ISSN: 0016-7975
GEOMINAS, Vol. 45, N° 72, abril 2017
Embedded Files
Geoestadística/Geostatistics/Geoestatística
Modelamiento geoestadístico de las variables químicas del mineral de hierro de la mina Cerro Las Pailas
Modelamiento geoestadístico de las variables químicas del mineral de hierro de la mina Cerro Las Pailas
Geostatistical modeling of chemical variables of iron ore from “Cerro Las Pailas” mine
Geostatistical modeling of chemical variables of iron ore from “Cerro Las Pailas” mine
Modelagem geoestatística de variáveis químicas da mina de ferro "Cerro Las Pailas"
Modelagem geoestatística de variáveis químicas da mina de ferro "Cerro Las Pailas"
María Rojas
Ingº Min., MSc, Profesora, Universidad de Oriente, e-mail: marojas@hotmail.com
Luis Araya
Ingº Min., MSc, Profesor, Universidad de Oriente, e-mail: le.araya@udo.edu.ve
Isabel Llatas
Matemº, Dra., Profesora, Universidad Simón Bolívar, e-mail: llaras@usb.ve
Jessica López
Geóº, MSc., Profesora, Universidad Central de Venezuela, e-mail: jessimerlop@gmail.com
Recibido: 21-2-17; Aprobado: 30-3-17
Resumen
En el presente trabajo se creó un modelo químico de la mina de mineral de hierro del cerro Las Pailas en el estado Bolívar, Venezuela. Las técnicas geoestadísticas son usadas para estimar con precisión el comportamiento de los yacimientos minerales, para su uso requiere de programas computarizados versátiles, siendo SGeMS una alternativa con licencia gratuita. En una primera fase de la investigación las variables químicas, sílice, alúmina, pérdida por calcinación, fósforo y manganeso se exploraron con estadística descriptiva, luego se calcularon y proyectaron los variogramas empíricos y se ajustaron los modelos teóricos. Finalmente, se generó un modelo del yacimiento usando kriging ordinario con soporte de 10x10x15 m3. Estadísticamente, los grados químicos tienden a un comportamiento lognormal. El yacimiento tiene características isotrópicas en su variabilidad espacial, siendo los modelos de variograma Exponencial - Gaussiano los que mejor interpretan el comportamiento de las variables químicas. El modelo indica, en general, alta sílice para el yacimiento, el fósforo tiene niveles aptos desde todo punto de vista y la alúmina, presenta valores bajos en la parte central, aumentando estos valores a mayor profundidad. Se concluye que el modelo químico del yacimiento del cerro Las Pailas creado con el programa SGeMS, siguiendo el procedimiento desarrollado en este trabajo, puede ser utilizado de forma adecuada para la planificación de la mina a corto, mediano y largo plazo.
Abstract
In this paper, a chemical model of the iron ore mine “Cerro Las Pailas” in Bolivar state, Venezuela, was created. Geostatistical techniques are used to estimate the behavior of mineral deposits for use accurately and require versatile computer programs, so SGeMS is an alternative with a free license. In the first phase of research chemical variables, silica, alumina, loss on ignition, phosphorus, and manganese were explored with descriptive statistics, later the empirical variograms were calculated and projected, and the models were adjusted. Finally, a reservoir model using ordinary kriging with support of 10x10x15 m3 was generated. Statistically, chemical degrees showed lognormal distribution trend. The site has isotropic characteristics in its spatial variability, being the Exponential — Gaussian variogram model that best interprets the spatial variability of chemical variables. The model indicates generally high silica to the site, phosphorus levels are suitable from every point of view, and alumina has low values in the central part, increasing these values deeper. It is concluded that the chemical model of mine “Cerro Las Pailas” created with the SGeMS program, following the procedure developed in this work, can be used appropriately for the planning of the mine, both, short, medium, and long term.
Resumo
No presente trabalho criou-se um modelo químico da mina de mineral de ferro do cerro Las Pailas no estado Bolívar, Venezuela. As técnicas geo estadísticas são usadas para estimar com precisão o comportamento das jazidas minerais, para seu uso requer de programas computorizados versáteis, sendo SGeMS uma alternativa com licença gratuita. Em uma primeira fase da investigação as variáveis químicas sílice, alumina, perda por calcinação, fósforo e manganês exploraram-se com estatística descritiva, depois calcularam-se e projetaram os variogramas empíricos e ajustaram-se os modelos teóricos. Finalmente, gerou-se um modelo da jazida usando kriging ordinário com suporte de 10x10x15 m3. Estatisticamente, os graus químicos tendem a um comportamento lognormal. A jazida tem características isotrópicas em sua variabilidade espacial, sendo os modelos de variograma Exponencial-Gaussiano os que melhor interpretam o comportamento das variáveis químicas. O modelo indica, em general, alto sílice para a jazida, o fósforo tem níveis aptos desde todo ponto de vista e a alumina, apresenta valores baixos na parte central, aumentando estes valores a maior profundidade. Conclui-se que o modelo químico da jazida cerro Las Pailas criado com o programa SGeMS, seguindo o procedimento desenvolvido neste trabalho, pode ser utilizado adequadamente para o planejamento da mina a curto, médio e longo prazo.
Palabras clave/ Keywords/Palavras-chave:
Cerro Las Pailas, Chemical model, iron ore, kriging ordinario, kriging ordinario, mineral de ferro, mineral de hierro, modelo químico, ordinary kriging.
Citar así/Cite like this/Citação assim: Rojas et al. (2017) o (Rojas et al., 2017).
Referenciar así/Reference like this/Referência como esta:
Rojas, M., Araya, L., Llatas, I., López, J. (2017, abril). Modelamiento geoestadístico de las variables químicas del mineral de hierro de la mina Cerro Las Pailas. Geominas 45(72). 45-56.
Introducción
El presente trabajo es un estudio geoestadístico realizado en la mina de mineral de hierro cerro Las Pailas utilizando el programa “Stanford Geostatistical Modeling Software” (SGeMS) con licencia libre y código abierto disponible en internet.
La mina Las Pailas está en pleno proceso de explotación por C. V. G. Ferrominera Orinoco, C. A. (FMO), empresa minera estatal venezolana encargada de la explotación del mineral de hierro desde su nacionalización en el año 1975.
Esta empresa minera realiza planes de explotación a futuro con el fin de mejorar su producción y cumplir con la legislación minera vigente en Venezuela. Para elaborar estos planes, los ingenieros de minas y geólogos requieren de herramientas informáticas que permitan su mejorar y mayor rapidez en el tiempo de elaboración.
En la década de los 90 la empresa compró la licencia del sistema geológico minero GDM a la Oficina de Investigaciones Geológicas y Mineras de Francia (BRGM), herramienta que entre otras funciones crea modelos geológicos mediante técnicas geoestadísticas.
A mitad de esta década FMO adquirió los derechos para la licencia del programa MedSystem, el cual también permite el uso de técnicas geoestadísticas para la evaluación de recursos mineros, además de otras utilidades del diseño minero.
Este programa fue intensamente utilizado para generar los planes de minas, por lo que se consolidó la relación técnica-comercial con Mintec, por lo tanto, se renovaron las licencias para la actualización bajo el nombre de MineSight.
En el año 2004 se promulgó el Decreto Nº 3.390, decreto con rango y fuerza de Ley Orgánica de Ciencia, Tecnología e Innovación que obliga a la Administración Pública Nacional a emplear prioritariamente el software libre desarrollado con estándares abiertos (Gobierno Bolivariano de Venezuela, 2004). A pesar de este Decreto, actualmente la empresa sigue usando este programa debido a lo difícil de reemplazarlo por su valor estratégico como tecnología informática de nivel avanzado en una amplia gama de tareas requeridas para la planificación de minas.
Sin embargo, en algunos yacimientos ferríferos de FMO, profesores de la Universidad de Oriente ya han aplicado software libre para realizar estudios geoestadísticos, tales como Araya et al. (2009 y 2015) y Rojas (2014). En otros yacimientos ubicados en Latinoamérica también se han aplicado programas libres, por ejemplo, Gómez et al. (2011), Arcari (2014), Silva (2015), Campoani et al. (2015). Las posibilidades están abiertas para que FMO y otras compañías mineras estatales venezolanas, en general, puedan continuar con la implementación informática de sus planes mineros con el apoyo de programas que estén disponibles actualmente en la gran red de internet sin costo alguno, y con códigos abiertos.
También estas empresas podrían fortalecer sus departamentos de investigación y desarrollo, establecer convenios de investigación con universidades y/o institutos de investigación y tecnología nacionales, así como contratar empresas nacionales de desarrollo de software, para que a partir de estos programas de licencia pública se creen en un futuro versiones adaptadas a sus propias necesidades.
El objetivo de este trabajo es crear el modelo químico de la mina de mineral de hierro del cerro Las Pailas a partir de la base de datos de sondeos exploratorios usando herramientas computacionales geoestadísticas con licencia libre. Este cerro está ubicado en los alrededores de Ciudad Piar, municipio Bolivariano Angostura, estado Bolívar, base económica de la industria nacional del hierro.
El cerro Las Pailas presentaba una altura máxima de setecientos (700) metros sobre el nivel del mar, actualmente es menor por su explotación minera. Geográficamente, se encuentra entre los 63º10´ de longitud oeste y los 7º25' de latitud norte y abarca un área rectangular que tiene como coordenadas UTM: N 817.910, E 476.647 y N 819.350, E 478.227 (Figura 1).
Figura 1. Ubicación relativa de la mina Las Pailas (C. V. G. Ferrominera Orinoco, C. A., 2014).
Este yacimiento de mineral de hierro está conformado por menas residuales producto de la lixiviación de la sílice en las cuarcitas ferruginosas del Complejo Imataca. Según Bartolozzi (2010), la mina cuenta con reservas de buena calidad, y según Salazar (2010), en promedio tiene un contenido de fósforo menor que el del cerro Los Barrancos, pero mayor que el del cerro San Isidro, en donde las menas con tenores mayores a 55 % de hierro están situadas, generalmente, por encima de los 430 m s. n. m. El yacimiento presenta cuerpos de menas duras y friables en forma de arena fina.
Para una adecuada toma de decisiones, la empresa estableció cortes en los parámetros químicos de la ganga del mineral de hierro con el fin de obtener mediante estos índices de calidad una adecuada producción del material ferrífero a ser comercializado (Tabla I).
Tabla I. Cortes para establecer la calidad para los productos de C. V. G. Ferrominera Orinoco, C. A. (FMO.)
Las menas de mineral de hierro que posee la mina del cerro Las Pailas deben ser evaluadas, tanto geológica como químicamente, para poder planificar su explotación de forma adecuada y en lo posible de forma óptima. La calidad de estas menas, por lo tanto, deben ser previamente estimadas mediante estudios estadísticos que consideren no solo el comportamiento aleatorio de estas variables químicas, sino que también considere la estructura espacial de su dominio, lo cual garantizaría estimaciones más cercanas a la realidad.
La geoestadística es una rama de la estadística dedicada al análisis y la modelación de variables aleatorias que poseen estructura espacial; es común encontrar este tipo de variables en el campo de las geociencias, por ejemplo, ley de metales, porosidades, concentraciones de un contaminante, etc.; aunque esto no quiere decir que sea exclusiva de estas ciencias.
El variograma es el parámetro geoestadístico que por excelencia permite analizar el comportamiento espacial de una variable sobre una zona dada, se define como la varianza de la diferencia de pares de variables separadas por una distancia h, Var[Z(x+h)-Z(x)]. Al asumir la hipótesis de estacionariedad, la variable Z(x) es invariante bajo traslación h, entonces E[Z(x)] = E[Z(x+h)], por lo tanto, el variograma bajo esta hipótesis se define como (Araya, 2014):
(1)
Para obtener el variograma a partir de los datos experimentales es usual utilizar el siguiente estimador empírico (Idem):
(2)
Donde N es el número de pares Z(x) y Z(x+h).
Cuando el comportamiento del variograma en diferentes direcciones es similar, se presenta isotropía en el fenómeno de estructura espacial, en caso contrario hay anisotropía.
Los variogramas empíricos se requieren para ajustar los modelos de variogramas teóricos, estos son los que permiten estimar el fenómeno espacial del yacimiento. Entre los modelos de variogramas más característicos que se pueden detectar en los yacimientos metálicos bajo la hipótesis estacionaria se tienen el esférico, exponencial y gaussiano; en estos la variabilidad aumenta a medida que la distancia de separación crece hasta que alcanza la meseta o “sill”, con lo cual se llega al límite o rango de influencia espacial de la variable aleatoria.
El kriging es un estimador lineal de las variables regionalizadas, que incluye la estructura geoestadística en el factor peso de cada muestra a considerar dentro de la vecindad. El cálculo del kriging corresponde a la siguiente ecuación (Armstrong, 1998; Journel y Huijbregts, 1978):
(3)
Donde Ẑ(X0) es el valor estimado de la variable en el punto xo, Z(xi) es el valor de la muestra en el punto xi, n es el número de puntos muestrales dentro de la vecindad, y λi es el peso de la muestra en la ubicación xi.
Este peso λi es seleccionado de manera que el estimador sea insesgado:
y la varianza de estimación:
sea mínima (Armstrong. 1998).
Entre los métodos de interpolación están el Kriging simple (media de la variable regionalizada conocida) y el Kriging ordinarios (media desconocida), estos métodos funcionan bajo la suposición de estacionariedad o hipótesis intrínseca.
En el caso del Kriging simple u ordinario, la solución se obtiene por optimización mediante el método Multiplicador de Lagrange, en el cual se incluyen los modelos de variograma o covarianza (indistintamente) para considerar la correlación espacial entre las muestras y entre estas y el punto desconocido a estimar.
Para los estudios geoestadísticos están disponibles de forma comercial y libre varios programas, la mayoría, sino todos, disponibles en internet. Muchos de estos programas son desarrollados para aplicaciones específicas en minería, petróleo, ambiente, ecología, hidrología, suelos, epidemiología, etc., pero las bases teóricas que aplican son las mismas, por lo tanto, pueden utilizarse en cualquier tipo de estudio. Entre las versiones comerciales, las más conocidas actualmente son Isatis de la Escuela de Minas de Paris, Gammaplus, la librería geoestadística de ArcGIS, entre otras. En el mundo de la minería, los programas de diseño y planificación de minas como MineSight, Datamine, Gemcom, etc., tienen incorporados herramientas geoestadísticas para estimación de recursos. Con relación a las versiones libres, las más modernas corresponden a SGeMS, y las librerías geoestadísticas de R, tales como geoR, gstat, Rgeostats, entre otras. Hay versiones libres más antiguas que todavía están vigentes, tales como GEOEAS y GSLIB.
En cuanto al programa SGeMS, acrónimo de Stanford Geostatistical Modeling Software, este fue desarrollado en la Universidad de Stanford por Nicolas Remy como parte de su tesis doctoral presentada en el año 2004. Este programa libre y de código abierto fue desarrollado en lenguaje C++, y tiene como objetivo poner a la disposición de los investigadores, un programa de fácil manejo que dispone de varias herramientas y algoritmos necesarios para la interpretación geoestadística en 3D, tales como histogramas, diagramas de dispersión, qqplot, variogramas, kriging y simulaciones, además permite el desarrollo de tareas en lenguaje Python. La parte geoestadística de este software se realizó enteramente con la librería GsTL que Remy desarrolló de su Tesis de Maestría del año 2002, y se inspiró en la necesidad de reemplazar mediante un programa amigable al potente pero difícil software GSLIB, desarrollado en la misma universidad por su profesor, André Journel y por Clayton Deutsch en el año 1992 (Remy, 2004, 2009; Deutsch y Journel, 1998).
Metodología
La investigación central de este trabajo es descriptiva, enfocada en la estimación del comportamiento químico del mineral de hierro utilizando métodos geoestadísticos computacionales con el apoyo informático del software libre SGeMS y con el auxilio de algunos componentes del programa GSLIB.
La población corresponde a las menas de mineral de hierro que se encuentran en el cerro Las Pailas, la muestra está conformada por 8.053 intervalos de subsuelo entre 2 a 3 metros de longitud, provenientes de la base de datos de sondeos exploratorios bajo un mallado irregular de aproximadamente 50 m x 50 m realizadas en las diversas campañas exploratorias de FMO. Esta información se almacenó en un archivo de datos bajo el formato GeoEAS, para poder ser reconocido tanto por el programa SGeMS como por GSLIB, conteniendo las coordenadas, longitud de las muestras y los porcentajes peso/peso de la sílice, alúmina, pérdida por calcinación, fósforo y manganeso.
Posteriormente, se realizó la exploración inicial de los datos con la generación de los respectivos histogramas con sus cuadros de estadística básica. En SGeMS, con la herramienta para la generación de histogramas se pudo verificar la normalidad de los datos mediante una opción de escala logarítmica. Es importante acotar que a partir de esta etapa se tomó la decisión de transformar logarítmicamente los datos duros, para esto se contó con el auxilio de un programa de cálculo, además, fue necesario modificar los archivos de datos para agregar los nuevos vectores transformados.
Se crearon mapas de variogramas para determinar posibles direcciones de anisotropía con los módulos VARMAP y PIXELPLT de GSLIB. Se generaron en SGeMS los variogramas experimentales en las direcciones de anisotropía para las diferentes variables químicas.
El siguiente paso fue ajustar los modelos teóricos (esférico, exponencial, gaussiano, etc.) con respecto a los variogramas experimentales, determinando los parámetros: efecto pepita (C0), contribución de variabilidad de cada modelo (Ck), siendo k el número de modelos anidados, los rangos de influencia espacial (a).
Una vez obtenidos los modelos de los variogramas se realizó una validación cruzada con el módulo KT3D de GSLIB. Se creó en SGeMS el modelo de bloques del yacimiento con dimensiones de 10x10x15 m (ancho, largo y alto), para luego proceder con la estimación de los valores químicos de cada bloque mediante el método de interpolación Kriging ordinario.
Finalmente, se guardaron en un archivo los resultados estimados por el Kriging y se procedió, con la ayuda de un programa de cálculo, a invertir los valores logarítmicos mediante la función exponencial. Estos valores corresponden a los resultados finales de la estimación, el archivo de datos que los contienen se grabó y se cargó en SGeMS para generar las vistas en dos o tres dimensiones del modelo del yacimiento.
Resultados
En la tabla II se muestran los resultados de la estadística básica realizada a los sondeos geoexploratorios del yacimiento cerro Las Pailas, para un total de 8.053 intervalos de muestras. El elemento sílice presenta el componente de ganga con mayor presencia en los minerales de hierro del cerro Las Pailas con un valor mediano de 5,289 %. Todos los elementos químicos que componen la ganga del mineral de hierro tienen comportamientos de alta variabilidad y muy sesgados, como se puede observar en las grandes diferencias entre las medianas y las medias aritméticas.
Tabla II. Resumen estadístico descriptivo de las variables químicas en porcentaje del cerro Las Pailas.
En la figura 2 se observa el comportamiento correspondiente a los porcentajes de valores de cada variable química. Todas las variables tienen distribuciones con sesgos positivos y con valores extremos muy altos, se asemejan al comportamiento aleatorio lognormal, muy común en las variables químicas de los yacimientos de mineral de hierro. En los histogramas de los valores con transformación logarítmica natural se observa la normalización de los datos. En el caso de la sílice transformada se presenta dos grupos bien diferenciados de baja sílice y alta sílice, con tendencia bimodal. En el caso del manganeso logarítmico, se observa en el histograma valores mínimos con alta frecuencia, lo cual supone problemas de precisión en la medición de las observaciones.
Figura 2. Histogramas de las variables químicas.
Con respecto a las relaciones existentes entre las variables químicas, el comportamiento de los datos sugiere la presencia de correlación intermedia entre el fósforo y la pérdida por calcinación con un coeficiente de 0,51; y entre la alúmina y la pérdida por calcinación se presenta un coeficiente de correlación de 0,56. En la figura 3 se observa que, entre estas variables, la correlación es alta en los valores transformados logarítmicamente con 0,74.
Los resultados arrojados en los mapas de variogramas en el plano horizontal, presentan comportamientos isotrópicos en todas las variables.
Figura 3. Correlación entre alúmina y pérdida por calcinación.
En la figura 4 se presentan los variogramas experimentales y sus modelos ajustados en tres ejes, direcciones norte y este, y en profundidad para cada variable química (representado por una curva continua de color negro).
Figura 4. Variogramas. Arriba a la izquierda: todos. Arriba a la derecha: vertical. Abajo: horizontal 0º y 90º.
Se estima, de acuerdo al ajuste realizado, que los modelos de los variogramas logarítmicos sean Exponencial y/o Gaussiano, debido a que la variabilidad con estructura espacial a pequeña distancia de separación tiene comportamiento cuadrático, es decir, la variabilidad aumenta lentamente cerca del origen, pero en posiciones intermedias crece rápidamente hasta empezar a desacelerar este crecimiento en forma asintótica a mayor distancia.
En la tabla III se presentan los resultados de los modelos de variogramas ajustados para cada variable química transformada logarítmicamente. En todos los modelos existe continuidad en el origen, es decir, el efecto pepita fue cero. Debido al efecto de proporcionalidad, la sílice presenta la mayor variabilidad en el yacimiento. Solamente se detectó anisotropía entre las direcciones horizontales y verticales en las variables logarítmicas, sílice y pérdida por calcinación, las demás son isotrópicas en todas las direcciones.
Tabla III. Modelos de variogramas logarítmicos obtenidos en los ajustes.
Tabla IV. Resultados de la validación cruzada para los modelos de estimación kriging con los variogramas logarítmicos ajustados.
En la tabla IV se presentan los resultados de la validación cruzada para establecer si los modelos de variogramas ajustados son adecuados para la creación del modelo químico mediante kriging ordinario para un soporte de los bloques de 10x10x15 m. Los errores en su conjunto tienen un comportamiento aleatorio con tendencia a una distribución normal, y la correlación lineal entre los valores reales y los estimados es muy alta.
Los resultados de las estimaciones de los modelos kriging ordinario se presentan en mapas que muestran el corte en el plano horizontal con escalas establecidas convenientemente para localizar las zonas dentro del yacimiento que permitan establecer homogenizaciones del material.
En sílice, considerando una escala de variación de 0 a 10 %, se pueden observar en los mapas de la figura 5 que la mayor parte del yacimiento presenta concentraciones que están por encima del límite superior establecido, con una tendencia de aumento a medida que se profundiza en el yacimiento, lo que indica que para lograr un mejor aprovechamiento del yacimiento se deben establecer criterios de homogeneidad que garanticen la calidad del mineral.
Figura 5. Mapas de interpolación kriging de la sílice.
Para la alúmina, considerando una escala de variación de 0 a 3 %, se puede observar en los mapas de la figura 6 que a medida que se avanza en la dirección noreste en su parte media del yacimiento, se encuentran ubicadas zonas que presentan concentraciones con características químicas intermedias que pueden ser aprovechadas rápidamente, mientras que en la parte suroeste, las zonas muestran concentraciones muy altas las cuales para poder ser aprovechadas, necesitan buen tratamiento de homogenización o tratamiento especial que regule la calidad del mineral a los límites permitidos.
Figura 6. Mapas de interpolación kriging de la alúmina.
Para la variable pérdida por calcinación, considerando una escala de variación de 0 a 6,5 %, se puede observar en los mapas de la figura 7 que a medida que se avanza en dirección norte, la concentración de la variable aumenta considerablemente alcanzando valores mayores al límite máximo; de igual forma sucede al avanzar en dirección este, mientras que en la parte superior del yacimiento sucede lo contrario, es decir, las concentraciones de esta variable en el yacimiento van tomando valores intermedios.
Figura 7. Mapas de interpolación kriging de la pérdida por calcinación.
Para el fósforo, considerando una escala de 0 a 0,2 %, se puede observar en los mapas de la figura 8 que a medida que se avanza en direcciones norte, este y en la parte superior del yacimiento las concentraciones de esta variable se mantienen en valores intermedios, mostrando sólo áreas muy pequeñas con valores superiores al límite máximo. Es decir, el yacimiento en su totalidad muestra buena calidad con relación a este parámetro.
Figura 8. Mapas de interpolación kriging del fósforo.
Para la variable manganeso, considerando una escala de variación de 0 a 0,15 %, se puede observar en los mapas de la figura 9 que en la parte superior y en la dirección norte, se ubican zonas con las mejores concentraciones, y en la dirección este solo se pueden observar pequeñas zonas con concentraciones por encima del límite máximo.
Figura 9. Mapas de interpolación kriging del manganeso.
Discusión
El alto grado de sesgo de las variables químicas, lo cuales se ven reflejados en las colas de los histogramas, posiblemente se deba a la amplia gama litológica que presenta este yacimiento, estos valores altos son muy poco frecuentes, pero a la vez muy significativos, lo que afecta la calidad de los productos que se explotan de la mina. Bajo esta premisa, entonces, el yacimiento de mineral de hierro del cerro Las Pailas, es geológica y químicamente heterogéneo, en donde la variabilidad tiene una fuerte dependencia espacial.
El modelo químico del yacimiento creado con el interpolador Kriging indica que la mina es aprovechable en todo el yacimiento debido a los bajos porcentajes de contenido de fósforo y manganeso.
En cuanto al contenido de alúmina, en el yacimiento las zonas de mayor aprovechamiento se encuentran en la parte central, y se van reduciendo estas zonas de baja alúmina a menor altura en el cerro. La sílice presenta altos contenidos porcentuales en el yacimiento, con escasas zonas de sílice menor al 10 %, y que ha menos altura son mucho menores todavía. Esta configuración de la sílice limita el aprovechamiento de la mina, por lo tanto, la explotación del mineral de hierro depende de un tratamiento de mezclas adecuadas bajo un control de calidad estricto.
El estudio indica que a pesar de altos contenidos de sílice de las menas de hierro en la mayor parte del cerro Las Pailas, también se presentan zonas con bajo fósforo y alúmina que permite una adecuada explotación de la mina.
Conclusiones
Se creó un modelo químico del yacimiento del cerro Las Pailas usando las herramientas computacionales geoestadísticas del programa SGeMS y GSLIB, por lo tanto, es factible el uso de estos programas informáticos geoestadísticos con licencia libre para el estudio del comportamiento químico en los yacimientos ferríferos de C.V.G. Ferrominera Orinoco, C.A., y además, esto es extensible a cualquier otro yacimiento minero.
SGeMS no posee herramientas para la normalización, depuración ni organización de los datos como lo poseen otros programas. Para suplir esto, como se hace en todo estudio estadístico, se realiza un análisis exploratorio de los datos (resumen estadístico de las medidas descriptivas en el histograma con opciones a visualizar las transformaciones logarítmicas) y una vez detectadas las anomalías y/o errores se realizan las modificaciones o correcciones de los datos duros fuera del programa.
El programa SGeMS desarrollado en la Universidad de Stanford es una herramienta computacional versátil y con potentes algoritmos geoestadísticos. A pesar de que no posee algunas herramientas, como para la creación de mapas de variogramas o para la validación cruzada, esto puede solucionarse con el apoyo de su antecesor de la misma universidad, el programa GSLIB. La potencialidad de programa SGeMS es muy alta, ya que sus códigos de programación están abiertos, lo cual podría ser aprovechado para que las empresas mineras busquen formas para adaptar este programa a sus necesidades.
La base de datos del modelo químico del yacimiento del cerro Las Pailas, creado con el programa SGeMS, siguiendo el procedimiento desarrollado en este trabajo, puede ser utilizado de forma adecuada para la planificación de la mina, tanto a corto, mediano como a largo plazo.
Agradecimientos
Los autores de este artículo agradecen a la Superintendencia de Minas y a la Gerencia de Minería de C. V. G. Ferrominera Orinoco, C. A. el apoyo brindado por la entrega de la base de datos del cerro Las Pailas.
Referencias
Araya, L., López, J. y Abud, J. (2009). Estudio geoestadístico del yacimiento ferrífero “C2NE” del Cerro Bolívar, municipio Raúl Leoni, estado Bolívar. Geominas, 37 (48): 35-40.
Araya, L. (2014). Creación de un modelo geoestadístico en el yacimiento de hierro cerro Las Pailas. Trabajo de maestría. Caracas: Universidad Simón Bolívar.
Araya, L., Llatas, I. (2015). Análisis variográfico de los porcentajes de sílice, alúmina, pérdida por calcinación, fósforo y manganeso del cerro San Joaquín, municipio bolivariano Angostura, estado Bolívar. Boletín de Geología, 37 (2): 89-95.
Arcari, M. (2014). Uso de dado volumétricos para a melhoria da estimativa de teores em mineração subterranea. Trabajo de maestría en ingeniería, Porto Alegre, Brasil: Universidad Federal de Rio Grande del Sur.
Armstrong, M. (1998). Basic linear geostatistics. Berlin Heidelberg: Springer-Verlag.
Bartolozzi, A. (2010). Evaluación de los Radios de Influencia de los Conos para Voladuras del Yacimiento Las Pailas, municipio Bolivariano Angostura, estado Bolívar. Trabajo de Grado., Universidad de Oriente, Ciudad Bolívar, Venezuela.
Campoani, A., Ruppenthal, U. y Kloeckne, J. (2015). Estudo de pré-viabilidade de um depósito de ferro. Trabajo de grado. Porto Alegre, Brasil: Universidade Federal do Rio Grande do Sul.
C.V.G. Ferrominera Orinoco, C. A. (2014). Ubicación geográfica Ferrominera. Recuperado de http://www.ferrominera.com/site/?q=node/77
Deutsch, C., Journel, A. (1992). GSLIB: geostatistical software library and user´s guide. 2da. edición. Nueva York: Oxford University Press, Inc.
Gobierno Bolivariano de Venezuela (2004). Decreto 3.390. Caracas: Gaceta Oficial Nº 38.095, 23 de diciembre de 2004.
Gómez, O., Cuador, J., Estévez Cruz (2011). Determinación del tamaño racional del bloque para la estimación de recursos minerales en el yacimiento Mariel. Minería y Geología, v.27, n.4, octubre - diciembre 2011, p. 20-39.
Journel, A., Huijbregts, Ch. (1978). Mining geostatistics. Londres: Academic Press Inc. (London) Ltd.
Remy, N. (2002). GSTL: the geostatistical template library in C++. Reporte para Máster en Ciencias, California, U.S.A.: Stanford University.
Remy, N. (2004). Algorithmic and software methods for a better integration of the geological information into numerical models. Stanford University. Tesis Doctoral. California, U.S.A.: Stanford University.
Remy, N., Boucher, A., Wu, J. (2009). Applied Geostatistics with SGeMS: A User's Guide Stanford Geoestatistical Modeling Software. Cambridge University Press: United Kingdom.
Rojas, María (2014). Variabilidad espacial de los parámetros químicos del mineral de hierro del yacimiento cerro Las Pailas, municipio Bolivariano Angostura, estado Bolívar. Trabajo de maestría no publicado. Universidad de Oriente, Ciudad Bolívar, Venezuela.
Salazar, C. (2010). Maximización de las reservas recuperables del Cuadrilátero Ferríferos San Isidro y mina Altamira según los cortes en los porcentajes de sílice y fósforo para responder a las nuevas exigencias de los productos comercializados por CVG Ferrominera Orinoco, C.A. Trabajo de grado no publicado, Universidad de Oriente, Ciudad Bolívar, Venezuela.
Silva, A. (2015). Krigagem de teores de ouro da mina de Caiamar-Goiás. Trabajo de maestría. São Paulo, Brasil: Universidade de São Paulo.
The author(s) declare(s) that she/he/they has/have no conflict of interest related to hers/his/their publication(s), furthermore, the research reported in the article was carried out following ethical standards, likewise, the data used in the studies can be requested from the author(s), in the same way, all authors have contributed equally to this work, finally, we have read and understood the Declaration of Ethics and Malpractices.
Google Sites
Report abuse