene más bien un “es
pécimen” (un ejemplar) en vez e una muestra. La figura II.2 muestra un ejemplo e e
spécimen, las extracciones se basan en la hipótesis no realista y peligrosa e homog
enei a .
Figura II.2: El opera or toma incrementos e la parte más accesible el lote. La s
uma e los incrementos constituye un espécimen.
9
En el muestreo esta ístico, la efinición e muestra equiprobable es análoga a la ante
rior. Ejemplos e muestreos que no son equiprobables: a) Los muestreos e carros
ó e marinas en minería, por lo general, no son equiprobables, porque se está obliga
o a tomar una muestra superficial. b) En muestreo esta ístico, tomar voluntarios c
onstituye un muestreo no equiprobable (ejemplo: test e roga ictos). II.2. Tipo
s e Muestreo. Los principales tipos e muestreo son los siguientes: Muestreo al
eatorio simple. Consiste en la selección e n fragmentos ó uni a es el lote ML e m
o o que to as las muestras posibles e tamaño n tengan la misma probabili a e se
r elegi as. Ejemplo: En una mina hay 100 cáto os e cobre (numera os) para análisis.
Se sortean (con una tabla e números aleatorios) 5 cáto os y se envían para análisis al
laboratorio .Se analiza Cu, O, S, Cl, Pb, Zn, Ni, Mn, Fe, Ag, As, Sb, Se, Te, B
i, Sn, etc. (ver figura IV.8). Muestreo sistemático. En este caso las extracciones
e las muestras son etermina as según una regla fija. Ejemplos: • Tomar canaletas
en una galería ca a 2 metros. • En una cinta transporta ora, tomar una muestra ca a
10 minutos. Muestreo estratifica o. El lote ML se ivi e en partes o estratos qu
e no se solapan entre sí. Ca a estrato es muestrea o posteriormente según los proce
imientos anteriores.
10
Figura II.3: El muestreo estratifica o.
Ejemplo: En las figuras II.4 se tiene un experimento e muestreo estratifica o e
n un epósito e yo o. Se realizaron son ajes, e 2 metros e profun i a los cual
es proporcionaron las leyes z1, z2, z3, ... Luego el material ML e la zanja e
5m*2m*1m se re ujo a la muestra MS consi eran o os estratos (material fino y ma
terial grueso). El muestreo fue manual y la proporción finos/gruesos se eterminó “vis
ualmente”. Los resulta os e la muestras y1, y2, y3, ... (ver Tabla 1) in ican la
presencia e un sesgo o error sistemático ( atos en ppm.).
Figura II.4(a): Bloques e 1m*5m*2m.
Figura II.4(b): Generación “visual” e la muestra MS.
11
Zanja 1 2 3 4 5 6 II.3. Exactitu y Precisión.
Tabla 1 Ley son aje Zi 520 630 600 550 580 550
Ley muestra Yi 830 1050 1100 910 820 860
En teoría el muestreo e minerales se utilizan las nociones e exactitu y precis
ión. La figura II.5 clarifica estos conceptos. En términos esta ísticos estos concepto
s correspon en respectivamente a la me ia, la cual ebe ser insesga a (exactitu
) y a la varianza el error, la cual ebe ser pequeña (precisión)
Figura II.5: a) Exactitu sin precisión. b) Precisión sin exactitu . c) Exactitu y
precisión. ) Ninguno.
En resumen:
12
Exactitu Me ia Precisión Varianza “La me ia ebe ser insesga a (sin esviación sistemát
ica) y la varianza ebe ser pequeña”. Ejemplo: Sea ML una población o lote con 4 atos
y MS una muestra e 2 observaciones el lote: ML = { x1, x2 , x3, x4} MS = {a1,
a2} N=4 n=2
Las muestras posibles y las me ias muestrales correspon ientes son: {x1, x2} {x1
, x3} {x1, x4} {x2, x3} {x2, x4} {x3, x4} m1 = (x1 + x2 ) / 2 m2 = (x1 + x3 ) /
2 m3 = (x1 + x4 ) / 2 m4 = (x2 + x3 ) / 2 m5 = (x2 + x4 ) / 2 m6 = (x3 + x4 ) /
2
La me ia el lote es (observar que en nuestro caso minero nos interesa en genera
l el muestreo sin reemplazamiento): m0 = (x1 + x2 + x3 + x4 ) / 4 y la me ia e
las muestras (posibles) es: m*=(m1+m2+m3+m4+m5+m6) / 6 se observa entonces que:
m 0 = m* Se ice que la me ia e la muestra ( e 2 observaciones) m=(xi+xj)/2 es
un estima or insesga o e la me ia el lote m0=(x1+x2+x3+x4)/4. La propie a e
isponer e un estima or insesga o se cumplirá cuan o la muestra sea equiprobable.
En la práctica, cuan o sea posible, siempre se eben utilizar estima ores insesga
os (la experiencia muestra que no existe na a más complejo que corregir sesgos).
13
III. El Muestreo Esta ístico. Ecuaciones.
Figura III.1: Dispositivo para experimentos e muestreo. Sirve para emostrar qu
e las fórmulas e muestreo “funcionan”.
Estu iaremos a continuación las fórmulas el muestreo esta ístico las cuales constituy
en una excelente intro ucción a las fórmulas el muestreo e minerales. III.1. Formu
las el muestreo aleatorio. Sea ML = { x1, x2, x3,... xN } MS = { a1, a2, a3,...
an } (se supone que los ai correspon en a una elección al azar, sin reemplazar e
los xi). m*= (a1 + a2 + a3 +... + an ) / n es un estima or insesga o e: m0= (x
1 + x2 + x3 +... + xN ) / N por otra parte hay que calcular la varianza e la mu
estra, según la formula siguiente: s2 = [ (a1-m*)2 +(a2-m*)2 +(a3-m*)2 + ... +(an-
m*)2 ] / (n - 1) Se pue e emostrar que la varianza S2 = Var(m*) el error e mu
estreo está a a por: S2 = s2 ( 1/n – 1/N ) (n<N) (III.1)
14
Luego, el error e muestreo, con 95% e confianza, asumien o que los errores son
gaussianos, lo cual es una aproximación razonable (ver Anexo 5), verifica la esi
gual a : -2S < error < 2S Las ecuaciones anteriores resuelven el problema el mu
estreo aleatorio esta ístico. Observación: el error e muestreo es pequeño cuan o: a)
n es próximo a N (en particular, si n = N el error es nulo) b) la varianza s2 es p
equeña. Esto ocurre cuan o hay poca variabili a (los atos ai son próximos a su pro
me io m*)
Figura III.2: 64 manzanos y su ren imiento en bushels.
15
Ejemplo: En la figura III.2 se tienen N = 64 árboles e manzanas con su ren imient
o en bushels: 1 bu = 35 lt (po rían ser iámetros e partículas, leyes e muestras, et
c.) La me ia real es m0=5.56. Me iante una tabla e números al azar (ver Anexo 1),
se sorteó la siguiente muestra (sin reemplazamiento) e n=8 árboles: {6, 5, 5, 9, 6
, 6, 2, 3} Obtenién ose: Me ia estima a Error e estimación = 5.25 Bu = 1.40 Bu
(el error e estimación, con 95% e confianza es 2S). III.2. Formulas el muestreo
aleatorio estratifica o. En el caso el muestreo aleatorio estratifica o se eli
gen k estratos, sien o N1, N2, N3, ..., Nk los tamaños e ca a estrato. En ca a es
trato tomamos ni atos. El tamaño e la población total es N: N = N1+ N2+ N3+ ... +
Nk m*=(N1m1+N2m2+N3m3+...+Nkmk)/N Es un estima or insesga o e la me ia e la po
blación m. y la varianza el error e estimación es: S2 = [ (N1S1)2 +(N2S2)2 +(N3S3)
2 +...+(NkSk)2 ] / (N)2 (observar que siempre se multiplica por Ni y nunca por n
i) En las expresiones anteriores se tiene: mi = [ a1 + a2 + a3 + ... + ani ] / n
i Si2 = si2 (1/ni – 1/Ni) si2 = [ (a1-mi)2 +(a2-mi)2 +(a3-mi)2+ ... + (ani-mi)2 ]
/ ( ni - 1 ) El muestreo aleatorio estratifica o, bien aplica o, proporciona, en
general, mejores resulta os que el muestreo aleatorio simple. Ejemplo:
16
En el caso anterior e los árboles, las tres últimas filas correspon en a árboles nuev
os. Realizar varios muestreos estratifica os con os estratos (árboles viejos y árbo
les nuevos); ver que la teoría funciona comparan o la estimación, el valor real y el
error.
17
IV. Consi eraciones prácticas para el muestreo e minerales. Resulta ifícil proporc
ionar recomen aciones prácticas generales acerca el muestreo e minerales, ebi o
a que esta operación se realiza en to as las etapas e un Proyecto Minero y a que
no existen os minas iguales entre sí. El punto fun amental es siempre (para no t
ener sesgos) y resulta os repro ucibles:
“Muestras representativas, es ecir equiprobables y e varianza pequeña”
Figura IV.1: Recor ar que: insesga o exacto varianza pequeña preciso a) sesga o, v
arianza gran e b) insesga o, varianza pequeña c) insesga o, varianza gran e ) ses
ga o, varianza pequeña
18
IV.1. Ejercicios y complementos.
1. Utilizan o las ecuaciones el muestreo comprobar que se pue e calcular el tam
año n e la muestra utilizan o la relación:
El usuario pue e fijar el error 2S, luego S sería conoci o. Sin embargo s es esco
noci o y sería necesario realizar algunas me iciones para estimar su or en e magn
itu . 2. En ciertas ocasiones, en el muestreo esta ístico, es ifícil efinir la pob
lación ó lote. Por ejemplo, se esea hacer una encuesta e votación acerca el apoyo a
l can i ato A en una cierta asociación. ¿Cuál es la población? (los socios inscritos, lo
s socios al ía en las cuotas, los socios que votaron la vez anterior, ...). Supon
gamos que van a votar N=580 socios y que se hace una encuesta toman o, al azar,
n=100 socios, obtenien o el apoyo e 62 socios. Comprobar que el error e muestr
eo verifica (con 95% e confianza): -0.09<error<0.09. ¿Está seguro e ser elegi o el
can i ato? 3. Ejemplos e muestreo. A continuación se presenta una serie e muest
reos. Criticarlos es e el punto e vista e la equiprobabili a . ¿En qué casos se t
rata e un espécimen?
s2 n= 2 ≈ 1 S2 S + s2 N 1
(Si N es gran e)
a) Figura IV.2: Se esea tomar una muestra el bal e el LHD, para analizar la l
ey e cobre e pro ucción. Observar la granulometría el material. En esta mina se u
tiliza una poruña con hoyos para no tener mucho material fino en la muestra. Comen
tarios.
b) Figura IV.3: En ecología el suelo, para isponer e muestras uniformes, se uti
liza el muestrea or e la figura. Comentarios.
19
c)
Figura IV.4: Muestreo e una solución e lixiviación. Se utiliza el muestrea or e l
a figura llama o coliwasa (composite liqui waste sampler). Comentarios.
) Figura IV.5: Izquier a: son a para muestreo en un tranque e relaves. Derecha
: probeta para muestreo el suelo. Comentarios.
e) Figura IV.6: Cómo tomar una muestra el bal e e la pala ó e la carga el camión.
En ciertas minas e uranio se pone un conta or Geiger sobre las cargas. Comentar
ios.
20
f)
Figura IV.7. ¿Cómo garantizar que el lingote e cobre e la figura tiene pureza el
99%?. Comentarios.
g) Figura IV.8. Muestreo e cáto os e cobre. Se hacen 3 perforaciones en iagonal
(izquier a). En otra mina se hacen 4 cortes con sierra ( erecha). Comentarios.
h) Figura IV.9. Una vez toma a la muestra, por ejemplo las rocas e exploración e
la figura, ya es emasia o tar e: no existe ningún test que garantice si la muest
ra es buena o es mala. La toma e la muestra ebe ser planifica a previamente se
gún el criterio e representativi a (equiprobable y e varianza pequeña). Comentari
os.
21
4. Son buenas o son malas las muestras siguientes: a) 1cc e sangre para me ir g
lóbulos rojos. b) 5cc e orina para me ir glucosa. 5. Kenne y leía una ca a 50 carta
s e las 30,000 que llegaban semanalmente a la Casa Blanca. Comentar es e el pu
nto e vista el muestreo. 6.En 1936 la revista norteamericana The Literary Dige
st realizó una encuesta entre sus suscriptores, recibien o 2,400,000 respuestas. P
re ijo la errota e Roosevelt quién obten ría un 41% e los votos. Un esta ístico e
apelli o Gallup encuestó a 5,000 futuros votantes me iante un muestreo que trataba
e repro ucir la equiprobabili a pre ijo el triunfo e Roosevelt por un 56%. E
l ía e la elección, Roosevelt obtuvo el 61% e los votos. a) Explicar el fracaso
e la encuesta el Literary Digest (revista que a los pocos meses quebró). Conclusión
: si una muestra está sesga a, el hecho e ser gran e no corrige el error, sino qu
e lo repite a mayor escala. b) Calcular el error e la encuesta e Gallup (consi
erar N = ∞). c) Si resolvió la pregunta anterior, entonces la teoría el muestreo equ
iprobable funciona bien. ¿Se po ría reemplazar entonces el sufragio universal por un
a encuesta? Comentarios. 7. Tome un perió ico y revise el lista o e acciones tran
sa as. Use como variable x en estu io el total transa o. Calcule el prome io m
e esta variable. Registre el número total e empresas N. Ahora tome 1 empresa ca a
10 y forme una muestra e n atos. Calcular un estima or m’ e la me ia e x prom
e ian o los valores e su muestra. Compare con m. Calcule ahora el error e mues
treo asocia o a su estimación. Conclusiones. Ahora realice el sorteo e las empres
as utilizan o la Tabla e números aleatorios el Anexo. Para ello proce er e la f
orma siguiente (sortear n empresas al azar y sin repetición): numere las empresas
el 1 a N. Suponien o que N≤100, tomar la primera columna con os ígitos, por ejemp
lo 14, 26, 69, ...esto quiere ecir que la muestra aleatoria está compuesta por la
empresa 14, luego la empresa 26, luego la empresa 69,.... Esto termina al llega
r al número n. (si los números al azar se repiten, salte al número siguiente, si por e
jemplo N=95 y sale sortea a la empresa 98, salte al número siguiente.). Repetir lo
s calculos anteriores para esta nueva muestra y comparar. 8. El sesgo e las cas
as. Un muestreo esta ístico no equiprobable consiste en elegir una casa al azar y
luego elegir al azar, una persona, entre los miembros e la familia. Una persona
e una familia poco numerosa tiene más probabili a e estar en la muestra que un
a persona e una familia numerosa.
Figura IV.10: El sesgo e las casas. 9. Un experimento e muestreo. Tomar los ma
nzanos e la figura III.2. Numerarlos el 01, 02,..., 64. (a) Utilizar la Tabla
el Anexo 1 para tomar una muestra e tamaño n=4. Guar ar los 4 resulta os. (b) Ca
lcular la me ia (x1+x2+x3+x4)/4. Repetir las etapas (a) y (b) cuatro veces más (ci
nco en total), utilizan o ca a vez una zona iferente e la Tabla. El prome io
e las cinco me ias ebería ser próximo al valor real 5.56 (la me ia es un estima or
insesga o cuan o la muestra es equiprobable).
22
IV.2. Los 3 esta os el mineral. En la figura IV.11 aparecen los esta os en que
se pue e encontrar el mineral: a) b) c) In situ: correspon e en este caso aplica
r la Teoría e la Geoesta ística. Quebra o: correspon e en este caso aplicar la Teoría
el Muestro e Pierre Gy, la cual estu iaremos más a elante. Libera o: en este ca
so, ebi o a un proceso e conminución (molien a) se ha separa o la ganga (materia
l estéril) el componente crítico ó material con valor comercial ó mena.
Se observará que el tamaño e la partícula, caracteriza o por un iámetro nominal ecr
ece e a) a c).
Figura IV.11: Los 3 esta os el mineral.
23
IV.3. La Segregación. Las partículas e mineral tien en a segregarse (figura IV.12),
por ejemplo las más pesa as tienen una ten encia a localizarse en el fon o. El ca
so homogéneo es muy ifícil e encontrar en la práctica (algunos autores afirman que e
ste caso es inexistente). Sin embargo, el fenómeno e segregación es más complejo y e
pen e a emás e las granulometrías, formas y pesos e las partículas. Para ver lo ante
rior haga el experimento siguiente: ponga en un recipiente transparente una cier
ta canti a e porotos y otra canti a e azúcar: observar que es imposible tener
un conjunto homogéneo (IV.13)
Figura IV.12: Diferentes tipos e segregación.
Figura IV.13: Experimento para comprobar la segregación e os materiales azúcar y p
orotos. No se pue en mezclar.
Una receta para isminuir el efecto e la segregación en la toma e la muestra es
realizar varios incrementos, es ecir tomar un cierto número e submuestras para c
onstituir una muestra primaria (figura IV.14).
24
Figura IV.14. Incrementos para constituir una sola muestra, isminuyen o el efec
to e segregación.
Don e se pro ucen segregaciones importantes es en las cintas transporta oras e
mineral, tal como muestra la figura IV.15.
Figura IV.15: Segregación en cintas transporta oras.
No se han realiza o muchos estu ios prácticos respecto el problema e la segregac
ión e minerales pero se sabe que es un problema mayor.
25
IV.4. La extracción e la Muestra. La extracción e integri a e la muestra es e vi
tal importancia en el muestreo minero. Revisemos algunos ejemplos: Ejemplo 1: Es
muy ifícil tener la situación i eal e recuperación e son aje. En la mayoría e los c
asos se trabaja, esafortuna amente, en un punto interme io entre la situación cor
recta e incorrecta (figura IV.16).
Figura IV.16. Testigo. Situación incorrecta (superior) y correcta (inferior)
En este tipo e situaciones se ebe estu iar la correlación entre la recuperación e
la muestra y la ley e mineral y llevar lo anterior a un gráfico. No ebería haber
correlación entre estas variables. Ejemplo 2: Los tubos e muestreo e etritus e
ben tener una abertura a ecua a (figura IV.17).
Figura IV.17: Tubos para captar etritus.
Ejemplo 3: El riffle (aparato utiliza o para ivi ir una muestra en os) ebe te
ner abertura e manera e contener to as las partículas (figura IV.18).
26
Figura IV.18: Riffle mira o es e arriba
Ejemplo 4: Las palas eben tener una abertura suficiente e manera e contener l
os iferentes tipos e tamaño (granulometría) el material quebra o (figura IV.19).
Figura IV.19: Palas e muestreo. Diseño incorrecto (izquier a), iseño correcto ( er
echa).
Una solución para el iseño es tomar el iámetro e la abertura e manera tal que:
> 3 M en que M es el iámetro e la partícula máxima. En general la muestra ebe res
petar la granulometría el lote ebi o a que en la mayoría e los casos, la ley el
material fino pue e ser muy iferente e la ley el material grueso.
27
Respecto a la integri a e la muestra. Es evi ente que si se usa una bolsa, ésta
ebe ser resistente, estar bien etiqueta a (rotula a) y guar a a en un lugar seg
uro. En ciertas ocasiones la muestra ebe estar a prueba e frau es o e contami
nación.
Figura IV.20: Hay que proteger la muestra. Con buena i entificación (interior y/o
exterior).
IV.5. La elimitación e la Muestra. La elimitación e una muestra está íntimamente rel
aciona a con la representativi a e la misma. Es importante que la elimitación s
ea correcta. Revisemos algunos ejemplos. Ejemplo 1: En una mina a cielo abierto,
la muestra e un pozo e trona ura ebe ser representativa el banco y no ebería
consi erarse la pasa ura. Lo anterior, epen ien o el méto o, ocasiona problemas
operacionales, ebi o a que habría que etener la perforación el hoyo y/o cubrir e
l cono e etritus con una lona ó plástico (figura IV.21).
Figura IV.21. La muestra ebe representar al “banco”.
Ejemplo 2: En una pila e lixiviación e ripios, e 2 metros e altura, se toman m
uestras e son ajes e profun i a 1.5 metros (para no estruir la membrana infe
rior). Esta muestra, mal elimita a, está sesga a ebi o a que, por lo general, la
ley el fon o es mayor que la ley e la superficie (figura IV.22).
28
Figura IV.22: son ajes en una pila e lixiviación.
Ejemplo 3: La son a e la figura IV.5 a veces proporciona recuperaciones e mues
tra e 40%, a veces el 150%. Ejemplo 4: Si se utiliza un capta or e polvo e p
erforación, éste ebe ser ra ial ( e esta manera se respeta la proporción e finos/gru
esos en la muestra, tal como veremos más a elante).
Figura IV.23: El capta or ebe ser ra ial. Por ejemplo en una torta, un corte ra
ial garantiza una repartición equitativa e las “guin as”.
Ejemplo 5: En una cinta transporta ora la geometría e la muestra ebe ser un rectán
gulo ó un paralelogramo (figura IV.24).
Figura IV.24: Vista e arriba. En una cinta transporta ora la muestra correcta c
orrespon e a un rectángulo o un paralelogramo.
29
Ejemplo 6: Una submuestra no se pue e tomar en forma superficial, sobre to o si
existe el fenómeno e segregación (figura IV.25)
Figura IV.25. Forma incorrecta y correcta e tomar submuestras.
IV.6. Diseño e Palas. Las espátulas, poruñas y palas tienen que tener un iseño recto,
con bor es laterales, para no per er material, evitar el problema e la segregac
ión y proporcionar muestras equiprobables (figura IV.26). En muchos laboratorios s
e utilizan aún iseños curvos (algunos laboratorios e minas e oro).
Figura IV.26: El cucharón curvo es incorrecto.
30
Hemos inclui o también el iseño e una pala e muestreo según las normas JIS (Japanes
e In ustrial Stan ar s), que consisten en palas especialmente iseña as para ifer
entes tipos e material (figura IV.27). Esta norma consi era tamaños máximos e partíc
ulas e 150 mm.
Figura IV.27.
IV.7. Re ucción e la Muestra. Cuarteo, Riffle, vibra or rotatorio, mesa vibra ora
. La re ucción ó ivisión e una muestra es necesaria en la práctica. Principalmente se
utiliza: • Cuarteo • Riffle. • Divisor rotatorio • Divisor e mesa. El cuarteo manual e
be realizarse en forma cui a osa (figura IV.28).
31
Figura IV.28: Cuarteo manual.
Figura IV.29: El riffle.
La figura IV.29 muestra un riffle y la figura IV.30 muestra la manera a ecua a
e cargarlo: ebe realizarse en el centro, lentamente, con una pala a ecua a. Est
o asegura que las 2 submuestras son aproxima amente iguales (para garantizar la
equiprobabili a ).
32
Figura IV.30: forma correcta e incorrecta e cargar un riffle.
Reglas el corta or Riffle. Para el un riffle, es necesario tener en cuenta las
reglas siguientes: a) Al menos 12 canales (observamos que en las figura IV.29 no
se cumple esta regla). b) Número par e canales (a veces el ispositivo es “hechizo”,
se hace “en casa” y no se respeta esta regla evi ente). c) Abertura e canales mayo
r que 2 veces el iámetro máximo e las partículas (es obvio que no eben que ar partícu
las reteni as). ) Alimentar o cargar lentamente, es e el centro, con el conten
e or iseña o (tal como se muestra en las figuras IV.29 y IV.30). En la figura IV.
31 se tiene un ivisor rotatorio el cual consiste en un alimenta or vibratorio y
una mesa rotatoria con sub ivisiones, las cuales se consi eran como submuestras
. El único problema e este aparato es que en algunas ocasiones, al terminar la op
eración, que a un remanente e material fino en el alimenta or.
33
Figura IV.31: Divisor rotatorio.
En la figura IV.32 hemos representa o un ivisor e mesa. La mesa es vibratoria.
Este ispositivo tiene, a veces, el mismo problema que el ivisor rotatorio.
Figura IV.32: Divisor e mesa.
34
IV.8. Ejercicios y complementos.
1. ¿Qué le parece a uste cuartear tal como en la figura IV.33?
Figura IV.33: Cuarteo manual. 2. ¿Está bien carga o el riffle e la figura?
Figura IV.34: Carga e un riffle. 3. Qué comentarios le merece el invento siguient
e para ivi ir muestras en laboratorio.
F Figura IV.35: Aparato para ivi ir muestras.
35
4. Compare los iferentes méto os para ivi ir muestras (riffle, ivisor circular,
ivisor e mesa) consi eran o los factores siguientes: a) Peso a re ucir (gran
e o pequeño). b) Granulometría el material. c) Hume a el material. ¿Es necesario se
car la muestra? 5. Cuan o se perfora un pozo e trona ura se pro uce una segrega
ción e las partículas. Las más livianas se van a la atmósfera. ¿Dón e van las más pesa as?
es la trayectoria e una partícula cualquiera?
Figura IV.36: Perforación e un pozo. 6. Granulometrías. El estu io e las granulome
trías es muy importante a o que a menu o la ley e los finos es significativament
e iferente e la ley e los gruesos. Se utilizan tamices como en la figura IV.3
7(a). Dibujar, aproxima amente el histograma e los iámetros e partícula e la fig
ura IV.37(b) y e la figura IV.2. Dibujar a emás los histogramas acumula os.
Figura IV.37(a): Tamiz para granulometrías.
Figura IV.37(b): Muestra e pie ras.
7. Muestreo por canaletas (rozas) en vetas. En una veta se trata e llevar una g
alería en el senti o e la misma (figura IV.38). Se toma una canaleta (manual o co
n una sierra) en irección ortogonal a la veta, en el techo e la galería. En este c
aso, ¿está bien elimita a la muestra?
Figura IV.38: Muestreo e vetas
36
8. Espátulas. ¿Cuál e estos os iseños preferiría en un laboratorio (figura IV.39)?
Figura IV.39: Espátulas. 9. Lectura en un equipo e absorción atómica. La figura IV.40
muestra un esquema e la operación. El matraz pue e estar varias horas en reposo
y los iones e oro, más pesa os que el resto, se segregan progresivamente hacia el
fon o, lo cual es imperceptible. Las lecturas el instrumento pue en variar e
1 a 2 una vez que se agita el matraz. ¿Qué hay que hacer para muestrear bien?
Figura IV.40: Lectura en un equipo e absorción atómica. 10. La “lanza”, ispositivo par
a tomar muestras en pilas e lixiviación tiene el problema que la elimitación e la
muestra no es correcta (figura IV.41)
Figura IV.41: La lanza. En la operación se utiliza un martillo percutor.
37
11. Muestreo en una cinta transporta ora eteni a. Se utiliza el equipo e la fi
gura IV.42, el cual pro uce una elimitación correcta. Sirve para chequear corta o
res automáticos.
Figura IV.42. Muestreo en cinta eteni a. Consi ere la figura V.2 siguiente para
tener una buena elimitación. 12. ¿Qué opinión le merece esta pala para ivi ir una mue
stra en tres partes iguales?
Figura IV.43. Una pala para ivi ir muestras en tres tercios.
38
IV.9. Algunas recetas sobre Muestreo e Minerales. Otras recetas respecto el mu
estreo e minerales serían las siguientes: La re ucción ebe ser ver a era. Para ell
o se ebe utilizar: cuarteo, rifle, ivisores. La selección el respal o y el rec
hazo ebe ser aleatoria (ejemplo: corte e un testigo en os me iante un instrum
ento. Se recomien a tirar una mone a al aire y luego elegir el corte que va a anál
isis, con el fin e eliminar un posible “sesgo técnico”) Siempre habrá que seguir las re
glas siguientes: a) Capacitar al personal involucra o en el muestreo (señalar la i
mportancia e isponer e una buena muestra). b) Observar y verificar que la mue
stra es correcta. c) Evitar el corte “manual”. ) Fotografiar y/o filmar las operaci
ones y equipos e muestreo en funcionamiento y revisar los resulta os, cui a osa
mente, en forma posterior. e) Respetar las reglas el corta or. f) Evitar el uso
el “roleo” y “cuarteo” manual. Es preferible uso e riffle, o bien un ivisor rotatori
o. La operación e roleo consiste en poner la muestra en una lona y luego tomar al
terna amente la lona por las esquinas opuestas, con el propósito e “mezclar” las partíc
ulas Figura IV.44). A veces se hace primero un roleo y luego un cuarteo manual.
Figura IV.44. El “roleo”. Se ha comproba o que esta técnica no funciona bien.
39
V. Muestreo e flujos e minerales en movimiento. Este muestreo se realiza una v
ez que el mineral ha sali o e la mina. Se utilizan “corta ores” e muestras, los cu
ales eben ser perpen iculares al flujo (figura V.1)
Figura V.1:el corta or incorrecto no es equiprobable.
V.1. Reglas e los corta ores e Muestras. Los corta ores e muestras que se uti
lizan en plantas e tratamiento e minerales, en el caso e flujo continuo, ebe
n seguir las reglas siguientes, para garantizar la equiprobabili a : a) Deben se
r verticales. b) Las caras eben ser perpen iculares al flujo. c) Las caras cort
a oras eben estar centra as con respecto al flujo y perpen iculares al movimien
to. ) La veloci a , la cual también ebe seguir ciertas reglas que no explicitare
mos aquí (en to o caso la experiencia in ica que ebe ser inferior a 0.6 m/s), eb
e ser uniforme. Para el iseño e estos equipos hay que consi erar que el centro
e grave a e la partícula es el que etermina si ésta es corta a o no. Luego el is
eño e los bor es ebe ser afila o (figura V.2).
40
Figura V.2: Corta or.
Por otra parte el ancho el corta or ebe consi erar el efecto que se muestra en
la figura V.3 (efecto e rebote). Para ello se ebe utilizar: >3 M ( M= iámetro
e partícula máximo). Para mayor seguri a se recomien a >4 M
Figura V.3: El iseño el corta or ebe consi erar los choques e la partícula. Efec
to e rebote.
Figura V.4. Un corta or e flujo e minerales. Existen varios tipos.
41
Figura V.5: Muestrea or rotatorio.
Figura V.6: Muestrea or e ca ena y tacho.
Figura V.7: Muestrea or e brazo. Pro uce, en general, malos resulta os.
42
Figura V.8: Muestrea or e martillo. Pro uce, en general, malos resulta os.
Figura V.9. Muestrea or rotativo.
43
Figura V.10: Otro iseño e muestrea or rotativo. En este caso el flujo gira. Pro
uce, en general, malos resulta os.
Cuan o se corta el flujo e una cinta transporta ora, hay que consi erar las sit
uaciones e las figuras V.11 y V.12.
Figura V.11. Corte e muestras en cintas transporta oras.
44
Figura V.12. Corte e un flujo e mineral. Vista e arriba.
Para trayectorias circulares es conveniente utilizar un corta or rotatorio o Vez
in, el cual pue e operar en forma continua o iscontinua. Según Pierre Gy, 1999, e
s el único méto o equiprobable para este tipo e flujos (figura V.13)
Figura V.13: Corta or Vezin. Vista e arriba.
45
V.2. Ejercicios y complementos.
1. El ivisor e aletas. Este ispositivo es incorrecto porque en la muestra se
tiene más material e un la o el flujo (figura V.14).
Figura V.14. El ivisor e aletas. 2. Explicar porqué es malo el sistema e muestr
eo e minero uctos e la figura V.15.
Figura V.15: Muestreo en un minero ucto. ¿Se pue e mejorar?
3. Entre los siguientes casos para un Vezin, con flujo circular (figura V.16), s
olo uno e los iseños siguientes es correcto. ¿Cual?
46
Figura V.16. Diseños correcto e incorrectos.
4. El muestrea or siguiente también es incorrecto (figura V.17):
Figura V.17: Una variación el ivisor e aletas. 5. ¿Qué le parece el iseño siguiente
(figura V.18)?
Figura V.18: Corta or e muestras.
47
6. ¿Porqué es incorrecto el Vezin e figura V.19?
Figura V.19: Vezin incorrecto. a = vista lateral. b = vista e arriba.
7. División e un lote en os muestras potenciales A y B. ¿Cómo seleccionar la muestra
potencial A o B? Aplicar al caso en que se tienen 5 muestras potenciales S1, S2
,..., S5.
Figura V.20. Muestra potencial ¿A o B?.
48
VI. Tipos especiales e muestreo minero. Estu iaremos a continuación algunos tipos
especiales e muestreo, e gran utilización en minería. VI.1. Muestreo e canaletas
. Las figuras siguientes muestran lo ifícil que es realizar un buen muestreo e c
analetas o canales.
Figura VI.1: Es ifícil elimitar bien la muestra en una canaleta. No hay solución o
perativa.
Figura VI.2: Canaleta bien muestrea a.
49
Otros factores que afectan la cali a e la muestra e canal serían los siguientes
: a) Por lo general son manuales y el opera or corta (en forma consciente ó incons
ciente) las partes más blan as e la pare ó partes que tienen una característica común
(color), etc. b) En ciertas minas las leyes altas se encuentran en fracturas. Al
construir las galerías, las pare es e éstas correspon en en forma natural a caras
e fracturas. En la gran mayoría e las minas que utilizan canaletas, se ha compro
ba o que existe un sesgo, al comparar las leyes e las canaletas con las leyes
e los son ajes próximos. En algunas minas subterráneas se ha aban ona o el muestreo
por canaletas. En otras se utiliza como alternativa perforaciones e poca profun
i a .
Figura VI.3: Perforaciones para reemplazar canaletas.
VI.2. Muestreo en minas e calizas subterráneas. En ciertas minas e calizas subte
rráneas se utilizaban méto os e muestreo no equiprobables tal como muestran las fig
uras anexas: a) b) c) ) El capta or no es perpen icular al flujo. El capta or n
o es ra ial. La re ucción e la muestra es manual. Las muestras se intro ucen en u
n gran cilin ro plástico y se hace un nu o para ca a metro e perforación. Se compro
bó que esta operación contaminaba las muestras.
50
Figura VI.4: El corte e muestra no es perpen icular al flujo.
Figura VI.5: El capta or no es ra ial, luego no es equiprobable.
Figura VI.6: Contaminación entre muestras e caliza.
Las minas e caliza tienen, es e el punto e vista el muestreo, una ventaja: s
us leyes son altas (sobre 65%). Una ley alta es favorable en lo que respecta al
error e muestreo (tal como veremos más a elante). Una ley baja, por ejemplo e or
o (en gr/ton, es ecir ppm.), es esfavorable. VI.3. Muestreos e carros mineros
. Camiones. El muestreo e carros mineros y el muestreo e camiones mineros (fig
ura VI.7) no es equiprobable ebi o a que obligatoriamente la muestra es superfi
cial.
51
Figura VI.7: Es casi imposible tener una muestra equiprobable e un carro o camión
minero.
VI.4. Muestreo en puntos e extracción. Marinas. El muestreo en puntos e extracción
, por ejemplo en una mina explota a por block-caving, es ifícil, ebi o a que es
superficial a emás e no ser equiprobable ebi o a la gran varie a e tamaños en el
punto (a veces existen bolones e gran iámetro). Lo mismo ocurre con las muestra
s e marinas.
Figura VI.8: Muestreo en un punto e extracción.
Para mejorar la situación existen soluciones e alto costo. Una e ellas es constr
uír un scoop muestra or el cual tiene incorpora o un chanca or. La otra, aplicable
al caso e marinas, es utilizar una torre e muestreo (figura VI.9) y enviar el
avance completo a la torre. Algunos autores consi eran que isponer e una buen
a torre e muestreo constituye un seguro e vi a para la mina.
52
Figura VI.9: Una torre e muestreo.
53
VI.5. El muestreo e hoyos e trona ura. En la figura VI.10 aparece un esquema
e un hoyo e trona ura y uno e los méto os para tomar una muestra el “cono”: el tubo
muestrea or (figura VI.11).
Figura VI.10. Pozo e trona ura
Figura VI.11: El tubo muestrea or.
Figura VI.12: Forma e tomar la muestra e incrementos el tubo.
En algunos casos el material acumula o en el cono pue e ser el or en e una ton
ela a. Es imprescin ible entonces tomar una muestra e unos cuantos kilos. En la
figura VI.13 se emuestra con un ejemplo hipotético que si se utiliza un capta or
e etritus, su iseño ebe ser ra ial. Un corte en el cono proporciona un círculo
e ra io 2r. Si suponemos, por ejemplo, que los gruesos están en un círculo concéntric
o e ra io r y los finos en el exterior, entonces la proporción real e finos/grue
sos es e 3:1. En este ejemplo, un capta or rectangular entrega una proporción e
finos/gruesos e aproxima amente 1:1.
54
Figura VI.13: Comparación entre capta or ra ial y no ra ial.
En la figura VI.14 se emuestra con un ejemplo hipotético que el tubo e muestreo
no es equiprobable. Asumien o un ángulo e reposo e 45 gra os, se tiene una propo
rción real e finos/gruesos e 7:1, mientras que el tubo entrega una proporción e a
proxima amente 1:1.
Figura VI.14: Esquema para probar que el tubo no es equiprobable.
Se concluye entonces que uno e los mejores méto os prácticos ebería ser un capta or
ra ial. Sin embargo esta solución es muy ifícil e implementar en minas gran es, e
bi o a la gran canti a e material que cae en el capta or. Por esta razón, en min
as gran es, se utiliza aún el méto o el tubo muestrea or. El tubo presenta otros pr
oblemas ebi o a que, en algunas minas, en el invierno, no se pue e utilizar (se
congela el cono) y existe muestreo e verano (realiza o con un tubo) iferente
el muestreo el invierno (realiza o con una pala). Otro problema asocia o es qu
e a veces se remueve, en forma empírica la pasa ura en la superficie el cono.
55
Ejemplos e capta ores. Hace unos años, el autor e este libro realizó una encuesta
en minas chilenas, obtenien o los iseños, con sus imensiones correspon ientes. S
e conocen como el “cajón”, el “mol e” y la “cuña”.
Figura VI.15: El cajón capta or e muestra. No es ra ial.
Figura VI.16: El mol e capta or e muestra. No es ra ial.
56
Figura VI.17: La cuña capta ora e muestra. Es ra ial. En ciertas minas se pone un
a cuer a para retirar el ispositivo al llegar a la pasa ura.
Resulta os para el “cajón”. El autor realizó experiencias, en una mina, en la zona e óxi
os, con el cajón, toman o en 40 hoyos la muestra total (la cual se re ujo y preparó
en un local cerra o para mayor confiabili a ) y la muestra el capta or. Se obse
rva que las granulometrías e la muestra y el lote no son iguales (figura VI.18).
Figura VI.18: curva granulométrica e la muestra y el lote. La muestra tiene menos
finos que el lote.
Se comprobó a emás que la ley el lote era iferente e la ley e la muestra. Se com
probó también que la ley e los finos es superior a la ley e los gruesos, tal como
muestra la figura VI.19.
57
Figura VI.19: La ley e los finos es significativamente superior a la e los gru
esos.
VI.6. El capta or e “lo os”. Se utiliza en algunas minas subterráneas. La perforación e
s con agua y la muestra es e “lo o” o barro. La recuperación, por lo general no es bu
ena, pro ucien o una muestra e u osa cali a . En varias minas se ha comproba o
que el muestreo e lo os pro uce sesgos.
Figura VI.20: El capta or e lo os en minería subterránea.
VI.7. Conclusiones. Los ejemplos analiza os muestran que en minería es muy ifícil o
btener una muestra equiprobable a un costo y con iciones operacionales razonable
s. Cuan o por efinición la muestra no cumple con la con ición e equiprobabili a
58
(espécimen), se eben hacer estu ios acerca e la existencia e sesgos y el posibl
e cambio el sistema. Mencionemos a emás que es fácil emostrar que un ispositivo
e muestreo es incorrecto pero es muy ifícil emostrar que un cierto ispositivo e
s correcto.
59
VI.8. Ejercicios y complementos.
1. A continuación se presenta como se muestrean los hoyos e trona ura en minas no
rteamericanas (Cana á y USA). ¿Cuáles proporcionan especimenes?
Figura VI.21. Mina 1.
Figura VI.22: Mina 2.
60
Figura VI.23: Mina 3.
Figura VI.24: Mina 4. Una variación el tubo.
61
Figura VI.25. Mina 5. 3. ¿Qué le parece el equipo e muestreo siguiente, correspon i
ente a una mina española?
Figura VI.26. Equipo e muestreo e pozos e tiro. 4. Para muestrear pozos e ma
nera automática, existen inventos (ra iales) que se ponen en la plataforma e la p
erfora ora. Comentarios.
Figura VI.27. Muestrea or automático. A y B son puertas que se abren y cierran.
62
5. El conocimiento geológico el epósito es fun amental para etectar errores en el
muestreo. Ejemplo: en una mina e óxi os e cobre es importante la ley e carbona
to CaCO3. En una cierta mina se etectó que había valores anómalos que no correspon ían
con los valores normales entro e una uni a geológica. Se comprobó que el problema
estaba en la perforación e los pozos: la muestra se contaminaba con aceite (el c
ual contiene carbono). 6. Comprobación que la ley e los finos es mayor que la e
los gruesos. En una mina e óxi os e cobre se tomó como muestra el pozo completo so
bre una altura e banco e 10m. Se utilizaron harneros y tamices para separar lo
s iferentes tamaños (en una muestra el or en e 700K). La tabla 2 resume los res
ulta os para el cobre total y el carbonato (100# = 0.149mm) Tabla 2 Granulometría
CuT en % % 4.5 0.25 7.7 0.30 7.8 0.30 30.6 0.34 19.6 0.48 14.3 0.58 5.2 0.70 10.
3 3.24 100.0 0.71
Fracción 3/8’’ 1/4’’ 4# 14# 35# 100# 150# -150# Total
CaCO3 % 0.31 0.24 0.24 0.24 0.33 0.36 0.46 2.40 0.51
Se observa entonces que es fun amental que una muestra respete la granulometría e
l lote, luego ebe ser equiprobable. ¿Qué pasaría si usara una poruña con hoyos (figura
IV.2)? 7. Muestreo e marinas. Se utiliza en minería subterránea. En la pila e la t
rona ura esponja a se pone un cor ón (real o imaginario) y se toman incrementos en
los puntos e la figura VI.28. ¿Está bien elimita a la muestra?
Figura VI.28: Muestreo e marinas. Méto o el cor ón.
63
VII. El Error Fun amental el Muestreo. Teoría e Pierre Gy. Antes e estu iar la
teoría e Pierre Gy, veremos un experimento iseña o por Dominique Francois-Bongarco
n: VII.1. Un experimento e muestreo. Este experimento se pue e realizar fácilment
e y consiste en lo siguiente: En un recipiente se ponen 20 kilos e arroz, los c
uales correspon en aproxima amente a 1,000,000 e granos. Se toman 10 granos, se
pintan e color rojo, se intro ucen en el recipiente y se revuelve (observamos
que lo anterior correspon e a un lote que po ría ser e oro con una ley “alta” e 10 g
r/ton; a emás está “libera o”).
Figura VII.1. Un experimento e muestreo.
Luego, con una pala a ecua a se toma una muestra e unos 250 gramos. La experien
cia se repite un cierto número e veces. Se observa en este experimento: 1. Que es
complica o tomar muestras en el caso e leyes bajas (10 ppm.). Cuan o la ley es
más alta, por ejemplo pintar 10,000 granos (caso e una ley e cobre e 1%), la s
ituación es más favorable. 2. En ca a repetición resulta una ley (granos rojos/total
e granos) iferente, a pesar e que la muestra es equiprobable. 3. Las iferenci
as entre las leyes observa as y la ley real e 10 ppm. correspon en al error e
muestreo, el cual se llama error fun amental el muestreo. Este error es inevita
ble en las con iciones el enuncia o y no se pue e re ucir. 4. La me ia e las
iferencias anteriores es nula, ebi o a que la muestra es equiprobable. 5. La va
rianza e las iferencias se llama varianza el error fun amental el muestreo.
64
6. El experimento se pue e enriquecer al reemplazar los 10 granos rojos por 10 g
ranos e metal (efecto e segregación). Se comprueba que la varianza el error fun
amental aumenta. 7. Se comprueba a emás que, si hay segregación, una manera e re u
cir la varianza el error fun amental es realizan o incrementos, es ecir tomar,
por ejemplo, 5 submuestras e 50 gramos para constituir la muestra primaria. Es
te experimento, muy instructivo, se pue e enriquecer aún más al utilizar una mezcla
e porotos, lentejas y garbanzos... VII.2. La formula e Pierre Gy. La formula
e Pierre Gy proporciona, en el caso e material quebra o, la varianza relativa
el error fun amental el muestreo (la varianza relativa correspon e a la varianz
a el error fun amental ivi i a por la ley me ia el lote eleva a al cua ra o,
luego es una varianza sin imensión). La Teoría fue esarrolla a por el Dr. Pierre G
y, Ingeniero Civil Químico francés (ver Anexo 2). Antes e presentar la fórmula e Gy,
es necesario hacer una observación: se trata e una fórmula aproxima a cuya emostr
ación es ifícil. En la figura VI.2 se pue e ver un extracto e la emostración, reali
za a por el geomatemático francés Georges Matheron, ¡la cual ocupa 11 hojas!).
Figura VII.2. Extracto e la emostración e la fórmula e Gy, por Georges Matheron.
Esta fórmula ha mostra o ebili a es en el caso e minerales e baja ley (ppm.).
65
La fórmula e Gy. La varianza relativa el error fun amental e muestreo está a a p
or: S2 = K 3 ( 1 / MS – 1 / ML ) (VII.1)
(Observar la estrecha analogía entre esta fórmula y la el muestreo aleatorio simple
). Significa o e los términos e la fórmula e Gy: ML MS = masa el lote en gramo
s = masa e la muestra en gramos = iámetro máximo e partículas en cm. (en la práctica
se utiliza el valor 95 correspon iente al iámetro que verifica que el 95% e los
iámetros son menores que 95) también se llama iámetro nominal. La constante K (e
n estricto rigor no es una constante) se mi e en gr/cm3 y tiene la expresión sigui
ente: K=cgfl En que: c g f l = factor e composición mineralógica (gr/cm3) = factor
e istribución e tamaño (sin imensión) = factor e forma e las partículas (sin imen
sión) = factor e liberación (0 < l < 1, sin imensión )
Estu iaremos ahora, por separa o, los factores c, g, f, l. El factor e composic
ión mineralógica c. Tiene la expresión siguiente: c = ((1 – aL) / aL )( (1 – aL) g1 + aL g
2 ) valor aproxima amente igual a g1/aL si aL es pequeño.
66
aL g1 g2
= proporción en peso el componente crítico o con valor comercial (mena) = peso espe
cífico el componente crítico (mena) = peso específico e la ganga
El factor e istribución e tamaño g. Depen e e y e ’ . Se utiliza lo siguiente:
2 < / ’ < 4 1 < / ’ < 2 / ’ = 1 / ’ > 4 g = 0.50 g = 0.75 g = 1.00 g = 0.25
’ es el iámetro e las partículas mínimas, me i o en cms. (en la práctica se utiliza 05
). El valor más utiliza o es g=0.25 que correspon e a una situación bastante general
(el iámetro e la partícula máxima es superior a 4 veces el iámetro e la partícula míni
a). El factor e forma e las partículas. Está efini o por: f = (volumen e la partíc
ula) / 3 Si se supone que las partículas son aproxima amente esféricas, entonces f
= 3.14159 / 6 = 0.52. Se recomien a entonces utilizar el factor: f = 0.5 El fact
or e liberación l. Sean: l = tamaño máximo e partícula = tamaño e liberación el comp
nente crítico
67
Figura VII.3: El iámetro e liberación correspon e al iámetro que hay que moler para
que la mena se “libere” e la ganga.
Se recomien a utilizar: l=1 l = ( l / )b si l > si l <
Se recomien a utilizar b=1.2 para minerales e cobre y b=1.5 para el oro. El fac
tor e liberación constituye una e las ebili a es e la Teoría ebi o a que no rep
resenta bien el caso e leyes bajas (leyes me i as en ppm.). Ejemplo: Puntos e
extracción en mina explota a por el méto o e block-caving. En la explotación subterráne
a e una mina chilena, en la cual la mena es calcopirita, se extraen ML = 32,000
tonela as = 32,000,000,000 gramos, ca a ía. Se muestrean, ca a ía, 50 puntos e e
xtracción, toman o 5 kilos en ca a punto, luego MS = 50 * 5000 = 250,000 gramos. M
L = 32 * 109 MS = 25 * 104 95 = 15 cm ’ = 05 = 0.021 cm aL = porcentaje e la c
alcopirita en peso = 4% = 0.04 g1 = peso específico e la calcopirita = 4.2 gr/cm3
g2 = peso específico e la ganga = 2.8 gr/cm3 l = tamaño e liberación e la calcopi
rita (50 micrones) = 0.005 cm c = factor mineralógico =((1–aL)/aL)((1–aL)g1+aLg2) = 10
0 l = factor e liberación = ( l/ )1.2 = 6.72*10-5
68
f = factor e forma = 0.5 g =factor e istribución e tamaño = 0.25 ( / ’=714>>4) Al
aplicar la fórmula se obtiene la varianza relativa: S2 = c g f l 3 ( 1 / MS – 1 / M
L ) = 1.128*10-5 2S = 0.007 = 0.7% Con un 95% e confianza el error relativo es
el 0.7% (bastante bueno) Observación: en la práctica se tiene que ML >> MS , luego,
se pue e espreciar el termino 1/ ML y la fórmula e Gy que a: S2 = c g f l 3 /
MS Se pue e fijar el error esea o 2S (luego S es conoci o) para encontrar el ta
maño mínimo e la muestra: MS = c g f l 3 / S2 VII.3. El Factor e Liberación. Como i
ntro ucción estu iemos un ejemplo: Se tiene una pila e 400 kilos, correspon iente
a un hoyo e trona ura en una mina e oro. El iámetro nominal e las partículas es
= 1 cm El peso específico el oro es 19 gr/cm3. El iámetro e liberación el oro e
s e 10 micrones = 0.001 cm 95 = 1.0 f = 0.5 g = 0.25 c = g1/aL = 19,000,000 (s
uponien o aL = 1gr/ton = 1*10-6) Sea: l = ( l / )0.5 = 0.0316. Formula errónea pu
blica a por P. Gy, consi era a hoy ía como arbitraria en casos particulares. Si S
= 0.1, se obtiene un valor MS igual a: MS = 7.5 tonela as! El problema, escubi
erto por el Dr. D. F. Bongarcon, ra ica en el factor e liberación l, el cual se p
ue e expresar más generalmente como:
69
l = ( l / )b La eterminación el coeficiente b requiere experimentos e muestreo
y no pue e ser re uci a a la aplicación e una formula arbitraria tal como l=( l/
)0.5 la cual no es soporta a ni por la teoría ni por experimentos. En el caso el
oro, se observa empíricamente que a menu o b ~ 1.5; en el caso el cobre, b ~ 0.5
. Si aplicamos ahora la fórmula e Gy, obtenemos: MS = 7.51 kilos Resulta o bastan
te más razonable que el anterior. VII.4. Los Protocolos e Muestreo. Las operacion
es que conciernen al tratamiento e las muestras (chanca o, mezcla, re ucción, etc
.) eben que ar claramente estableci as, es e un peso inicial Q ( e varios kilo
s) hasta la muestra e laboratorio q ( e algunos gramos). Ejemplo: testigos en u
na mina e oro:
Figura VII.4. Testigo (izquier a) méto os para cortarlo ( erecha)
a) b) c) ) e) f)
cortar el testigo por la mita = 6 cm, peso = 8 kilos moler 100% me iante chan
ca or primario a un tamaño e 1 cm re ucir la muestra a 4 kilos utilizan o riffle
moler 100% me iante molino e ro illos a un tamaño e 0.2 cm seleccionar, por me i
o e riffle 400 gramos e mineral pulverizar los 400 gramos a –150#.
En la figura VII.5 se tiene un protocolo bastante riguroso.
70
Figura VII.5: Protocolo e muestreo para mineral e oro.
Las iferentes operaciones se pue en llevar a un gráfico log-log (figura VII.6). L
a operación no ebe pasar la línea e seguri a e Gy (ver ejercicio 3 siguiente).
Figura VII.6: Gráfico log-log.
71
VII.5. Ejercicios y complementos.
1. Otro ejemplo para comprobar que la formula l=( l/ )0.5 es errónea es el siguien
te: Sean fragmentos iguales (g=1) cúbicos e oro (f=1), g1=20. Se toma una muestra
e 2000 gramos. Se esea una precisión S=0.01. Se pi e calcular el iámetro e libe
ración. Solución:
MSS2 l = 3cfg
2
Se obtiene l=10-12cm=0.0001Amstrong! Pero 1 átomo e oro = 1.5 Amstrong. 2. Bolon
es en muestreo e canaletas. En las minas e oro en vetas se hacen canaletas y s
e re uce la muestra por cuarteo manual. Cuan o el trabaja or encuentra un bolón, l
o parte con un combo y luego proce e a ivi ir la muestra. Explicar esta operación
basán ose en la formula e Gy.
Figura VII.7: Re ucción el iámetro máximo e la muestra antes e cuartear. Siempre c
onviene re ucir el iámetro nominal antes e ivi ir la muestra. 3. Probar que la
formula e Gy se pue e escribir como:
C 3−b S = MS
2
Al tomar logaritmos, esta ecuación se transforma en:
log( S 2 ) = log(C ) + (3 − b) log( d ) − log( M S )
Sea x=log(S2), y=log(MS); entonces se tiene la ecuación: 72
x + y = log(C ) + (3 − b) log(d )
Que es la ecuación de una recta de
endiente –1 en coordenadas logarítmicas (ver figur
a VII.5). Las formulas anteriores se
ueden
rogramar fácilmente en un com
utador.
En el
asado se utilizaba una regla de calculo, diseñada
or P. Gy.
Figura VII.7: Sam
ling slide rule, regla de calculo
ara muestreo. 4. La formula
de Gy coincide con la formula del muestreo estadístico cuando se tiene material l
iberado. Consideremos la figura III.1. Se tienen N
artículas esféricas de igual diáme
tro y de igual densidad. Su
ongamos que K de estas
artículas son de color negro.
La ley del material negro es a=K/N. Su
ongamos que se toma una muestra de n
artíc
ulas del reci
iente (K,n<N). a) Probar que la varianza s2 de la formula III.1 es
a
roximadamente igual a a(1 a) cuando n es grande. b) Probar que la varianza re
lativa III.1 del error tiene la ex
resión: S2=((1 a)/a)(1/n 1/N) c) Al a
licar la
formula de Gy a la situación anterior,
robar que: f=
i/6, l=1, g=1 (
i=3.1416) El
factor c es igual a: c=((1 a)/a)g en que g es el
eso es
ecífico de las
artículas,
luego la varianza relativa del error está dada
or S2=((1 a)/a)(1/n 1/N)
or cons
iguiente, en este caso, ambas teorías coinciden. 5. Un ex
erimento de muestreo. Ut
ilizar un frasco trans
arente y
oner cantidades iguales de aceite y agua tal co
mo en la figura VII.8. Conviene teñir
reviamente el agua con tinta. El
roblema c
onsiste en extraer una muestra re
resentativa de este lote.
Figura VII.8. Un ex
erimento de muestreo. Se
uede com
robar que una
i
eta (bom
billa) no funciona bien. Tam
oco resulta mejor agitar la mezcla. ¿Qué hacer?
73
VIII. Bibliografía. M. Alfaro, 1998. D.F. Bongarcon, 1996 P. Gy, 1982. Estadística.
Tecniterrae, Santiago, Chile. Muestreo de Minerales y Com
aración de leyes mina 
l
anta. Tecniterrae, Santiago, Chile. Sam
ling of Particulate Materials. Elsevier,
Amsterdam, Holanda. de Minerales.
P.Gy y D. F. Bongarcon, 1999 Seminario de Muestreo Tecniterrae, Santiago, Chile.
P.Gy y D. F. Bongarcon, 2000 El error más común en la a
licación de la teoría del muestr
eo de minerales de P. Gy. Revista “Minerales”. Instituto de Ingenieros de Minas de C
hile. P. Gy, 2000. W. Cochran, 1977 M. Kreiter, 1978 Sam
ling for Analytical Pur

oses. Wiley, New York. Sam
ling Techniques, J. Wiley, New York. Investigación y P
araninfo, Madrid. Pros
ección Geológica.
74
Anexo 1. Tabla de números al azar.
14159 26433 69399 59230 86280 82148 09384 53594 84102 64462 44288 28475 27120 34
603 13393 72458 48815 91715 01133 13841 33057 09218 31051 62749 89122 98336 8602
1 19070 05392 84674 00056 77857 75778 14684 46549 68925 21290 59813 51870 29780
16096 34690 33446 71010 58753 76691 28755 88235 18577 13001 26535 83279 37510 78
164 34825 08651 46095 08128 70193 29489 10975 64823 19091 48610 60726 70066 2092
0 36436 05305 46951 27036 61173 18548 56735 79381 73362 39494 21798 17176 81846
81271 71342 96091 40901 58537 89235 21960 62977 72113 49951 31859 83026 85035 00
313 32083 47303 46873 37875 80532 92787 89793 50288 58209 06286 84211 32823 5058
2 48111 85211 54930 66593 37867 45648 45432 02491 06315 96282 78925 48820 94151
57595 81932 07446 18857 83011 44065 63952 60943 29317 76694 45263 75778 73637 22
495 10507 42019 86403 47713 49999 05973 50244 42522 26193 78387 81420 59825 1159
5 93751 17122 66111 23846 41971 74944 20899 70679 06647 23172 74502 05559 38196
34461 83165 56692 66482 41273 58817 92540 90360 46652 16094 91953 61179 23799 52
724 94912 66430 24737 70277 67523 05132 56082 71342 17872 34301 92279 95611 4418
1 09960 99837 17328 59455 30825 11881 52886 61717 34904 62863 95778 68066 95909
Observación: en estricto rigor no se trata de números aleatorios sino más bien los dec
imales del número
i = 3.141592653... Pero se com
ortan muy bien como números al aza
r. El autor ha utilizado estos dígitos con éxito en sus cursos de simulación.
75
Anexo 2: El Profesor Pierre Maurice Gy.
El Dr. Pierre Gy obtuvo el título de Ingeniero Civil Químico, en la Escuela de Física
y Química de París en 1946. Doctor de Estado en Física en 1960. Doctor de Estado en Ma
temáticas en 1975. Es autor de varios libros. Obtuvo dos medallas de oro de la Soc
ieté de l’Industrie Minérale, Francia, 1963 y 1976. Medalla Lavoisier 1975, Medalla de
l Mining Metallurgy Institute de Ja
ón, 1958. La historia del muestreo de minerale
s comienza cuando Pierre se iniciaba como ingeniero en una mina de Africa, en el
Congo. Su jefe le solicitó calcular la ley y el tonelaje de un stock de mineral d
e
lomo, recomendándole ir a la biblioteca
ara encontrar el
rocedimiento adecuad
o. Pero en la biblioteca de la mina no había nada sobre muestreo de minerales. Ent
onces su jefe le dio la libertad de hacer lo que él considerara adecuado. Utilizan
do el buen sentido, Pierre tomó muestras y estimó la ley y el tonelaje,
ero le quedó
una gran inquietud y una tarea
ara el futuro: desarrollar una teoría
ara el mues
treo de minerales. Esto lo consiguió en investigaciones
osteriores, algunas de el
las a su
ro
io costo.
76
Anexo 3. Sesgos generados
or muestreo y análisis. Según Pierre Gy (ver P. Gy y D. F
rancois Bongarcon, 1999) los ordenes de magnitud de los errores
ueden ser como
los de la Tabla 3: Tabla 3. Error relativo en % Hasta 1000 % Hasta 50% 0.1 hasta
1%
Muestreo
Muestreo
rimario (no equi
robable) Muestreo secundario (no equi
robable) Análisis
Estos sesgos son aditivos.
77
Anexo 4. Ejem
los de errores de muestreo im
ortantes. Esta información fue tomada
de Pierre Gy (loc. cit.) 1. Planta de
rocesamiento de minerales: diseñada según tor
re de muestreo sesgada. Pérdida 10 millones de dólares
or año. 2. Mina: dilución de min
eral de Cu y Au de 2% que se va a lastre. Pérdida de 8 millones de dólares
or año. Co
sto de un sistema de muestreo correcto: 90,000 dólares. 3. Comercialización de miner
ales: un sistema de muestreo manual sesgado de concentrados de Sn le costaba al

roductor 7 millones de dólares cada tres años, es decir un 9 % de la
roducción. Cost
o de un sistema correcto: 100,000 dólares. 4. Costo adicional de un sistema de mue
streo correcto: siem
re es des
reciable. Los sistemas de muestreo correcto se am
ortizan rá
idamente. 5. Existen en nuestras minas,
lantas, laboratorios, catálogos
de fabricantes, una gran cantidad de dis
ositivos de muestreo incorrectos (no eq
ui
robables) Lo anterior se debe a la ignorancia de las reglas sim
les de un mue
streo correcto.
78
Anexo 5. ¿Porqué los errores aleatorios son gaussianos? Trataremos de
ro
orcionar u
na ex
licación sim
le e intuitiva basada en el ex
erimento de Galton (la demostrac
ión matemática se basa en el Teorema del Límite Central, uno de los teoremas más im
orta
ntes de la Estadística) La
lancha de Galton o “quincunx” consiste en una tabla, con u
n reci
iente el cual contiene bolillas coloreadas (en la
arte su
erior) y tubos
trans
arentes (en la
arte inferior)
ara recolectar las bolillas.
ε=0
Figura A.4.1: El quincunx.
Exist un orificio qu dja car las bolillas una a una. En ausncia d rror (ε =
0), todas las bolillas can n l tubo cntral, tal como s mustra n la figur
a A.4.1.
79
Supongamos ahora qu s tin un rror alatorio ε dbido a la suma d varios rro
rs también alatorios:
ε = ε 1 + ε 2 + ... + ε n
(El rror comtido al dtrminar la ly d minral d una mustra s d st tip
o: n fcto, st rror corrspond a una suma d rrors alatorios qu son: 
rror inicial d tomar la mustra, rror d dlimitación, rrors d manipulación, r
rors d prparación, rror fundamntal, tc. hasta llgar al rror d análisis químic
o) Para rproducir l fcto d una suma d rrors, s ponn, n l quincunx va
rias corridas d clavos y s djan car las bolillas, las cuals s dsvían al aza
r, tal como s v n la figura A.4.2:
Figura A.4.2. El quincunx n acción.
80
Cada corrida d clavos simboliza una causa ε i dl rror total ε Dspués d un cirto
timpo s obsrva qu las bolillas s distribuyn n los tubos como una campana,
la famosa campana d Gauss. Esta campana s simétrica rspcto al punto cntral.
Si no xist ssgo, ntoncs la spranza matmática, s dcir l promdio tórico d
l rror total ε s igual a 0. Sa σ2 la varianza del error ε. S pud dmostrar qu
si l rror ε s gaussiano, ntoncs s cumpl la rlación siguint:
P [ −2σ ≤ ε ≤ 2σ ] = 0.95
E  decir el error e tá entre -2σ y +2σ con 95% de probabilidad (ver la figura A.4.3) σ e
 la de viación e tándar del error ε (la raíz cuadrada d la varianza σ2)
Figura A.4.3: La ley de Gau  o ley normal de probabilidade , σ e  la de viación e tán
dar del error (o de viación típica del error)
Se puede afirmar entonce  que el error verifica:
− 2σ ≤ ε ≤ 2σ
con 95% de confianza.
81
A vece  e dice que: ε = ± 2σ, con 95% de confianza. ¿Porqué un 95% de confianza?. Corre p
onde a un compromi o e tadí tico. Se acepta un rie go de equivocar e del 5%. Límite 
de confianza. Lo anterior e conoce en E tadí tica como e timación por intervalo  d
e confianza. Se pueden utilizar otro  valore  para lo  límite  de confianza como l
o  que e proporcionan a continuación: ε=±σ ε = ± 1.645σ ε = ± 2σ ε = ± 3σ con 68% de confi
e confianza. con 95% de confianza. con 99.7% de confianza.
Ob ervamo  que a medida que aumenta la confianza, el error aumenta. Una explicac
ión intuitiva podría er el ejemplo iguiente: upongamo  que no  preguntan la edad
a (la cual no conocemo ) de una per ona. En primer lugar hacemo  una e timación pu
ntual, por ejemplo a=30 año  y luego realizamo  afirmacione  como la  de la Tabla
4: Tabla 4 Confianza o eguridad Creo que la edad verifica E toy má  eguro que E 
toy ca i eguro que Intervalo de confianza 29≤a≤31 25≤a≤35 20≤a≤40 Error en año  1 5 10
La confianza o eguridad ab oluta (100%) hace que el error ea impracticablement
e grande, e ta e  la razón por la cual e admite como compromi o una confianza del
95%.
82