Beruflich Dokumente
Kultur Dokumente
PROFESOR GUA:
MARIO SOLARI MARTINI
MIEMBROS DE LA COMISIN:
EDUARDO MAGRI VARELA
ANTONIO COUBLE CERVIO
SANTIAGO DE CHILE
2008
Resumen
El presente trabajo fue desarrollado en la Mina Los Bronces, faena que facilito las bases
de datos histricas de los sondajes de exploracin LBXP y de produccin Infill, adems de los
recursos computacionales, infraestructura e informacin necesaria para desarrollar el tema.
Para determinar la Variabilidad de Alimentacin a Planta se plantearon dos escenarios, el
primero en donde solo se cuenta con los sondajes de exploracin LBXP lo cual representa una
etapa temprana de diseo de un proyecto minero, mientras que el segundo, que utiliza los
sondajes LBXP e Infill, pretende representar la etapa de operacin. La informacin utilizada es la
correspondiente a los aos anteriores al 2006, pues se desea reproducir la variabilidad obtenida
durante ese ao.
En una primera etapa se efectu la clasificacin de los datos mediante su ubicacin
espacial, seleccionadas de acuerdo a las fases explotadas durante el 2006 (Infiernillo Fase IV y
Donoso Este) y por tipo de roca involucrada en cada una de ellas, con esto se logra definir los
dominios de manera precisa. Posteriormente se efecta el estudio exploratorio, lo cual permitir
efectuar una clasificacin mas acabada de los datos. Concluido el estudio exploratorio se defini
las diferentes formas de estimar los valores de leyes en los dominios: Correccin Affine, Kriging
Ordinario y Simulacin Condicional mediante Bandas Rotantes, pero para ello fue necesario
realizar un anlisis variogrfico de todas las poblaciones definidas.
Una vez que se cuenta con las diferentes estimaciones de poblaciones por dominio, se
procede a realizar filtros por tipo de roca con tal de obtener la configuracin correcta de las fases
en estudio, luego se filtra por polgono de extraccin mensual, acotando aun ms los dominios en
cuestin. Obtenidos todos los polgonos mensuales con el tipo de roca correspondiente se llega a
la etapa de simulacin, en donde se proponen tres diferentes formas de seleccionar los bloques a
extraer, la primera utilizando simulacin de Monte Carlo y la estimacin realizada con la
Correccin Affine, el segundo que se efecta mediante un muestreo aleatorio simple sin
reemplazo sobre la estimacin resultante del Kriging de bloques Ordinario, para concluir con un
nuevo muestreo simple sin reemplazo pero esta vez utilizando la estimacin obtenida desde la
Simulacin Condicional de Bandas Rotantes. Estos tres mtodos se analizan de acuerdo a las
pendientes existentes entre cada mes y se comparan con la realidad, adems de la desviacin
estndar promedio del periodo (ao 2006).
Por ultimo se realiza un ejercicio de extraccin que pretende ver la extraccin desde otro
punto de vista, en donde se asume que, en general, los bloques que se extraen durante un periodo
se asemejan en el valor de sus leyes. El anlisis que se realiza sobre estos resultados es netamente
en funcin del valor promedio de la desviacin estndar anual.
Agradecimientos
A travs de las siguientes palabras quisiera agradecer a la gente que me acompao en el
largo camino hacia la obtencin de mi titulo profesional, en especial a mi familia, la cual me
apoyo en los momentos ms importantes, en pocas cuando me encontraba definiendo mi futuro
y aceptaron que yo diera un giro importante en el. A mis amigos de la infancia, colegio y
familiares directos que en todo momento me entregaron las fuerzas necesarias para continuar,
especficamente cuando el nimo y las energas para seguir se vean mermados, ellos fueron los
que con sus palabras me dieron a entender que yo poda culminar exitosamente el objetivo
propuesto inicialmente.
No quisiera olvidar a mis compaeros de universidad, amigos con los cuales pasamos
muchos momentos buenos y pocos malos, sin ellos difcilmente podra haber concluido mis
estudios, pues fueron un apoyo constante en lo acadmico y emocional, saban realmente lo que
uno estaba pasando y me apoyaron de la forma que uno necesitaba en el momento.
Otro grupo importante de personas que participaron en este proyecto de vida fueron los
acadmicos y funcionarios, ellos fueron las personas que me entregaron las herramientas
necesarias, me ensearon a analizar y ver las cosas de un punto de vista diferente, sin los
conocimientos que ellos me dieron hubiese sido imposible concluir exitosamente.
Tambin quisiera agradecer a la gente que participo de alguna u otra forma en la ejecucin
de mi trabajo de titulo, comenzando por la persona que confi en mis capacidades, mi profesor
gua Mario Solari, agradecer tambin a la persona que comprendiera el proyecto y sugiri nuevas
ideas, mi profesor co gua Eduardo Magri, pero sin duda a quien no debo dejar de nombrar en
estas palabra, es al profesor Xavier Emery, el cual con sus conocimiento, enseanza, capacidad
de transmitir de forma clara y precisa lo que el quera manifestar, me entrego innovadoras y
robustas armas para disear y ejecutar este tema, adems de darme su apoyo y resolver mis dudas
al momento de estar desarrollando el presente trabajo a pesar de no ser miembro de mi comisin
examinadora.
Finalmente agradecer a la gente de la Mina Los Bronces, Don Hctor Tito Benavides,
Carlos Zamora, Don Juanito, Marcelo Rocha, Osman Olivares, Marisol Filgueira, Nelson
Snchez y Pablo Courard, los cuales con su amistad, contactos, conocimientos y consejos,
lograron que me sintiera en un grato ambiente, el cual favoreci para que este trabajo culminara
exitosamente.
Para concluir me gustara manifestar que este es solo el comienzo de un largo camino en
la vida personal y que mi compromiso de aqu en adelante ser no defraudar a todas las personas
nombradas anteriormente, pues estoy seguro que todos ellos confan en que ser un profesional
dedicado y comprometido con mi labor.
ndice
AGRADECIMIENTOS ...............................................................................................................................................1
NDICE .........................................................................................................................................................................2
1.- INTRODUCCIN ..................................................................................................................................................4
2.- OBJETIVOS............................................................................................................................................................5
2.1.- INTRODUCCIN ..................................................................................................................................................5
2.2.- MOTIVACIN ......................................................................................................................................................5
2.2.- OBJETIVOS GENERALES......................................................................................................................................6
2.3.- OBJETIVOS ESPECFICOS.....................................................................................................................................6
3.- ALCANCES.............................................................................................................................................................7
4.- MARCO GEOLGICO.........................................................................................................................................8
4.1.- MARCO REGIONAL .............................................................................................................................................8
4.2.- GEOLOGA DE LA MINA LOS BRONCES ...............................................................................................................9
4.2.1.- Generalidades............................................................................................................................................9
4.2.2.- Rocas Volcnicas Estratificadas .............................................................................................................10
4.2.3.- Rocas Intrusivas ......................................................................................................................................10
4.2.4.- Cuerpos Intrusivos Menores....................................................................................................................12
4.2.5.- Complejo de Brechas...............................................................................................................................12
4.2.6.- Chimenea de Brecha Riolitica (RIO).......................................................................................................15
5.- ANTECEDENTES ................................................................................................................................................16
5.1.- FENMENOS REGIONALIZADOS ........................................................................................................................16
5.2.- ESTUDIO EXPLORATORIO ..................................................................................................................................16
5.3.- ANLISIS VARIOGRFICO.................................................................................................................................17
5.3.1.- Variogrma experimental........................................................................................................................17
5.3.2.- Variogrma modelado .............................................................................................................................19
5.3.3.- Anisotropas.............................................................................................................................................21
5.3.4.- Validacin Cruzada.................................................................................................................................22
5.4.- CAMBIO DE SOPORTE .......................................................................................................................................23
5.5.- ESTIMACIN LOCAL .........................................................................................................................................24
5.6.- SIMULACIN GEOESTADSTICA ........................................................................................................................29
6.- MANEJO DE BASE DE DATOS ........................................................................................................................33
6.1.- CLASIFICACIN ................................................................................................................................................33
6.2.- ESTUDIO EXPLORATORIO .................................................................................................................................36
6.3.- ANLISIS VARIOGRFICO.................................................................................................................................38
6.4.- CAMBIO DE SOPORTE .......................................................................................................................................38
6.5.- ESTIMACIN LOCAL MEDIANTE KRIGING ORDINARIO .....................................................................................39
6.6.- SIMULACIN GEOESTADSTICA MEDIANTE BANDAS ROTANTES ......................................................................40
7.- SIMULACIONES .................................................................................................................................................41
7.1.- CLASIFICACIN Y CONSIDERACIONES PREVIAS ................................................................................................41
7.2.- SIMULACIN DE MONTE CARLO .......................................................................................................................45
7.3.- MUESTREO ALEATORIO SIMPLE SIN REEMPLAZO .............................................................................................46
8.- RESULTADOS, ANLISIS Y CONCLUSIONES ............................................................................................48
8.1.- INTRODUCCIN ................................................................................................................................................48
8.2.- MTODO NUMERO 1: CORRECCIN AFFINE Y POSTERIOR SIMULACIN POR MONTE CARLO ...........................49
8.2.1.- Observaciones de Prediccin con Sondajes LBXP..................................................................................50
8.2.2.- Observaciones de Prediccin con Sondajes Infill....................................................................................54
8.2.3.- Conclusiones Mtodo 1............................................................................................................................57
1.- Introduccin
La presente memoria para optar al titulo de Ingeniero Civil de Minas busca analizar la
factibilidad de determinar la variacin de alguna de las caractersticas del mineral que se enva a
la planta de procesamiento, en especial lo relacionado con la variabilidad de ley de cobre total. El
determinar esta variacin planta puede ser de suma utilidad en diversas etapas del proyecto, como
lo es en el diseo o en la operacin, es por esta razn que se plantea realizar la prediccin
utilizando dos tipos de sondajes para la toma de muestra, los correspondientes a los sondajes de
exploracin, que se caracterizan por un diseo de malla que ubica las muestras en una amplia
superficie, y produccin, caracterizados por distribuirse en mallas mas cerradas.
Uno de los grandes desafos planteados dice relacin con entregar una alternativa de
prediccin aplicable a nivel industrial, por lo cual debe ser confiable, es decir el nivel de
credibilidad debe ser tal que permita tomar de decisiones a la luz de los resultados, tambin debe
ser reproducible, esto dice relacin con la posibilidad de que cualquier persona con
conocimientos en minera o geoestadstica sea capaz de rehacer los mtodos propuestos.
El afn de entregar una herramienta de nivel industrial, crea la necesidad de contar con
datos que reflejen lo que es la industria minera, para ello se cont con el apoyo de Anglo
American Chile, desarrollando el trabajo en la Divisin Los Bronces. El apoyo de esta empresa
permiti contar con una nutrida base de datos, adems de recursos computacionales y de
infraestructura.
El camino para obtener un modelo predictivo comienza con un exhaustivo anlisis de las
bases de datos, el cual busca delimitar completamente las zonas a estudiar, se continua el anlisis
variogrfico, que ser de utilidad en las posteriores etapas de estimacin de leyes, se sigue con
los diferentes mtodos de simulacin de extraccin propuestos, para as concluir con el anlisis
de las tcnicas que pretenden determinar de manera confiable la variabilidad mensual.
2.- Objetivos
2.1.- Introduccin
Los objetivos a desarrollar en la presente memoria para optar al titulo de Ingeniero Civil
de Minas, se expondrn clasificados en diversas categoras, como lo es una motivacin inicial
para llevar a cabo el trabajo, vale decir el por que se decidi comenzar a desarrollar un mtodo
que permita predecir la variabilidad de alguna de las caractersticas de comportamiento del
elemento de inters.
Otra categora es la relacionada con los objetivos generales, ac se pretende dar una visin
ampliada de lo que se espera del trabajo, sus posteriores posibles usos, adems de las
caractersticas que el proyecto debiera tener para considerarse exitoso.
Finalmente se hablara de los objetivos especficos, exponindose lo que ser el trabajo en
un nivel de mayor detalle, lo que conceptualmente se busca obtener y entre que parmetros se
desarrollara.
2.2.- Motivacin
La industria minera se encuentra en la constante bsqueda de nuevas alternativas que
permitan optimizar el negocio minero en su totalidad, desde el momento de la planificacin,
ejecucin y puesta en marcha del proyecto, precisando para ello constante informacin del
recurso que se desea explotar. As se crea la necesidad de contar con una estimacin aceptable y
confiable del elemento en cuestin.
El contar con la informacin del recurso mineral tiene mltiples ventajas al momento de
tomar decisiones importantes que podran tener una fuerte repercusin en el futuro, como lo seria
la definicin de la capacidad de tratamiento de las plantas de procesamiento, ya que una mala
medida podra afectar negativamente al proyecto en etapas posteriores.
La necesidad de determinar los mejores parmetros de diseo para la planta de beneficio
lleva a los dueos del proyecto realizar una serie de cuestionamientos acerca de las caractersticas
y comportamiento del mineral en el momento de su procesamiento, informacin que puede ser de
suma utilidad en la etapa de diseo del proyecto, como la etapa de operacin.
El comportamiento del mineral se puede cuantificar utilizando la variabilidad de ciertas
caractersticas inherente al material, como puede ser su dureza o cantidad de elemento de inters
que posea. Ambas variables podran solucionar dudas acerca de la capacidad de tratamiento,
relacionado con la dureza del material, as como variaciones en la produccin de Cu fino,
relacionado con las variaciones de leyes.
Los cuestionamientos relacionados con el comportamiento del mineral instan a pensar en
algn mtodo que permita predecirlo, el cual debe ser confiable, para as transformarse en una
alternativa real a nivel industrial. Tambin es deseable que el mtodo sea reproducible, pues
ayudara a realizar mejoras aguas abajo en la cadena productiva.
5
3.- Alcances
El desarrollo del trabajo de titulo se enmarca en la bsqueda de una nueva alternativa de
prediccin de variabilidad de una caracterstica esencial del recurso mineral, la cual es la
variabilidad de ley de cobre total.
Para lograr implementar un mtodo de prediccin confiable, es necesario realizar pruebas
sobre resultados conocidos, por lo cual es preciso poseer informacin real y confiable, para ello
se cont con el patrocinio de Anglo American Chile representada por la divisin Los Bronces,
con el apoyo de la Superintendencia de Ingeniera de Minas y la Superintendencia de Geologa.
La determinacin de variabilidad de ley de alimentacin a planta se realizara sobre
sectores previamente explotados, para lo cual es imprescindible seleccionar algn periodo en el
cual la informacin sea lo mas precisa, as se determino trabajar con los datos de ley media diaria
del ao 2006. Esta definicin impone identificar los dominios exactos a estudiar, dando como
resultado las fases Donoso Este e Infiernillo Fase IV.
El camino para llegar a determinar la variabilidad de ley de alimentacin a planta
comenzara por la seleccin de la informacin perteneciente a los dominios seleccionados, vale
decir, seleccionar que sondajes y ver cuales cumplen con la condicin de ser anteriores al ao
2006 y que adems sean integrantes de dichos dominios, todo esto dividido en dos grandes
poblaciones, los sondajes de exploracin (LBXP) y los de produccin (Infill).
Una vez que se definen los dominios y los datos a utilizar, se recurrir a las herramientas
de Geoestadstica para lograr hacer una estimacin de la cantidad de recursos con que cuentan los
dominios, finalizando con una serie de datos que mas tarde sern sometidos a diversos tipos de
simulaciones de extraccin para as determinar la variabilidad que presentan mes a mes.
Para concluir se debiese obtener una reproduccin lo mas fidedigna posible de la
variabilidad mensual del ao 2006, ser un mtodo que pueda ser reiterado por cualquier otro
profesional con conocimientos en la materia, adems de servir como un material de apoyo en
futuros proyectos mineros, tanto en la planificacin de estos como en momentos de plena
operacin.
LEYENDA
Rocas Volcnicas Negenas
70 W
Los Pelambres
32 S
Fm. Farellones
Fm. Colla-Machal y Los Pelambres
Plutones del Jursico al Palegeno
Rocas Volcnicas y Sedimentarias del
Mesozoico
Basamento Paleozoico
Con-Con
Via del Mar
Los Andes
33 S
LOS BRONCES
SANTIAGO
34 S
El Teniente
Ilustracin 4.1.- Mapa Geolgico que muestra la franja del Mioceno Superior - Plioceno y los tres yacimientos
asociados a esa edad: Los Pelambres, Ro Blanco - Los Bronces y El Teniente (Frikken, 2002)
Ilustracin 4.2.- Mapa Geolgico del distrito Ro Blanco - Los Bronces (Frikken, 2002)
10
Figura
Ilustracin
1.- Composicin
4.3.- Composicin
de 37 muestras
de 37 muestras
de rocas de
delrocas
Batolito
del Batolito
San Francisco,
San Francisco,
graficadas
graficadas
en el diagrama
en el diagrama
QAP QAP
de Streckeisen
de Streckeisen
(1979);
(1979);
(Soto,(Soto,
2005)2005)
11
Presenta una textura porfdica de grano medio y color gris claro a blanco. Los
fenocristales (25%) estn compuestos por plagioclasa, cuarzo, feldespato potsico y mficos. La
masa fundamental (75%) est caracterizada por un agregado de cuarzo, anhidrita, feldespato
potsico, sericita, clorita, calcita y yeso. Manifiesta una alteracin potsica remanente e intensa
de biotita, feldespato potsico y en menor grado anhidrita y magnetita. Se sobre impone una
alteracin flica, moderada a fuerte, compuesta por sericita, cuarzo y pirita. Como resultado de
los procesos de alteracin, esta unidad presenta una textura moteada gruesa, la cual la distingue
de las otras litologas (Contreras, 2003). La mena primaria y de reemplazo corresponde a piritacalcopirita-calcosina
Esta unidad se presenta como filn e intruye a las Unidades QM y QMD, adems puede
formar parte de la matriz de la Brecha gnea y se encuentra en contacto gradacional con el
Prfido Cuarzodioritico.
Intrusivo de grano fino a medio con textura porfdica de color gris oscuro. Su
composicin vara de cuarzodiortica a tonaltica (Warnaars y otros, 1985). Los fenocristales
(30%) corresponden a plagioclasa, biotita-anfbol y como accesorio magnetita. La masa
fundamental (70%) presenta una textura afieltrada, y se compone de plagioclasa, cuarzo,
feldespato potsico y clorita (Thiele, 1980). Presenta una alteracin potsica remanente e intensa
de biotita secundaria, albita, anhidrita, feldespato potsico y desarrollo de vetillas A.
Sobreimpuesta a ella, se desarrolla una alteracin flica dbil caracterizada por parches de
sericita, cuarzo secundario y andalucita, y una alteracin propiltica moderada definida por
clorita, biotita secundaria y montmorillonita. Los minerales de mena son calcopirita con carcter
diseminada y calcopirita-bornita (vetillas tipo A).
La unidad ocurre como filn e intruye a las Unidades QM y QMD, produciendo halos de
alteracin en ellos.
Definida por Contreras (2003) como una brecha monomctica, en la cual la matriz y los
clastos poseen una composicin QMD. La matriz presenta una textura de grano fino o porfdica,
englobando a clastos redondeados de textura hipidiomrfica inequigranular. Su origen se
asociara al sucesivo emplazamiento de los intrusivos de composicin QMD que cortan a la
Unidad QM.
Esta unidad es identificada por Contreras (2003), como una brecha polimctica formada
principalmente por clastos de intrusivos de composicin tonaltica, cuarzodiortica y diortica. La
matriz est compuesta por biotita secundaria, magnetita, clorita, cuarzo, anhidrita, sericita y los
sulfuros predominantes son pirita-calcopirita y ocasionalmente bornita. Los clastos presentan
una alteracin potsica de intensidad variable y vetillas de tipo A caracterizada por biotita
secundaria, feldespato potsico y anhidrita.
El contacto de esta brecha con los intrusivos adyacentes es gradual, pasando de una roca
con alteracin potsica intensa a clastos con igual alteracin y matriz de brecha compuesta
principalmente por minerales de alteracin de la etapa potsica. Se presenta como clasto dentro
de brechas ms jvenes.
Definida por Contreras (2003) como una brecha polimctica formada por clastos
principalmente de intrusivos profundos de composicin tonaltica, cuarzodiortica y diorita. La
matriz est compuesta de biotita secundaria, sericita, feldespato potsico, cuarzo y de manera
subordinada turmalina y clorita. Los sulfuros predominantes son pirita y calcopirita y
ocasionalmente bornita y molibdenita. Los clastos presentan una alteracin potsica caracterizada
por biotita secundaria con una menor presencia de cuarzo y feldespato potsico.
Los contactos de esta brecha con los intrusivos profundos y la BXBM son graduales.
Definida por Warnaars y otros (1985) como una brecha, en la cual es bastante difcil
diferenciar clastos y matriz, ya que ambos se muestran bastante homogneos y adems exhiben
una alteracin cuarzo-sericita (moderada a fuerte) que dificulta an ms la diferenciacin.
Tambin se caracteriza por que la matriz alcanza proporciones de hasta 15% del volumen total, y
est formada por un agregado de cuarzo y sericita con una importante proporcin de polvo de
roca. El cemento, que es escaso, esta constituido por especularita, cuarzo, sulfuros de cobre y
hierro, y espordicamente turmalina. La proporcin de clastos predomina ampliamente sobre la
matriz, presentando tamaos en general menores que 20 cm y que composicionalmente
corresponden a cuarzomonzonita y en algunos sectores a andesita.
Los sulfuros presentes en esta unidad son pirita, calcopirita, calcosina y molibdeno. La
mineralizacin ocurre diseminada y ocasionalmente asociada a un stockwork.
13
Definida por Warnaars y otros (1985) como una brecha de matriz gris oscura a negra
compuesta de cristales de grano fino de turmalina con cantidades menores de cuarzo, polvo de
roca, especularita, sericita, sulfuros y ocasionalmente anhidrita. Los clastos son subredondeados a
subangulares con tamaos cercanos a 5 cm. Su composicin corresponde principalmente de
cuarzomonzonita, excepto en el lado sur donde se encuentran clastos de latitas y andesitas.
Presenta una alteracin de cuarzo secundario y cuarzo-serictica y argilizacin. El cemento est
constituido principalmente por turmalina y subordinadamente por especularita, sulfuros de cobre
y hierro.
Los sulfuros presentes en esta unidad son: pirita, calcopirita, calcosina, molibdeno y
ocasionalmente bornita, las cuales se encuentran diseminados, sin embargo, la calcopirita
tambin puede ocurrir en vetillas.
Esta unidad fue definida por Warnaars y otros (1985) como una unidad de color gris
verdoso, en la que la matriz esta compuesta de polvo de roca, clorita, turmalina, sericita,
especularita y sulfuros (pirita, calcopirita, molibdeno, calcosina y ocasionalmente bornita). La
fraccin clstica predomina ampliamente sobre la matriz y est conformada por fragmentos de
tamaos variables entre 2 y 15 cm, formas subangulares a angulares, de composicin
cuarzomonzonita y en menor medida por andesita, adems se encuentran fuertemente alterados a
clorita y en menor grado a cuarzo-sericita.
El cemento est formado por clorita, turmalina y especularita subordinada y
espordicamente molibdenita (Cuadra 1980). Se dispone en contacto gradual con la Brecha
Central.
Warnaars y otros, (1985) la definen como una brecha en la cual los clastos corresponden
a andesita con cantidades menores de cuarzomonzonita y prfido cuarzo latita, poseen formas
angulares a subangulares, con tamaos que varan desde unos centmetros hasta mayores de 1 m.
Se encuentran alterados fuertemente a clorita, silicificados (moderado a fuerte) y afectados por
una dbil alteracin cuarzo-sericita. La alteracin no es homognea, debido a que existen sectores
en que predominan clastos frescos, y otros en los que ocurren parcialmente alterados. La
paragnesis de alteracin ms comn corresponde a clorita, slice, sericita y ocasionalmente
epidota.
La matriz est compuesta por cuarzo, clorita, turmalina, especularita y sulfuros (pirita,
calcopirita, calcosina, molibdeno y en menor cantidad bornita).
La brecha se distingue por el intenso color verde que afecta tanto a los clastos como a la
matriz. Esta brecha contiene clastos de Brecha Central, y en profundidad cambia a Brecha
Occidente.
14
Definida por Warnaars y otros (1985) como una unidad en la cual la matriz, est
compuesta por anhidrita, turmalina, especularita, cuarzo, sulfuros (pirita, calcopirita, molibdeno).
Los clastos son angulares a subangulares con tamaos menores a 20 cm, y corresponden a
fragmentos de Brecha Infiernillo y Brecha Central, alterados fuertemente a clorita y moderada
silicificacin. En algunos afloramientos la anhidrita est hidratada a yeso.
Segn algunos autores esta brecha constituira una diferenciacin local de la Brecha
Infiernillo, caracterizada solamente por la presencia de anhidrita como principal constituyente del
cemento y conformando un cuello de anhidrita (Cuadra, 1980).
Warnaars y otros (1985) definen a esta unidad como una brecha en la cual la matriz
presenta un color gris y est compuesta por cuarzo, polvo de roca, sericita, clorita, especularita y
sulfuros (pirita, calcopirita, calcosina). Los clastos, poseen un tamao inferior a 5 cm. Son
subangulares a subredondeados de composicin prfido cuarzomonzontico, cuarzolattico y
andesitas, alterados a cuarzo-sericita y silicificacin moderada. La mineralizacin se encuentra
diseminada en la matriz y en los clastos estn como vetillas y de manera diseminada.
La Brecha Gris Fina forma apfisis en la Brecha Central y en la Brecha Oeste.
Definida por Warnaars y otros (1985), como una brecha en la cual la matriz est
compuesta por turmalina, cuarzo, sulfuros de cobre y hierro, y especularita. Los clastos son
principalmente a fragmentos de cuarzomonzonita, cuarzomonzodiorita (contiene clastos de
brecha Fantasma y Central), con tamaos entre 5-15 cm y formas angulosas a subangulosas (Daz
y otros, 1977). En niveles superiores se pueden observar clastos de composicin andestica.
La alteracin asociada a esta unidad, es el tipo cuarzo sericita, que afecta a los clastos con
una intensidad de moderada hasta obliterar la textura original. Los clastos menores se encuentran
altamente silicificados, los de tamao intermedio presentan halos concntricos con un ncleo
cuarzo-sericitico y un borde silicificado y los mayores o megaclastos, en general conservan gran
parte de su textura original. Otra alteracin importante es la cloritizacin que afecta
principalmente a la matriz, pero tambin a los clastos (Cuadra, 1980).
El contenido de cobre primario es ms alto que en las otras brechas, exceptuando para
algunas zonas de la Brecha Infiernillo. Contiene clastos de Brecha Fantasma y Central.
5.- Antecedentes
5.1.- Fenmenos Regionalizados
Los fenmenos regionalizados se definen como fenmenos que se extienden en el espacio
y que presentan una organizacin o estructura. De esta forma el espacio corresponde al
lugar geogrfico donde esta variable se encuentra, pero tambin podra tratarse del eje temporal.
Las variables regionalizadas se estudian mediante una descripcin matemtica de la
realidad, utilizando las herramientas que proporciona la geoestadstica, las cuales permiten
describir dicha variable mediante una funcin numrica que representa y mide correctamente este
fenmeno.
En la Geoestadstica minera, los fenmenos que se suelen representar son la ley de algn
elemento de inters, densidades, potencia, granulometra, recuperacin metalrgica, etc.
Dado que los fenmenos regionalizados no poseen una extensin infinita, estos se
estudian tan solo al interior de un dominio delimitado, donde la regionalizacin de una variable
es de inters.
Dentro de las caractersticas mas relevantes de una variable regionalizada, esta su
aleatoriedad y estructuracin, por lo que su variacin sigue una cierta regularidad, de esta forma
es posible definir el tipo de distribucin, la cual contiene la cuantificacin de la discrepancia de
los valores en el espacio, visualizndose mediante funcin variogrma (h), que se define de
acuerdo a la siguiente expresin.
(h ) = 1 2 E [ f ( x + h ) f ( x )]2
En donde E [ f ( x + h ) f ( x )] representa el valor medio del cuadrado de las diferencias
entre las leyes de todas las muestras situadas a una distancia h entre si. Esta funcin es una
medida de la relacin que existe entre dos puntos ms o menos contiguos de valores de la
variable de inters, lo que permite visualizar su radio de influencia.
2
17
(h ) =
1
2
[z ( x ) z (x )]
N
(
h
)
2 N (h )
Donde:
N (h) = {(,) tales que x x =h}
|N (h)| es el cardinal de N (h)
Con respecto a la tolerancia en los clculos, en el caso de presentarse una malla irregular
de muestreo, se suelen definir ciertos parmetros de tolerancia, tanto en la longitud del vector h
como en su orientacin.
De esta forma se definen los siguientes parmetros con sus respectivas tolerancias:
Azimut
Tolerancia al acimut
Ancho de banda horizontal
Inclinacin
Tolerancia en la inclinacin
Ancho de banda vertical
Distancias (mltiplos de una distancia elemental = paso)
Nmero de pasos
(h ) = 12 E [Z ( x + h ) Z (x )]2
Efecto Pepita
(h ) =
0, h = 0
C, h 0
Este modelo representa la ausencia total de correlacin en el espacio, dos valores distintos
tienen valores independientes.
19
Modelo Esfrico
3 h 1 h 3
C , h a
2 a 2 a
(h ) =
C, h > a
Este modelo supone una correlacin que disminuye lentamente a medida que aumenta la
distancia.
Modelo Exponencial
3 h
(h ) = C 1 exp
Modelo que supone un aumento del variogrma de forma ms acelerada que el modelo
esfrico anterior.
Existen otros modelos elementales como el modelo Gaussiano, Potencial, Seno Cardinal,
etc., pero dado que su uso es poco frecuente, no se detallaran.
Ahora, con ayuda de los modelos elementales, ser posible modelar la variable
regionalizada. El modelamiento debe respetar las principales caractersticas del variogrma
experimental (comportamiento en el origen, existencia o no de meseta, anisotropa).
20
5.3.3.- Anisotropas
Se habla de anisotropa cuando una variable regionalizada posee alguna o algunas
direcciones de preferentes de continuidad, en caso contrario, se hablara de un comportamiento
istropo de la variable.
Una forma bastante eficiente de reconocer este tipo de fenmenos, es con ayuda de los
mapas variogrficos, lo que corresponde al mapa de isovalores del variogrma experimental en
funcin de la separacin (distancia y orientacin).
Es posible distinguir varios tipos de anisotropas, pero comnmente se reconocen la
anisotropa geometra y zonal.
Anisotropa Geomtrica
El mapa variogrfico dibuja elipses (2D) o elipsoides (3D). Slo se requiere especificar
las direcciones principales (ortogonales) y los alcances correspondientes.
21
Anisotropa Zonal
Nube de correlacin diferida entre los valores medidos {z(x), = 1, , n} y los valores
estimados {z*(x), = 1, , n}
El histograma de los errores estandarizados
z ( x ) z ( x )
( x )
Donde *(x) es la desviacin estndar del kriging para el punto x. Una estimacin se
considera buena si el error estandarizado asociado est situado en el intervalo [-, ], con = 2.5
por ejemplo.
22
1
V
Z (u )du
V
Histograma
[Z (V ) m] = Histograma [Z (u ) m]
V
24
Restriccin de Linealidad
Sea z(x) la variable regionalizada en estudio, {x, = 1,, n} los sitios con datos y xo el
sitio que se busca estimar.
La primera restriccin consiste en escribir el estimador como una combinacin lineal
ponderada de los datos:
n
z ( xo ) = a + z ( x )
=1
Restriccin de Insesgo
En el modelo probabilstico, el error cometido debe tener una esperanza nula:
E Z (xo ) Z (xo ) = 0
El estimador no tiende a sobreestimar o subestimar el valor real desconocido.
Criterio de Optimalidad
Se busca minimizar la varianza del error cometido, que mide la amplitud potencial de
dicho error.
Minimizar var Z ( xo ) Z ( xo )
fijo de datos, con el fin de repartir de mejor manera las muestras en torno al punto o bloque que
se desea estimar.
El tamao de esta vecindad esta determinado por varios factores, entre los cuales destaca
el variogrma, pues como este es valido solo para la mitad del dimetro del campo considerado,
la vecindad escogida debe tomar eso en consideracin.
Es importante no tomar una vecindad demasiado pequea, pues si esta contiene pocos
datos, la estimacin ser poco precisa y muy sensible a los valores de los datos escogidos, lo que
puede provocar artefactos en el mapa de Kriging (problemas de continuidad cuando se pasa se un
punto a otro y cambian los datos utilizados).
En resumen, el tamao de esta vecindad debe mantener un equilibrio entre los factores
antes mencionados, pero adems debe considerar el criterio de minimizacin del sesgo
condicional, el cual se obtiene a partir de la validacin cruzada, prueba que se realiza con varios
tamaos de vecindad y se selecciona aquel que entregue los resultados mas satisfactorios.
Finalmente, pare realizar la estimacin es necesario contar con algn mtodo, en este caso
se utilizara el Kriging puntual, el cual tiene como finalidad estimar el valor puntual desconocido
z(xo) en un punto no muestreado xo.
Existen varios tipos de Kriging que permiten estimar el valor puntual: Kriging Simple,
Kriging Ordinario, Kriging Universal, Kriging Intrnseco, Kriging con Deriva Externa, Kriging
Trigonomtrico, etc. En el caso de las estimaciones que se realizaran posteriormente, se utilizar
el Kriging Ordinario.
El Kriging Ordinario se construye a partir de las siguientes hiptesis:
26
Restriccin de Linealidad
z ( xo ) = a + z ( x )
=1
Restriccin de Insesgo
E Z ( xo ) Z ( xo ) = a + E [Z ( x )] E [Z ( xo )]
=1
E Z ( xo ) Z ( xo ) = a + 1 m
=1
=1
=1
Criterio de Optimalidad
var Z ( xo ) Z ( xo )
n
n
= 1
=1 =1
2
=1
=1
(x x ) + 2 ( x x )
27
n
= 1,..., n; (x x ) = ( x x o )
=1
2
(xo ) = (x xo )
KO
=1
Aspectos geomtricos: distancias entre el sitio a estimar y los datos; redundancia entre
los datos.
Aspectos de continuidad espacial: regularidad, anisotropa.
Interpolacin exacta: estimar un sitio con dato devuelve el valor medido en ese sitio.
Suavizamiento: la dispersin de los valores estimados es menor que la dispersin de los
valores verdaderos. El Kriging tiende a subestimar las zonas de altas leyes y sobreestimar
las zonas de bajas leyes.
Aditividad: el Kriging del valor promedio de un sector es el promedio de las
estimaciones puntuales en este sector.
Insesgo: la media de los errores cometidos en una regin de gran tamao se acerca a cero.
Sesgo condicional: en las zonas cuya estimacin supera una ley de corte, la media de los
errores puede diferir de cero.
Cualidad a evitar o minimizar, de lo contrario se incurre en una mala apreciacin
del valor del negocio minero.
Elegir una vecindad de kriging suficientemente grande.
28
Para finalizar, es necesario que la estimacin local que se acaba de realizar sea til para un
soporte mayor, con el cual finalmente se trabajara, de esta forma surge el Kriging de bloques.
Existen dos alternativas para su construccin:
Discretizar el bloque en varios puntos, estimar el valor de cada punto y promediar las
estimaciones puntuales.
Evaluar directamente el valor del bloque, sin recurrir a estimaciones puntuales.
El Kriging de bloques posee las siguientes propiedades:
Suavizamiento.
Insesgo, pero posible sesgo condicional.
Aditividad.
29
30
Donde:
Y(1) es una funcin aleatoria unidimensional.
u es un vector del espacio Rd.
< x | u > es la proyeccin del sitio x en la recta orientada por u.
La relacin de una dimensin menor a otra mayor, se realiza mediante las covarianzas de
las dimensiones respectivas, as se puede generalizar este proceso de una dimensin a d
dimensiones.
Sean C1 la covarianza de Y(1) y Cd la covarianza de Y(x), se tiene:
C d (h ) = C1 ( h | u
El problema de esta relacin es que se genera una anisotropa zonal, pues el vector u es
nico, generndose lo que la ilustracin muestra.
Para evitar la anisotropa zonal que se genera, se debe sortear el vector u al azar, o sea, en
la covarianza se reemplaza el vector determinstico u por un vector aleatorio U.
C d (h ) = E {C1 ( h | U
)}
31
Paso de R3 a R
C1 (r ) =
d
[rC3 (r )]
dr
Paso de R2 a R
r
C1 (r ) =
d
t
C 2 (t )dt
2
dr 0 r t 2
Y (x ) =
1
N
Y ( ) ( x | u )
1
i =1
32
# Campaa
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
Tipo de Campaa
LBXP
Infill
Infill
Donoso
Infill
Infill
Infill
Infill
Infill
Infill
LBXP
Infill
Infill
Infill
Infill
Infill
LBXP
Infill
LBXP
Infill
LBXP
Infill
33
Ao
1980
1989
1990
1980
1990
1991
1992
1993
1994
1995
1996
1996
1997
1998
1999
2000
2000
2001
2001
2002
2002
2003
# Campaa
23
24
25
27
28
30
31
32
33
34
35
36
50
103
Tipo de Campaa
LBXP
LBXP
Infill
CAT IV
Infill
Infill
LBXP
CAT IV
COND
Infill
SEM
CAT III
Monolito
Andina (Subte)
Ao
2003
2004
2004
2005
2005
2006
2006
2006
2006
2007
2007
2007
1996
2002
Las campaas LBXP (Los Bronces Expansion Project) e Infill (campaa de produccin)
sern las seleccionadas, debido a que las primeras son utilizadas para efectuar una exploracin
preliminar del sector de inters, mientras que las segundas se realizan para detallar de mejor
forma los recursos con que cuenta dicha zona. Otra clasificacin importante es con respecto al
momento en que se desarrolla cada campaa, seleccionando aquellas realizadas desde el ao
2005 hacia atrs, esto debido a que se desea predecir el comportamiento del ao 2006 con los
datos con que se contaba hasta tal fecha (al ao 2006 no se contaba con la informacin de los
sondajes correspondiente a dicho ao y posteriores).
Una vez seleccionada las campaas, la siguiente etapa es realizar el estudio exploratorio
de estas (campaas LBXP e Infill), pero dado que la variabilidad de ley esta relacionada
directamente con el tipo de roca, es necesario hacer una diferenciacin de esta variable
regionalizada.
Cdigo de Roca
RX10
RX20
RX35
RX40
RX50
RX55
RX60
RX80
RX85
RX91
Tipo de Roca
Brecha Occidente
Brecha Infiernillo
Brecha Central
Brecha Donoso
Brecha Fantasma
Brecha Anhidrita
QMZ
Andesita
Riolita
Lixiviado
Color
34
Determinada la clasificacin del tipo de roca, ahora es necesario definir los dominios a
estudiar, para ello se utilizo como criterio los sectores explotados durante el ao 2006, esto
ltimo llevo a decretar los sectores de Infiernillo Fase IV y Donoso Este como los dominios
seleccionados.
35
Infiernillo IV
Limites
101000 E 101500 E
99800 N 100500 N
3745 Cota 3880 Cota
100250 E 100800 E
99000 N 99700 N
3355 Cota 3520 Cota
Infiernillo IV
Tipo de Roca
Brecha Fantasma
QMZ
Brecha Occidente
Brecha Central
Brecha Fantasma
QMZ
LBXP
Donoso Este
Infill
Infiernillo Fase IV
Donoso Este
Infiernillo Fase IV
Brecha Fantasma
Brecha Occidente
Brecha Fantasma
Brecha Occidente
QMZ
Brecha Central
QMZ
Brecha Central
Brecha Fantasma
Brecha Fantasma
QMZ
QMZ
36
Infiernillo
Fase IV
Unidad Geolgica
Media
Mnimo
Mximo
Desviacin
Varianza
Declus [m]
Bx. Fantasma
130
0,798
0,014
4,067
0,641
0,410
115
QMZ
407
0,666
0,022
4,966
0,577
0,333
295
Bx. Occidente
113
0,832
0,157
2,658
0,483
0,234
100
Bx. Central
50
1,036
0,334
5,813
1,026
1,026
275
Bx. Fantasma
115
0,398
0,180
4,948
0,718
0,515
290
QMZ
498
0,628
0,044
5,614
0,666
0,444
350
Unidad Geolgica
Media
Mnimo
Mximo
Desviacin
Varianza
Declus [m]
Bx. Fantasma
236
0,813
0,010
3,304
0,559
0,313
500
QMZ
979
0,708
0,017
4,118
0.888
0,789
200
Bx. Occidente
510
0,932
0,104
7,158
0,836
0,699
100
Bx. Central
147
1,028
0,146
4,175
0,731
0,535
125
Bx. Fantasma
546
0,935
0,012
4,824
1,443
2,082
270
QMZ
1601
0,645
0,024
6,791
0,849
0,721
245
37
38
Infiernillo
Fase IV
Unidad Geolgica
Media
Mnimo
Mximo
Desviacin
Varianza
Bx. Fantasma
130
0,798
0,104
3,908
0,620
0,384
QMZ
407
0,666
0,042
4,754
0,572
0,327
Bx. Occidente
113
0,832
0,179
2,609
0,476
0,227
Bx. Central
50
1,036
0,401
5,644
1,005
1,010
Bx. Fantasma
115
0,398
0,200
3,216
0,710
0,504
QMZ
498
0,628
0,074
5,338
0,649
0,421
Unidad Geolgica
Media
Mnimo
Mximo
Desviacin
Varianza
Donoso Este
Bx. Fantasma
236
0,813
0,091
3,085
0,530
0,281
QMZ
979
0,708
0,058
5,466
0,879
0,773
Bx. Occidente
510
0,932
0,157
6,529
0,791
0,626
Bx. Central
147
1,028
0,175
3,323
0,721
0,520
Bx. Fantasma
546
0,935
0,092
4,715
1,390
1,932
QMZ
1601
0,645
0,070
6,550
0,800
0,639
Infiernillo
Fase IV
40
7.- Simulaciones
7.1.- Clasificacin y Consideraciones Previas
Los resultados hasta al momento obtenidos corresponden a una Correccin Afn, una
estimacin mediante Kriging Ordinario y cincuenta simulaciones aplicando el mtodo de Bandas
Rotantes, todo esto realizado sobre las diferentes poblaciones en estudio.
Ahora corresponde lograr predecir la variabilidad de ley de cobre total de alimentacin a
planta con ayuda los resultados alcanzados, pero para ello es necesario plantear algunas
restricciones y aplicar ciertos filtros a los datos emanados de los mtodos utilizados. El valor real
de las leyes diarias se presenta en el siguiente cuadro resumen.
Da
Ene.
Feb.
Mar.
Abr.
May.
Jun.
Jul.
Ago.
Sept.
Oct.
Nov.
Dic.
1.30
1.05
0.88
0.74
0.89
0.98
0.91
1.09
1.18
1.12
S/I
0.99
1.19
0.91
1.04
0.87
0.94
1.01
0.98
1.11
0.99
1.04
1.19
0.98
0.95
0.98
1.04
1.19
0.95
1.04
0.97
0.96
0.84
1.05
0.99
1.05
0.95
0.93
0.99
1.00
0.90
0.88
0.88
0.95
0.92
1.02
0.93
1.07
0.97
0.90
0.93
0.87
0.97
0.91
0.92
1.12
0.90
1.09
1.03
1.12
1.04
1.12
0.93
0.93
0.93
0.99
0.94
0.96
1.02
1.00
0.97
0.99
0.87
1.14
1.07
0.89
0.98
1.00
0.90
1.22
0.88
1.16
1.15
1.04
0.82
0.91
1.33
0.89
1.06
0.92
0.94
1.23
0.88
0.93
1.03
1.23
0.95
1.12
1.09
0.92
1.10
0.85
0.93
1.10
0.99
0.88
0.91
1.16
10
0.96
1.22
0.94
0.84
0.92
0.87
0.98
0.93
0.93
1.03
0.92
1.08
11
0.97
1.17
1.02
0.80
0.90
0.92
1.02
1.03
0.92
1.13
0.89
1.19
12
1.11
0.94
1.04
0.94
0.89
1.17
0.98
1.15
0.96
1.20
0.98
1.18
13
1.01
0.92
1.11
0.93
1.08
1.16
0.89
1.11
0.99
1.11
0.93
0.95
14
0.96
0.76
0.87
0.88
0.85
1.25
0.86
1.04
0.91
1.01
0.92
1.05
15
1.07
0.86
1.06
0.87
0.98
1.14
1.00
1.19
0.87
1.11
0.97
1.23
16
1.11
0.98
1.08
0.96
0.95
1.21
0.92
1.05
1.00
1.02
1.01
1.27
17
0.98
1.12
1.00
0.92
0.94
1.27
0.99
1.05
1.11
0.99
1.06
1.36
18
1.05
0.93
0.86
0.97
0.96
1.02
0.95
0.93
1.26
1.09
1.58
1.50
19
1.04
0.98
0.82
0.98
0.89
0.97
1.01
0.91
1.10
1.03
1.59
1.48
20
0.97
1.17
0.90
0.90
0.92
1.04
1.17
0.93
1.17
1.03
1.34
1.09
21
1.03
1.28
1.01
0.91
0.99
0.93
1.42
0.90
1.16
1.05
1.20
1.45
22
0.90
1.11
1.20
1.04
0.93
1.18
1.07
0.95
1.40
1.00
1.32
1.25
23
0.99
1.01
0.97
0.88
0.88
1.07
0.99
0.98
1.18
0.95
1.12
1.09
24
0.88
0.85
0.98
0.92
0.81
1.04
0.96
0.91
1.03
1.04
1.06
1.09
25
0.98
1.13
0.93
0.94
0.88
1.02
0.87
0.93
1.26
1.03
1.13
1.28
26
1.05
0.86
1.08
0.97
0.93
0.95
0.82
0.91
0.92
0.95
1.04
1.24
27
0.84
0.76
1.05
1.11
0.88
1.09
0.87
1.09
1.18
0.90
1.06
1.17
28
1.05
0.79
1.05
1.07
0.88
1.01
0.95
0.98
1.15
0.74
1.12
1.05
29
1.05
1.14
1.09
0.80
0.99
1.00
1.06
1.13
1.03
1.14
1.10
30
1.05
1.03
1.03
0.73
1.00
1.25
1.02
1.11
S/I
1.22
31
1.04
0.95
1.09
1.27
1.00
41
S/I
1.23
1.10
Domino
(Infiernillo Fase IV o Donoso
Este)
Tipo de Roca
(Bx. Fantasma, QMZ, Bx.
Central, Bx. Occidente)
Correccin Afn
Simulaciones por
Bandas Rotantes
42
Turno
A
Leyes bloques
0.82
1.13
0.89
0.79
1.1
1.14
1.17
1.1
1.04
0.82
1.14
1.17
0.76
0.88
0.95
1.13
1.51
1.55
Ley media
Ley media da
0.95
1.01
1.02
1.10
1.04
0.86
1.40
44
1.10
45
Los bloques de cada poblacin (LBXP e Infill) son numerados desde 1 hasta N, con N
igual al tamao de la poblacin.
Se genera una secuencia aleatoria de nmeros desde 1 hasta N con ayuda Excel.
Se reordenan los bloques de acuerdo a la secuencia generada.
Se filtran los datos de acuerdo a la ley de corte (0,75% CUT).
Se efecta la extraccin siguiendo el orden obtenido, respetando los tres bloques por turno
y la proporcin por fase.
46
Cabe sealar que cada bloque cuenta con cuatro valores, el proveniente de Kriging Simple
y tres de las Simulaciones condicionales, haciendo posible una comparacin consistente entre las
diferentes desviaciones y varianzas.
Bloque
454
540
263
25
541
Kriging
0,81
0,80
0,82
0,76
0,83
Percentil 25
0,85
0,78
1,05
1,13
1,04
Percentil 50
1,16
0,94
0,91
0,87
1,10
47
Percentil 75
1,20
0,76
0,97
1,05
0,88
LBXP
Correccin
Affine
Donoso
Este
Monte
Carlo
Infiernillo
Fase IV
Infill
Kriging y
Simulacion
es
Correccin
Affine
Donoso
Este
Kriging y
Simulacion
es
Donoso
Este
Aleat.
S/reemplz
Monte
Carlo
Infiernillo
Infiernillo
Fase IV
Fase IV
Diagrama 8.1.- Poblaciones Finales
48
Donoso
Este
Aleat.
S/reemplz
Infiernillo
Fase IV
49
Varianza
C
Real
Media
50
Cambio de Pendiente
Valores Reales v/s Promedio de Simulaciones LBXP
0.030
0.025
0.015
0.010
Nov - Dic
Oct - Nov
Sep - Oct
Ago - Sep
Jul - Ago
Jun - Jul
May - Jun
Abr - May
-0.010
Feb - Mar
0.000
-0.005
Mar - Abr
0.005
Ene - Feb
Pendiente
0.020
-0.015
Periodo
Real
Promedio
Periodo
Real
Media
Ene - Feb
Feb - Mar
Mar - Abr
Abr - May
May - Jun
Jun - Jul
Jul - Ago
Ago - Sep
Sep - Oct
Oct - Nov
Nov - Dic
0.011
-0.009
-0.002
-0.003
0.007
0.002
-0.003
0.009
-0.011
0.024
-0.012
-0.005
0.003
0.000
-0.002
0.012
-0.004
-0.007
0.001
-0.002
0.004
0.003
Desviacin
Estndar
0.011
0.008
0.001
0.001
0.004
0.004
0.002
0.005
0.007
0.014
0.010
51
Esta ultima tabla refleja de mejor forma lo que son los aciertos en el valor de la pendiente,
ahora interesara ver si el modelo pronosticado puede predecir alguno de los cambios de
pendiente, es decir, predecir el paso de una pendiente negativa a positiva o viceversa. El acierto
en este ltimo tem alcanza al 43%. Con respecto a la semejanza en la forma de la curva en cada
intervalo, es conveniente revisar el siguiente grafico antes de entregar un veredicto definitivo.
Desviacion v/s Periodo LBXP
Desviacion Estandar
0.016
0.014
0.012
0.010
0.008
0.006
0.004
0.002
-D
ic
-N
ov
N
ov
-O
ct
O
ct
-S
ep
Se
p
Ag
o
Ag
o
-J
ul
Ju
l-
-J
ay
Ju
n
un
ay
-M
M
Ab
r
Ab
r
ar
-
b
Fe
En
e
-F
-M
ar
eb
0.000
Periodo
El anlisis de este ltimo grafico refleja que existe un grado de certeza de 36,4% en el
nivel de aciertos de semejanzas entre las pendientes, por lo tanto las ecuaciones de la recta que
representaran la realidad con una tolerancia aceptable serian.
Y
Y
Y
Y
= 0,004
= 0,002 X + 0,012
= 0,012 X 0,058
= 0,007 X + 0,059
52
Varianza
0,035
0,030
0,025
0,020
0,015
0,010
0,005
0,000
Meses
Real
Media
Desviacion
0.20
0.16
0.12
0.08
0.04
Ju
lio
o
Ju
ni
ril
ay
o
M
Ab
ar
zo
0,118
0,072
-0,046
-39,10%
Ag
os
to
Se
pt
ie
m
br
e
O
ct
ub
re
N
ov
ie
m
br
e
D
ic
ie
m
br
e
Media Real
Media Simulacin
Diferencia (S - R)
Diferencia Porcentual
En
er
o
Fe
br
er
o
0.00
Real
MesesMedia
53
Varianza
C
Real
Media
A: Esta primera seccin predice satisfactoriamente el cambio de pendiente del valor real,
pero no as sus valores.
B: La segunda seccin que comprende un amplio periodo del ao, no presenta signos de
pronosticar satisfactoriamente algn cambio de pendiente, alzas bruscas en los valores de
la varianza mensual o valores cercanos a lo que fue la realidad.
C: Este periodo presenta facultades para visualizar un par de cambios de pendiente, con
valores similares a los reales.
D: Ultimo tramo, en donde se pierde toda facultad de prediccin, solo una aproximacin a
los valores reales, pero sin la capacidad de pronosticar el cambio de pendiente, este pierde
todo valor.
54
Cambio de Pendiente
Valores Reales v/s Promedio de Simulaciones Infill
0.030
0.025
0.015
0.010
Nov - Dic
Oct - Nov
Sep - Oct
Ago - Sep
Jul - Ago
Jun - Jul
May - Jun
Abr - May
-0.010
Feb - Mar
0.000
-0.005
Mar - Abr
0.005
Ene - Feb
Pendiente
0.020
-0.015
Periodo
Real
Promedio
Periodo
Real
Promedio
Ene - Feb
0.011
0.001
Desviacin
Estndar
0.007
Feb - Mar
-0.009
-0.004
0.004
Mar - Abr
-0.002
0.000
0.002
Abr - May
-0.003
0.012
0.010
May - Jun
0.007
-0.008
0.010
Jun - Jul
0.002
-0.001
0.002
Jul - Ago
-0.003
-0.001
0.001
Ago - Sep
0.009
0.003
0.004
Sep - Oct
-0.011
0.004
0.011
Oct - Nov
0.024
-0.002
0.018
Nov - Dic
-0.012
0.001
0.009
55
-D
ic
-N
ov
N
ov
-O
ct
O
ct
-S
ep
Se
p
Ag
o
Ag
o
-J
ul
Ju
l-
-J
ay
Ju
n
un
ay
-M
M
Ab
r
ar
-
-M
ar
b
-F
Fe
En
e
Ab
r
0.020
0.018
0.016
0.014
0.012
0.010
0.008
0.006
0.004
0.002
0.000
eb
Desviacion Estandar
Periodo
Varianza
Real
Media
56
Desviacion
0,20
0,16
0,12
0,08
0,04
0,00
Media Real
Media Simulacin
Diferencia (S - R)
Diferencia Porcentual
0,118
0,090
-0,028
-23,81%
Meses
Real
Media
57
Ag
os
Se
to
pt
ie
m
br
e
O
ct
ub
re
No
vie
m
br
Di
e
cie
m
br
e
Ju
lio
Ju
ni
o
ay
o
M
Ab
ri l
ar
zo
0.035
0.030
0.025
0.020
0.015
0.010
0.005
0.000
En
er
o
Fe
br
er
o
Varianza
C
Meses
Real
Kriging
58
Cambio de Pendiente
Valores Reales v/s Kriging LBXP
0.030
0.025
0.015
0.010
Nov - Dic
Oct - Nov
Sep - Oct
Ago - Sep
Jul - Ago
Jun - Jul
May - Jun
Abr - May
-0.010
Feb - Mar
0.000
-0.005
Mar - Abr
0.005
Ene - Feb
Pendientes
0.020
-0.015
Periodos
Real
Kriging
Periodo
Real
Kriging
Ene - Feb
0.011
-0.001
Desviacin
Estndar
0.008
Feb - Mar
-0.009
-0.002
0.005
Mar - Abr
-0.002
0.000
0.001
Abr - May
-0.003
0.000
0.002
May - Jun
0.007
0.006
0.000
Jun - Jul
0.002
0.005
0.002
Jul - Ago
-0.003
-0.008
0.004
Ago - Sep
0.009
-0.002
0.008
Sep - Oct
-0.011
0.003
0.010
Oct - Nov
0.024
-0.002
0.018
Nov - Dic
-0.012
0.000
0.008
59
-D
ic
-N
ov
N
ov
-O
ct
O
ct
-S
ep
Se
p
Ag
o
Ag
o
-J
ul
Ju
l-
-J
ay
Ju
n
un
ay
-M
M
Ab
r
ar
-
-M
ar
b
-F
Fe
En
e
Ab
r
0.020
0.018
0.016
0.014
0.012
0.010
0.008
0.006
0.004
0.002
0.000
eb
Desviaciones Estandar
Periodos
Y
Y
= 0,002
= 0,002
io
Ag
os
Se
to
pt
ie
m
br
e
O
ct
ub
re
No
vie
m
br
Di
e
cie
m
br
e
Ju
l
Ju
ni
o
il
ay
o
M
Ab
r
zo
ar
M
er
o
Fe
br
ro
0.035
0.030
0.025
0.020
0.015
0.010
0.005
0.000
En
e
Varianza
Meses
Real
Kriging
60
Desviacion
0,20
0,16
0,12
0,08
0,04
0,00
Media Real
Media Simulacion
Diferencia (S - R)
Diferencia Porcentual
0,118
0,064
-0,054
-45,86%
Meses
Real
Kriging
Meses
Real
br
Di
e
cie
m
br
e
re
ie
m
ct
ub
No
v
m
br
e
tie
Se
p
Ag
o
st
o
io
io
Ju
l
Ju
n
ay
o
M
Ab
ri l
zo
M
ar
er
Fe
br
En
e
0.035
0.030
0.025
0.020
0.015
0.010
0.005
0.000
ro
Varianza
Kriging
61
Cambio de Pendiente
Valores Reales v/s Kriging Infill
0.030
0.025
0.015
0.010
Nov - Dic
Oct - Nov
Sep - Oct
Ago - Sep
Jul - Ago
Jun - Jul
May - Jun
Abr - May
-0.010
Feb - Mar
0.000
-0.005
Mar - Abr
0.005
Ene - Feb
Pendientes
0.020
-0.015
Periodo
Real
Kriging
El grafico de apoyo confirma las sospechas antes expuestas, pues es claro que la magnitud
de las pendientes pronosticadas es bastante menor qua las pendientes reales, lo que deja
prcticamente sin capacidad de discriminacin los criterios referentes al acierto en los signos y al
cambio de estos. El primer criterio de acierto alcanza al 90,9% de los casos, en cambio el
segundo llega al 100%, lo cual pareciera ser un resultado bastante alentador, pero que debe ser
respaldado por el anlisis cuantitativo.
Periodo
Real
Kriging
Desviacin
Estndar
Ene - Feb
0.011
0.003
0.005
Feb - Mar
-0.009
-0.003
0.004
Mar - Abr
-0.002
0.001
0.002
Abr - May
-0.003
-0.001
0.002
May - Jun
0.007
0.001
0.004
Jun - Jul
0.002
0.004
0.001
Jul - Ago
-0.003
-0.005
0.001
Ago - Sep
0.009
0.003
0.004
Sep - Oct
-0.011
-0.001
0.007
Oct - Nov
0.024
0.003
0.015
Nov - Dic
-0.012
-0.002
0.006
El anlisis vuelve a confirmar las sospechas, pues se observa como los valores de la
desviacin estndar deja fuera a muchos periodos que en un comienzo indicaban ser aceptables
pronosticadores de la forma de la curva. Esto quedara totalmente resuelto a estudiar el siguiente
grafico.
62
Desviacion Estandar
0.016
0.014
0.012
0.010
0.008
0.006
0.004
0.002
-D
ic
-N
ov
O
ct
N
ov
-O
ct
-S
ep
Se
p
Ag
o
Ag
o
-J
ul
Ju
l-
-J
ay
Ju
n
un
ay
-M
M
Ab
r
Ab
r
ar
-
Fe
En
e
-F
-M
ar
eb
0.000
Periodo
Y
Y
Real
Kriging
63
br
Di
e
cie
m
br
e
ie
m
re
Meses
No
v
ct
ub
m
br
e
tie
Se
p
Ag
o
st
o
io
io
Ju
l
Ju
n
ay
o
M
Ab
ri l
ar
zo
o
M
er
Fe
br
ro
0.035
0.030
0.025
0.020
0.015
0.010
0.005
0.000
En
e
Varianza
Desviacion
0,20
0,16
0,12
0,08
0,04
0,00
Media Real
Media Simulacion
Diferencia (S - R)
Diferencia Porcentual
0,118
0,064
-0,054
-45,67%
Meses
Real
Kriging
64
Varianza
C
Real
Media
65
0.010
Nov - Dic
Oct - Nov
Sep - Oct
Ago - Sep
Jul - Ago
Jun - Jul
May - Jun
Abr - May
-0.010
Mar - Abr
0.000
-0.005
Feb - Mar
0.005
Ene - Feb
Pendientes
0.015
-0.015
Periodos
Real
Promedio
Periodo
Real
Promedio
Desviacin
Estndar
Ene - Feb
0.011
0.005
0.004
Feb - Mar
-0.009
-0.001
0.006
Mar - Abr
-0.002
-0.004
0.002
Abr - May
-0.003
0.008
0.008
May - Jun
0.007
0.002
0.003
Jun - Jul
0.002
0.002
0.000
Jul - Ago
-0.003
-0.001
0.001
Ago - Sep
0.009
-0.002
0.007
Sep - Oct
-0.011
-0.008
0.002
Oct - Nov
0.024
0.002
0.015
Nov - Dic
-0.012
0.001
0.009
66
Desviacion Estandar
0.018
0.016
0.014
0.012
0.010
0.008
0.006
0.004
0.002
-D
ic
-N
ov
N
ov
O
ct
-O
ct
-S
ep
Se
Ag
o
Ag
o
-J
ul
Ju
l-
Ju
n
ay
-J
un
ay
Ab
rAb
ar
-
b
Fe
En
e
-F
-M
ar
eb
0.000
Periordo
Y
Y
Y
Y
= 0,005 X + 0,001
= 0,004 X + 0,013
= 0,002 X + 0,004
= 0,002 X + 0,004
= 0,001X + 0,025
= 0,008 X + 0,087
67
Varianza
Real
Media
Desviacion
0,20
0,16
0,12
0,08
0,04
0,00
Media Real
Media Simulacion
Diferencia (S - R)
Diferencia Porcentual
0,118
0,104
-0,013
-11,18%
Meses
Real
Media
68
Varianza
B
Real
Media
A: Esta seccin abarca un gran periodo de tiempo. Se observa una semejanza en la forma
aceptable entre la media de las simulaciones y el valor real. La intensidad del cambio de
pendiente parece ser poco predictivo en esta grafica.
B: Periodo en donde no se predice correctamente el signo de la pendiente, pero la
intensidad pareciera ser muy similar.
C: Zona del grafico que cuenta con una semejanza de mejor calidad que la observada en
el tramo A, salvo en la ltima seccin en donde la intensidad de la pendiente pareciera ser
mucho menor en lo obtenido experimentalmente que en la realidad.
D: Sector donde no se visualiza ningn tipo de prediccin.
E: Tramo final en donde la intensidad experimental no reproduce lo sucedido en la
realidad, pero si advierte el signo de la pendiente.
69
Cambios de Pendiente
Valores Reales v/s Promedio de Simulaciones Infill
0.030
0.025
0.015
0.010
Nov - Dic
Oct - Nov
Sep - Oct
Ago - Sep
Jul - Ago
Jun - Jul
May - Jun
Abr - May
-0.010
Feb - Mar
0.000
-0.005
Mar - Abr
0.005
Ene - Feb
Pendientes
0.020
-0.015
Periodos
Real
Promedio
El grafico de cambios de pendientes e intensidades de estos indican que los signos de las
pendientes se asemejan en un gran porcentaje a los ocurridos en la realidad (73%). En cuanto a la
intensidad, es mejor observar resultados numricos. La diferencia entre cada curva se manifestara
en la desviacin estndar.
Periodo
Real
Promedio
Ene - Feb
0.011
0.005
Desviacin
Estndar
0.004
Feb - Mar
-0.009
-0.002
0.005
Mar - Abr
-0.002
0.000
0.001
Abr - May
-0.003
0.000
0.002
May - Jun
0.007
0.004
0.002
Jun - Jul
0.002
-0.004
0.004
Jul - Ago
-0.003
-0.002
0.001
Ago - Sep
0.009
0.003
0.004
Sep - Oct
-0.011
-0.001
0.007
Oct - Nov
0.024
-0.001
0.018
Nov - Dic
-0.012
-0.002
0.007
70
Desviacion Estandar
0.018
0.016
0.014
0.012
0.010
0.008
0.006
0.004
0.002
-D
ic
ov
-N
N
ov
O
ct
p
Se
-S
-O
ct
ep
Ag
o
Ag
-J
ul
Ju
l-
-J
ay
M
Ju
n
un
ay
r
r-
Ab
Ab
ar
-
b
Fe
En
-F
-M
ar
eb
0.000
Periodos
Y
Y
Y
Y
= 0,005 X + 0,003
= 0,011
= 0,011
= 0,004 X 0,009
= 0,002 X + 0,025
= 0,003 X 0,012
Varianza
Real
Media
71
Desviacion
0,20
0,16
0,12
0,08
0,04
0,00
Media Real
Media Simulacion
Diferencia (S - R)
Diferencia Porcentual
0,118
0,104
-0,013
-11,29%
Meses
Real
Media
72
Desviacion
0,24
0,20
0,16
0,12
0,08
0,04
0,00
Media Real
Media Simulacin
Diferencia (S - R)
Diferencia Porcentual
0,118
0,122
+0,004
+3,35%
Meses
Real
Kriging
73
Infill:
Desviacion Estandar v/s Mes
Kriging Infill
Desviacion
0,24
0,20
0,16
0,12
0,08
0,04
0,00
Media Real
Media Simulacin
Diferencia (S - R)
Diferencia Porcentual
0,118
0,123
+0,006
+4,90%
Meses
Real
Kriging
Desviacion
Media Real
Media Simulacin
Diferencia (S - R)
Diferencia Porcentual
0,118
0,197
+0,079
+67,46%
Meses
Real
Media
74
Infill:
Desviacion Estandar v/s Mes
Simulacion Condicional Infill
Desviacion
0,24
0,20
0,16
0,12
0,08
0,04
0,00
Media Real
Media Simulacin
Diferencia (S - R)
Diferencia Porcentual
0,118
0,211
+0,093
+79,04%
Meses
Real
Media
75
Monte Carlo
36,4%
27,3%
Kriging
45,5%
54,5%
Simulaciones
54,5%
54,5%
Aciertos
Kriging
Simulaciones
Condicionales
LBXP
Infill
LBXP
Infill
Cambio de
Pendiente
28,6%
100%
43%
43%
Es posible advertir en todos los mtodos que las mejores predicciones se logran entre los
meses de Marzo a Septiembre, ocurriendo lo contrario en los tramos de Enero Marzo y
Septiembre Diciembre. El ms seguro responsable de estos resultados es la regularidad de la
curva real, en donde los grandes cambios en la varianza ocurridos al inicio y al trmino del
periodo no son predichos por ningn mtodo. Lo que lleva a la conclusin que las tcnicas son
bastante asertivas para periodos de baja variabilidad, pero queda la incgnita si la deficiencia en
76
Campaa
LBXP
Infill
LBXP
Infill
LBXP
Infill
Desviacin Estndar
0,072
0,090
0,064
0,064
0,104
0,104
Campaa
LBXP
Infill
LBXP
Infill
Desviacin Estndar
0,122
0,123
0,197
0,211
En el mbito operacional, queda claro que el mtodo que utiliza Kriging sale favorecido
por que existe una alta probabilidad de que cualquier faena cuente con un modelo de bloques
generado de esta forma, lo que ahorra mucho tiempo de anlisis y trabajo con softwares, esto es
diametralmente opuesto al utilizar Simulaciones Condicionales ya que estas no abundan, por lo
77
78
Anexos
79
Media Desagrupada
100
200
300
80
400
500
Media
0.798
Varianza
0.410
Desviacion 0.641
4.
10
3.
69
0.0
3.
28
0.2
2.
87
10
2.
46
0.4
2.
05
0.6
20
1.
64
30
1.
23
0.8
0.
82
1.0
40
0.
41
50
0.
00
Frecuencia
FrecuenciaClase % acumulado
QMZ (60)
X (m)
101100 101200 101300 101400
100400
100300
100300
100200
100200
100100
100100
100000
100000
99900
99900
99800
99800
Y (m)
Y (m)
VAR_4
100400
Media Desagrupada
100
200
300
81
400
500
200
1.0
150
0.8
0.6
100
0.4
Media
0.666
Varianza
0.333
Desviacion 0.577
FrecuenciaClase % acumulado
99700
99600
99600
99500
99500
99400
99400
99300
99300
99200
99200
99100
99100
Y (m)
Y (m)
99700
82
5.
00
4.
50
4.
00
3.
50
3.
00
2.
50
2.
00
1.
50
0.0
1.
00
0.2
0.
50
50
0.
00
Frecuencia
0.94
0.92
0.9
0.88
0.86
0.84
0.82
0
100
200
300
400
500
Media
0.832
Varianza
0.234
Desviacion 0.483
2.
70
2.
43
0.0
2.
16
0.2
1.
89
1.
62
0.4
1.
35
0.6
10
1.
08
15
0.
81
0.8
0.
54
1.0
20
0.
27
25
0.
00
Frecuencia
FrecuenciaClase % acumulado
99700
99650
99650
99600
99600
99550
99550
99500
99500
83
Y (m)
Y (m)
VAR_4
1.16
1.14
1.12
1.1
1.08
1.06
1.04
1.02
0
100
200
300
400
500
20
1.0
15
0.8
0.6
10
0.4
Media
1.036
Varianza
1.052
Desviacion 1.026
5.
81
5.
23
4.
65
4.
07
3.
49
2.
91
2.
32
0.0
1.
74
0
1.
16
0.2
0.
58
0.
00
Frecuencia
FrecuenciaClase % acumulado
100600
100700
100800
VAR_4
99600
99500
99500
99400
99400
99300
99300
Y (m)
Y (m)
99600
99200
99200
100500
100600
100700
100800
X (m)
84
1.15
1.1
1.05
1
0.95
0.9
0
100
200
300
400
500
30
25
20
15
10
5
0
1.0
0.8
0.6
0.4
0.2
Media
0.398
Varianza
0.515
Desviacion 0.718
4.
95
4.
45
3.
96
3.
46
2.
97
2.
47
1.
98
1.
48
0.
99
0.0
0.
49
0.
00
Frecuencia
FrecuenciaClase % acumulado
QMZ (60)
99700
99600
99600
99500
99500
99400
99400
99300
99300
99200
99200
99100
99100
99000
99000
85
Y (m)
Y (m)
X (m)
100200 100300 100400 100500 100600 100700 100800
99700
VAR_4
Media Desagrupada
100
200
300
400
500
200
1.0
0.8
0.6
0.4
0.2
0.0
150
100
50
Media
0.628
Varianza
0.444
Desviacion 0.666
Clase
Frecuencia
% acumulado
86
5.
00
4.
50
4.
00
3.
50
3.
00
2.
50
2.
00
1.
50
1.
00
0.
50
0.
00
100400
100300
100300
100200
100200
100100
100100
100000
100000
99900
99900
99800
99800
Y (m)
Y (m)
VAR_4
Media Desagrupada
100
200
300
87
400
500
60
50
40
30
20
10
0
1.0
0.8
0.6
0.4
0.2
Media
0.813
Varianza
0.313
Desviacion 0.559
3.
30
2.
97
2.
64
2.
31
1.
98
1.
65
1.
32
0.
66
0.
99
0.0
0.
33
0.
00
Frecuencia
FrecuenciaClase % acumulado
QMZ (60)
X (m)
101100 101200 101300 101400 101500
100400
100300
100300
100200
100200
100100
100100
100000
100000
99900
99900
99800
99800
Y (m)
Y (m)
VAR_4
100400
Media Desagrupada
100
200
300
88
400
500
Media
0.708
Varianza
0.789
Desviacion 0.888
FrecuenciaClase % acumulado
100600
100700
100800
VAR_4
99700
99700
99600
99500
99500
99400
99400
99300
99300
99200
99200
Y (m)
Y (m)
99600
100500
100600
100700
100800
X (m)
89
5.
50
0.0
4.
95
0
4.
40
0.2
3.
85
0.4
100
3.
30
200
2.
75
0.6
2.
20
0.8
300
1.
65
400
1.
10
1.0
0.
55
500
0.
00
Frecuencia
Media Desagrupada
100
200
300
400
500
160
140
120
100
80
60
40
20
0
1.0
0.8
0.6
0.4
0.2
Media
0.932
Varianza
0.699
Desviacion 0.836
5.
00
4.
50
4.
00
3.
50
3.
00
2.
50
2.
00
1.
50
1.
00
0.0
0.
50
0.
00
Frecuencia
FrecuenciaClase % acumulado
100500
99700
100600
100700
100800
99700
VAR_4
99600
99500
99500
99400
99400
Y (m)
Y (m)
99600
100400
100500
100600
100700
100800
X (m)
90
1.13
1.12
1.11
1.1
1.09
1.08
1.07
1.06
0
100
200
300
400
500
Media
1.028
Varianza
0.535
Desviacion 0.731
4.
20
3.
78
0.0
3.
36
0.2
0
2.
94
10
2.
52
0.4
2.
10
0.6
20
1.
68
30
1.
26
0.8
0.
84
1.0
40
0.
42
50
0.
00
Frecuencia
FrecuenciaClase % acumulado
99700
99600
99600
99500
99500
99400
99400
99300
99300
99200
99200
99100
99100
99000
99000
91
Y (m)
Y (m)
99700
Media Desagrupada
100
200
300
400
500
200
1.0
150
0.8
0.6
100
0.4
Media
0.935
Varianza
2.082
Desviacion 1.443
5.
00
4.
50
4.
00
3.
50
3.
00
2.
50
2.
00
1.
50
0.0
1.
00
0.2
0.
50
50
0.
00
Frecuencia
Frecuencia
Clase % acumulado
QMZ (60)
X (m)
100200 100300 100400 100500 100600 100700 100800
VAR_4
99700
99600
99600
99500
99500
99400
99400
99300
99300
99200
99200
99100
99100
99000
99000
92
Y (m)
Y (m)
99700
0.79
0.78
0.77
0.76
0.75
0.74
0.73
0
100
200
300
400
500
700
600
500
400
300
200
100
0
1.0
0.8
0.6
0.4
0.2
Media
0.645
Varianza
0.721
Desviacion 0.849
FrecuenciaClase % acumulado
93
5.
00
4.
50
4.
00
3.
50
3.
00
2.
50
2.
00
1.
50
1.
00
0.0
0.
50
0.
00
Frecuencia
4.
00
3.
60
3.
20
2.
80
2.
40
2.
00
0.
80
0.
40
1.
60
1.0
0.8
0.6
0.4
0.2
0.0
1.
20
50
40
30
20
10
0
0.
00
Frecuencia
Clase
Media
0.798
Varianza
0.384
Desviacion 0.620
Frecuencia
% acumulado
QMZ (60)
Frecuencia
1.0
0.8
0.6
0.4
0.2
0.0
150
100
50
Media
0.666
Varianza
0.327
Desviacion 0.572
Clase
Frecuencia
% acumulado
94
5.
00
4.
50
4.
00
3.
50
3.
00
2.
50
2.
00
1.
50
1.
00
0.
50
0.
00
2.
70
2.
43
2.
16
1.
89
1.
62
1.
35
1.
08
0.
81
0.
54
1.0
0.8
0.6
0.4
0.2
0.0
0.
27
25
20
15
10
5
0
0.
00
Frecuencia
Clase
Media
0.832
Varianza
0.227
Desviacion 0.476
Frecuencia
% acumulado
20
1.0
0.8
0.6
0.4
0.2
0.0
15
10
5
Media
1.036
Varianza
1.010
Desviacion 1.005
Clase
Frecuencia
% acumulado
95
6.
64
5.
98
5.
31
4.
65
3.
98
3.
32
2.
66
1.
99
1.
33
0.
66
0.
00
5.
36
4.
82
4.
29
3.
75
3.
22
2.
68
2.
14
1.
07
1.
61
1.0
0.8
0.6
0.4
0.2
0.0
0.
54
35
30
25
20
15
10
5
0
0.
00
Frecuencia
Clase
Media
0.398
Varianza
0.504
Desviacion 0.710
Frecuencia
% acumulado
QMZ (60)
Histograma Infiernillo Fase 4 QMZ LBXP
Affine
Frecuencia
200
1.0
0.8
0.6
0.4
0.2
0.0
150
100
50
Media
0.628
Varianza
0.421
Desviacion 0.649
Clase
Frecuencia
% acumulado
96
5.
00
4.
50
4.
00
3.
50
3.
00
2.
50
2.
00
1.
50
1.
00
0.
50
0.
00
3.
10
2.
79
2.
48
2.
17
1.
86
1.
55
1.
24
0.
62
0.
93
1.0
0.8
0.6
0.4
0.2
0.0
0.
31
60
50
40
30
20
10
0
0.
00
Frecuencia
Clase
Media
0.813
Varianza
0.281
Desviacion 0.530
Frecuencia
% acumulado
QMZ (60)
Media
0.708
Varianza
0.773
Desviacion 0.879
Clase
Frecuencia
% acumulado
97
5.
50
4.
95
4.
40
3.
85
3.
30
2.
75
2.
20
1.
65
1.
10
1.0
0.8
0.6
0.4
0.2
0.0
0.
55
500
400
300
200
100
0
0.
00
Frecuencia
200
1.0
0.8
0.6
0.4
0.2
0.0
150
100
50
5.
00
4.
50
4.
00
3.
50
3.
00
2.
50
2.
00
1.
50
1.
00
0.
50
0.
00
Clase
Media
0.932
Varianza
0.626
Desviacion 0.791
Frecuencia
% acumulado
Media
1.028
Varianza
0.520
Desviacion 0.721
Clase
Frecuencia
% acumulado
98
4.
20
3.
78
3.
36
2.
94
2.
52
2.
10
1.
68
1.
26
0.
84
1.0
0.8
0.6
0.4
0.2
0.0
0.
42
50
40
30
20
10
0
0.
00
Frecuencia
200
1.0
0.8
0.6
0.4
0.2
0.0
150
100
50
5.
00
4.
50
4.
00
3.
50
3.
00
2.
50
2.
00
1.
50
1.
00
0.
50
0.
00
Clase
Media
0.935
Varianza
1.932
Desviacion 1.390
Frecuencia
% acumulado
QMZ (60)
Media
0.645
Varianza
0.639
Desviacion 0.800
Clase
Frecuencia
% acumulado
99
5.
00
4.
50
4.
00
3.
50
3.
00
2.
50
2.
00
1.
50
1.
00
1.0
0.8
0.6
0.4
0.2
0.0
0.
50
700
600
500
400
300
200
100
0
0.
00
Frecuencia
150
Distance (m)
200
250
N0
0.15
0.20
0.20
0.15
0.10
D-90
0.05
50
100
150
200
250
0.10
100
150
200
250
0.25
N0
0.15
0.10
0.05
0.05
0.00
0.00
D-90
50
100
150
200
250
(h) = 0,01 + 0,1 esf (160,160,55) + 0,08 esf (180,180,58) + 0,04 esf (280,280,)
X (m)
101200
101300
101400
Z* : VAR_4 (Estimates)
100200
100200
100000
99900
99900
99800
101200
101300
99800
101100
101400
0.05
0.05
0.00
0.00
-5
-5
(Z*-Z)/S*
Z* : VAR_4 (Estimates)
100
(Z*-Z)/S*
0.10
Frequencies
0.10
-5
Z* : VAR_4 (Estimates)
5
Nb Samples: 130
Minimum:
-5.80153
Maximum:
2.61482
Mean:
0.0332538
Std. Dev.: 1.16046
0.15
Z* : VAR_4 (Estimates)
(Z*-Z)/S*
-5
0
0
X (m)
100000
Y (m)
100100
rho = 0.698
100100
0.10
0.05
Distance (m)
101100
0.20
0.15
Distance (m)
Y (m)
Frequencies
0.00
0.25
50
0.00
Variogram : VAR_4
0.20
0.25
Variogram : VAR_4
Variogram : VAR_4
0.25
Variogram : VAR_4
50
(Z*-Z)/S*
QMZ (60)
Distance (m)
150
Distance (m)
200
250
0.6
0.5
0.5
D-90
0.4
0.4
0.3
0.3
N0
0.2
0.2
0.1
50
100
150
200
250
100
150
0.5
0.4
0.4
0.3
0.3
N0
0.2
0.2
0.1
0.1
0.1
0.0
0.0
50
100
150
200
Distance (m)
100400
100300
100300
100200
100200
100100
100100
Z* : VAR_4 (Estimates)
0
100000
99900
99900
99800
Y (m)
100000
3
3
rho = 0.692
99800
101100 101200 101300 101400
0
0
X (m)
Z* : VAR_4 (Estimates)
(Z*-Z)/S*
0
Z* : VAR_4 (Estimates)
5
Nb Samples: 413
Minimum:
-5.50165
Maximum:
3.72572
Mean:
0.00277529
Std. Dev.: 1.0056
0.20
rho = 0.129
5
0.20
0.10
0.10
0.05
0.05
-5
0.00
-5
(Z*-Z)/S*
1
Z* : VAR_4 (Estimates)
101
(Z*-Z)/S*
0.15
Frequencies
0.15
-5
100400
-5
250
D-90
0.00
200
0.6
Distance (m)
Y (m)
Frequencies
0.0
50
250
0.0
Variogram : VAR_4
0.5
0.6
Variogram : VAR_4
Variogram : VAR_4
0.6
Variogram : VAR_4
100
50
(Z*-Z)/S*
Distance (m)
150
0.6
0.5
0.5
D-90
0.4
0.4
0.3
0.3
N0
0.2
0.2
0.1
50
100
150
100
0.5
D-90
0.4
0.4
0.3
0.3
N0
0.2
0.1
0.1
0.0
0.0
50
100
99600
99600
Z* : VAR_4 (Estimates)
0
rho = 0.440
99400
99400
99300
99300
99200
99200
99100
99100
0
100500 100600 100700 100800
0
0
X (m)
0.20
0.10
0.05
0.05
0.00
-5
-5
(Z*-Z)/S*
1
Z* : VAR_4 (Estimates)
102
(Z*-Z)/S*
0.10
Frequencies
0.15
1
rho = 0.398
0.15
-5
Z* : VAR_4 (Estimates)
5
Nb Samples: 113
Minimum:
-6.94722
Maximum:
6.75767
Mean:
0.0140362
Std. Dev.: 1.47422
0.20
1
Z* : VAR_4 (Estimates)
(Z*-Z)/S*
-5
0.00
99500
Y (m)
99500
0.2
0.1
Distance (m)
99700
150
0.6
Distance (m)
Y (m)
Frequencies
0.0
50
150
0.0
Variogram : VAR_4
0.5
0.6
Variogram : VAR_4
Variogram : VAR_4
0.6
Variogram : VAR_4
100
50
(Z*-Z)/S*
Distance (m)
0
10
20
30
40
50
60
70
80
90 100
0.10
0.05
N0
0.05
30
40
50
60
70
80
40
50
60
0.10
0.05
N0
0.05
10
20
30
40
50
60
Distance (m)
0.50
0.75
1.00
1.25
1.50
1.75
rho = 0.435
100600
100700
100800
99700
99650
99600
99600
99550
99550
99500
99500
100400
100500
100600
100700
Y (m)
99650
1.75
1.75
1.50
1.50
1.25
1.25
1.00
1.00
0.75
0.75
0.50
0.50
0.25
0.25
100800
0.50
X (m)
-2
-1
1.25
1.50
0.50
0.75
1.00
1.25
1.50
0.100
0.050
0.025
0.025
-1
-1
-2
-2
-3
-2
-1
0.000
-3
0.50
(Z*-Z)/S*
0.75
1.00
1.25
1.50
Z* : VAR_4 (Estimates)
103
1.75
(Z*-Z)/S*
0.050
Frequencies
0.075
-3
1.75
rho = 0.321
0.075
0.000
0.25
1.75
Z* : VAR_4 (Estimates)
1
Nb Samples: 47
Minimum:
-3.04134
Maximum:
2.67335
Mean:
-0.017191
Std. Dev.: 1.14006
0.100
1.00
Z* : VAR_4 (Estimates)
(Z*-Z)/S*
-3
0.75
X (m)
100500
90 100
D-90
100400
80
0.15
Distance (m)
99700
70
0.10
0.00
0.00
90 100
20
(Z*-Z)/S*
10
Y (m)
Frequencies
0.00
Variogram : VAR_4
D-90
30
70
80
90 100
0.00
Variogram : VAR_4
0.10
20
0.15
0.15
Variogram : VAR_4
Variogram : VAR_4
0.15
10
100
Distance (m)
150
200
50
100
150
200
0.7
0.7
0.7
0.6
0.6
0.6
0.6
0.5
0.4
0.4
0.3
0.3
D-90
N0
0.5
0.4
0.5
0.4
0.3
0.3
D-90
0.2
0.2
0.2
0.2
0.1
0.1
0.1
0.1
0.0
0.0
100
150
200
50
100
150
Distance (m)
Distance (m)
99700
99600
99600
Z* : VAR_4 (Estimates)
0.5
1.0
1.5
2.0
99400
99400
99300
99300
99200
99200
99100
99100
2.0
2.0
1.5
1.5
1.0
1.0
0.5
0.5
0.5
X (m)
-1
0.25
0.100
0.050
0.025
0.025
0.000
0.000
0.75
1.00
1.25
1.50
1.75
(Z*-Z)/S*
-1
-1
-2
-2
0.25
0.50
0.75
1.00
1.25
1.50
Z* : VAR_4 (Estimates)
104
1.75
(Z*-Z)/S*
0.050
Frequencies
0.075
-1
0.50
rho = 0.224
0.075
-2
2.0
Z* : VAR_4 (Estimates)
1
Nb Samples: 112
Minimum:
-2.33919
Maximum:
1.38673
Mean:
0.00498133
Std. Dev.: 0.691455
0.100
1.5
Z* : VAR_4 (Estimates)
(Z*-Z)/S*
-2
1.0
99500
Y (m)
99500
rho = 0.582
(Z*-Z)/S*
50
Y (m)
Frequencies
0.0
200
0.0
Variogram : VAR_4
N0
0.5
Variogram : VAR_4
0.7
Variogram : VAR_4
Variogram : VAR_4
QMZ (60)
Distance (m)
0
100
Distance (m)
200
300
0.15
D-90
100
200
300
0.15
N0
0.10
0.10
D-90
0.05
0.05
0.00
0.00
0.05
100
200
Distance (m)
Distance (m)
99600
99600
99500
99500
99400
99400
99300
99300
99200
99200
99100
99100
Z* : VAR_4 (Estimates)
Y (m)
99000
99000
0
0
X (m)
0.15
-2
-1
Z* : VAR_4 (Estimates)
2
0.15
Nb Samples: 500
Minimum:
-4.22802
Maximum:
3.15795
Mean:
0.00413634
Std. Dev.: 0.97646
0.05
0.05
-1
-1
-2
-2
-3
-3
-4
0.00
-5
-4
-3
-2
-1
-5
0.00
(Z*-Z)/S*
-4
0
1
Z* : VAR_4 (Estimates)
105
-5
(Z*-Z)/S*
0.10
Frequencies
0.10
1
rho = 0.053
(Z*-Z)/S*
-3
Z* : VAR_4 (Estimates)
(Z*-Z)/S*
-4
-5
1
rho = 0.774
Y (m)
Frequencies
0.00
Variogram : VAR_4
0.10
0.05
300
300
0.00
Variogram : VAR_4
N0
0.10
200
0.15
Variogram : VAR_4
Variogram : VAR_4
0.15
100
Distance (m)
150
200
250
0.20
0.20
N0
0.15
0.15
0.10
0.10
D-90
0.05
50
100
150
200
250
50
100
150
200
0.15
0.10
0.10
D-90
0.05
0.00
0.00
0.05
50
100
150
200
Distance (m)
101200
101300
101400
100400
100300
100300
Z* : VAR_4 (Estimates)
0
rho = 0.725
100100
100100
100000
100000
99900
99900
99800
99800
101100
101200
101300
101400
0
0
X (m)
-3
-2
-1
0.100
Z* : VAR_4 (Estimates)
2
Nb Samples: 236
Minimum:
-4.13029
Maximum:
2.55245
Mean:
0.0204748
Std. Dev.: 0.959484
0.125
Z* : VAR_4 (Estimates)
(Z*-Z)/S*
-4
0.100
0.050
0.025
0.025
2
4
-1
-1
-2
-2
-3
-3
-4
-4
-3
-2
-1
0.000
(Z*-Z)/S*
-4
0
1
Z* : VAR_4 (Estimates)
106
(Z*-Z)/S*
0.050
Frequencies
0.075
1
rho = 0.056
0.125
0.075
0.000
100200
Y (m)
100200
0.25
N0
0.15
0.05
100400
250
0.20
Distance (m)
Y (m)
Frequencies
0.00
250
0.00
Variogram : VAR_4
Variogram : VAR_4
Variogram : VAR_4
0.20
0.25
0.25
Variogram : VAR_4
100
50
(Z*-Z)/S*
0.25
QMZ (60)
Distance (m)
Distance (m)
0
50
100
150
200
250
0.2
D-90
0.1
100
150
200
250
200
0.3
0.2
0.2
D-90
0.1
0.0
0.0
0.1
50
100
150
200
Distance (m)
Distance (m)
100400
100300
100300
100200
100200
100100
100100
100000
100000
99900
99900
Z* : VAR_4 (Estimates)
0
Y (m)
99800
99800
0
0
0.5
0.25
1.0
1.5
2.0
rho = 0.117
5
-5
-5
0.20
0.10
0.10
0.05
0.05
0.00
0.00
0.5
(Z*-Z)/S*
1.0
1.5
Z* : VAR_4 (Estimates)
107
2.0
(Z*-Z)/S*
0.15
Frequencies
0.15
Z* : VAR_4 (Estimates)
5
Nb Samples: 987
Minimum:
-6.03277
Maximum:
5.7304
Mean:
0.0231796
Std. Dev.: 1.04593
-5
Z* : VAR_4 (Estimates)
(Z*-Z)/S*
0.20
X (m)
0.25
rho = 0.600
100400
-5
250
N0
0.1
(Z*-Z)/S*
50
Y (m)
Frequencies
0.0
Variogram : VAR_4
0.2
150
250
0.0
Variogram : VAR_4
N0
100
0.3
0.3
Variogram : VAR_4
Variogram : VAR_4
0.3
50
Distance (m)
0
50
100
150
0.25
0.25
100
150
0.20
0.20
0.15
0.10
0.10
D-90
D-90
0.15
0.10
0.10
N0
0.05
0.05
0.05
0.05
100
0.00
0.00
150
50
100
Distance (m)
Distance (m)
100600
100700
100800
99700
99700
Z* : VAR_4 (Estimates)
0
99500
99500
Y (m)
99400
99400
99300
99300
99200
rho = 0.631
99600
99200
0
100500
100600
100700
100800
0
0
X (m)
-4
-3
-2
-1
Z* : VAR_4 (Estimates)
(Z*-Z)/S*
-5
Z* : VAR_4 (Estimates)
2
0.5
1.0
1.5
2.0
5
0.15
0.15
Nb Samples: 506
Minimum:
-4.31959
Maximum:
3.28922
Mean:
0.0105339
Std. Dev.: 1.04854
0.05
0.05
-1
-1
-2
-2
-3
-3
-4
-5
-4
-3
-2
-1
-4
-5
0.00
-5
0.5
(Z*-Z)/S*
1.0
1.5
2.0
Z* : VAR_4 (Estimates)
108
(Z*-Z)/S*
0.10
rho = 0.133
Frequencies
0.10
0.00
99600
(Z*-Z)/S*
50
Y (m)
Frequencies
0.00
0.15
150
0.00
Variogram : VAR_4
N0
0.15
Variogram : VAR_4
0.20
Variogram : VAR_4
Variogram : VAR_4
0.20
50
Distance (m)
0.20
50
100
150
0.20
50
100
150
0.3
0.10
N0
0.05
Variogram : VAR_4
0.10
D-90
0.2
N0
0.1
0.05
50
100
0.0
0.00
150
0.1
50
100
Distance (m)
Distance (m)
1.0
1.5
2.0
2.5
rho = 0.553
2.5
2.5
100700
100800
99700
99700
99600
99600
99500
99500
99400
99400
100400
100500
100600
100700
Y (m)
Y (m)
100600
2.0
2.0
1.5
1.5
1.0
1.0
0.5
0.5
100800
0.5
X (m)
-2
-1
0.5
4
Nb Samples: 148
Minimum:
-3.66554
Maximum:
3.16324
Mean:
0.000432834
Std. Dev.: 1.10824
0.100
2.0
2.5
Z* : VAR_4 (Estimates)
2
0.100
0.050
0.050
0.025
0.025
1.0
1.5
2.0
4
rho = 0.208
-1
-1
-2
-2
-3
-3
-4
0.000
-4
-3
-2
-1
0.000
-4
0.5
(Z*-Z)/S*
1.0
1.5
Z* : VAR_4 (Estimates)
109
2.0
(Z*-Z)/S*
0.075
Frequencies
0.075
(Z*-Z)/S*
-3
1.5
Z* : VAR_4 (Estimates)
(Z*-Z)/S*
-4
1.0
100500
X (m)
100400
Frequencies
0.2
150
0.0
Variogram : VAR_4
D-90
0.00
0.3
0.15
Variogram : VAR_4
Variogram : VAR_4
0.15
Distance (m)
150
200
250
0.25
0.20
0.20
Variogram : VAR_4
N0
0.15
0.15
0.10
D-90
0.05
50
100
150
200
250
0.10
100
150
0.20
0.15
0.15
0.10
0.05
0.05
0.00
0.00
D-90
50
100
150
99600
99600
Z* : VAR_4 (Estimates)
0
3
rho = 0.655
99400
99400
99300
99300
99200
99200
99100
99100
99000
99000
0
0
X (m)
-3
0.125
-2
-1
Z* : VAR_4 (Estimates)
2
0
0.125
Nb Samples: 554
Minimum:
-4.01323
Maximum:
2.84461
Mean:
0.00523097
Std. Dev.: 1.09084
0.100
Z* : VAR_4 (Estimates)
(Z*-Z)/S*
-4
rho = 0.093
0.100
0.050
0.050
0.025
0.025
-1
-1
-2
-2
-3
-3
-4
-3
-2
-1
0.000
(Z*-Z)/S*
-4
0
1
Z* : VAR_4 (Estimates)
110
(Z*-Z)/S*
0.075
Frequencies
0.075
-4
99500
Y (m)
99500
0.10
0.05
200
Distance (m)
99700
250
N0
0.000
200
0.25
Distance (m)
Y (m)
0.00
Frequencies
Variogram : VAR_4
0.25
50
250
0.00
Variogram : VAR_4
0.20
0.25
Variogram : VAR_4
100
50
(Z*-Z)/S*
QMZ (60)
Distance (m)
Distance (m)
0
50
100
150
200
250
0.2
D-90
0.1
50
100
150
200
250
200
250
0.3
N0
0.2
0.2
D-90
0.1
0.1
0.0
0.0
0.1
50
100
150
200
250
Distance (m)
Distance (m)
(h) = 0,04 + 0,05 esf (50,50,75) + 0,03 esf (80,80,80) + 0,07 esf (250,250,)
X (m)
100200 100300 100400 100500 100600 100700 100800
99700
99700
99600
99600
Z* : VAR_4 (Estimates)
0
99400
99300
99300
99200
99200
99100
99100
99000
99000
Nb Samples: 1606
Minimum:
-5.43362
Maximum:
3.54037
Mean:
0.00540514
Std. Dev.: 0.997641
0.20
0.15
0.5
1.5
2.0
-5
-5
0.15
0.05
0.00
0.00
0.5
(Z*-Z)/S*
1.0
1.5
Z* : VAR_4 (Estimates)
111
2.0
(Z*-Z)/S*
0.05
Frequencies
0.10
1.0
rho = 0.027
0.20
0.10
-5
Z* : VAR_4 (Estimates)
5
(Z*-Z)/S*
Z* : VAR_4 (Estimates)
(Z*-Z)/S*
-5
0
0
X (m)
99500
99400
Y (m)
99500
rho = 0.727
Y (m)
Frequencies
0.0
Variogram : VAR_4
0.2
150
0.0
Variogram : VAR_4
N0
100
0.3
0.3
Variogram : VAR_4
Variogram : VAR_4
0.3
50
X (m)
101000 101100 101200 101300 101400 101500
X (m)
3900
3900
3850
3850
3800
3800
3750
3750
100100
100000
100000
99900
99900
99800
99800
101000 101100 101200 101300 101400 101500
X (m)
X (m)
X (m)
101000
101100
101300
101400
101500
100200
100100
100100
100000
100000
99900
99800
101000
99900
101100
101200
101300
X (m)
101400
99800
101500
Y (m)
Y (m)
100200
101200
1.62
1.52
1.42
1.32
1.22
1.12
1.02
0.92
0.82
0.72
0.62
0.52
0.42
0.32
0.22
0.12
0.02
N/A
112
Z (m)
100100
Z (m)
100200
Y (m)
Y (m)
100200
0.15
13855
0.01
1.97
0.75
0.31
0.15
0.10
0.10
0.05
0.05
0.00
Frequencies
Frequencies
2
Nb Samples:
Minimum:
Maximum:
Mean:
Std. Dev.:
0.00
QMZ (60)
X (m)
101000101100101200101300101400101500
100500
100500
100400
100400
100300
100300
100200
100200
100100
100100
100000
100000
99900
99800
99800
Z (m)
3900
3900
3850
3850
3800
3800
3750
3750
101000101100101200101300101400101500
X (m)
X (m)
100300
100300
100200
100200
100100
100100
100000
100000
Y (m)
Y (m)
100400
99900
99900
99800
101000 101100 101200 101300 101400
99800
X (m)
1.77
1.72
1.68
1.63
1.59
1.54
1.50
1.45
1.41
1.36
1.32
1.27
1.23
1.19
1.14
1.10
1.05
1.01
0.96
0.92
0.87
0.83
0.78
0.74
0.69
0.65
0.60
0.56
0.51
0.47
0.43
0.38
0.34
N/A
113
Z (m)
99900
Y (m)
Y (m)
X (m)
101000 101100 101200 101300 101400 101500
2
Nb Samples:
Minimum:
Maximum:
Mean:
Std. Dev.:
20341
0.05
2.56
0.76
0.27
0.20
0.15
0.15
0.10
0.10
0.05
0.05
0.00
Frequencies
Frequencies
0.20
0.00
X (m)
100700
100500
100800
99700
99600
99600
99500
99500
99400
99400
99300
99300
99200
99200
99100
99100
100600
100700
100700
3550
3500
3500
3450
3450
3400
3400
3350
3350
100500
100800
100600
100700
X (m)
100600
100700
100800
Kriging ley de Cu
99600
99500
99500
99400
99400
99300
99300
99200
99200
100600
100700
X (m)
99100
100800
Y (m)
99600
99100
100500
1.32
1.28
1.25
1.22
1.19
1.16
1.13
1.10
1.06
1.03
1.00
0.97
0.94
0.91
0.88
0.84
0.81
0.78
0.75
0.72
0.69
0.66
0.62
0.59
0.56
0.53
0.50
0.47
0.44
0.40
0.37
0.34
0.31
N/A
114
100800
3550
X (m)
Y (m)
100500
100600
100800
Z (m)
99700
Z (m)
100600
Y (m)
Y (m)
100500
Kriging ley de Cu
0
0.15
14744
0.00
2.03
0.87
0.28
0.15
0.10
0.10
0.05
0.05
0.00
Frequencies
Frequencies
2
Nb Samples:
Minimum:
Maximum:
Mean:
Std. Dev.:
0.00
Kriging ley de Cu
X (m)
100500
100600
100700
100400
100800
100500
100600
100700
100800
3550
3550
99650
99650
3500
3500
99600
99600
3450
3450
99550
99550
3400
3400
3350
3350
99500
Z (m)
99700
99500
100500
100600
100700
100400
100800
100500
100600
X (m)
X (m)
100500
100600
0.96
100700
100800
0.92
0.89
0.85
99650
99650
0.82
0.78
0.75
99600
0.71
99600
Y (m)
Y (m)
100400
0.68
0.64
0.60
99550
99550
0.57
0.53
0.50
99500
99500
0.46
0.43
0.39
100400
100500
100600
100700
X (m)
100800
N/A
115
100700
100800
Z (m)
99700
Y (m)
Y (m)
100400
1.0
1.5
0.10
0.10
0.05
0.05
0.00
0.5
1.0
1.5
2.0
Frequencies
Frequencies
0.15
Nb Samples: 6377
2.0
Minimum:
0.39
Maximum: 0.15
1.81
Mean:
1.07
Std. Dev.: 0.27
0.00
X (m)
100600
100700
100400
100800
99700
99600
99600
99500
99500
99400
99400
99300
99300
99200
99200
99100
99100
100500
100600
100700
100600
3500
3500
3450
3450
3400
3400
3350
3350
100400
100500
100600
X (m)
100600
100700
100800
99500
99500
99400
99400
99300
99300
99200
99200
100400
99100
100500
100600
100700
X (m)
Y (m)
99600
99100
1.22
1.19
1.17
1.14
1.12
1.09
1.07
1.04
1.02
0.99
0.96
0.94
0.91
0.89
0.86
0.84
0.81
0.79
0.76
0.74
0.71
0.69
0.66
0.63
0.61
0.58
0.56
0.53
0.51
0.48
0.46
0.43
0.41
100800
N/A
116
100800
3550
100800
100400
100700
3550
X (m)
Y (m)
100400
100500
100700
100800
Z (m)
99700
Z (m)
100500
Y (m)
Y (m)
100400
1.0
2.0
16736
0.22
2.03
0.94
0.26
0.15
0.10
0.10
0.05
0.05
0.00
0.5
1.0
1.5
Frequencies
Frequencies
1.5
Nb Samples:
Minimum:
Maximum:
Mean:
Std. Dev.:
0.15
0.00
2.0
QMZ (60)
X (m)
X (m)
99600
99600
99500
99500
99400
99400
99300
99300
99200
99200
99100
99100
99000
99000
Z (m)
99700
100200100300100400100500100600100700100800
3550
3550
3500
3500
3450
3450
3400
3400
3350
3350
100200100300100400100500100600100700100800
X (m)
100200100300100400100500100600100700100800
X (m)
99500
99500
99400
99400
99300
99300
99200
99200
99100
99100
99000
99000
100300 100400 100500 100600 100700 100800
Y (m)
Y (m)
99600
X (m)
1.37
1.33
1.29
1.26
1.22
1.18
1.14
1.10
1.06
1.02
0.98
0.94
0.90
0.86
0.82
0.78
0.74
0.70
0.66
0.62
0.58
0.54
0.50
0.46
0.42
0.38
0.34
0.30
0.27
0.23
0.19
0.15
0.11
N/A
117
Z (m)
99700
Y (m)
Y (m)
100200100300100400100500100600100700100800
2
Nb Samples:
Minimum:
Maximum:
Mean:
Std. Dev.:
0.15
31487
0.08
2.19
0.70
0.28
0.10
0.10
0.05
0.05
0.00
Frequencies
Frequencies
0.15
0.00
X (m)
101000 101100 101200 101300 101400 101500
100400
100300
100300
100200
100200
100100
100100
100000
100000
99900
99900
99800
99800
3900
3900
3850
3850
3800
3800
3750
3750
101100
101200
101300
2.05
101400
101500
1.92
1.79
100300
100200
100200
1.67
1.54
1.41
1.29
100100
Y (m)
Y (m)
1.16
100100
1.03
0.91
0.78
100000
100000
0.65
0.53
0.40
99900
99900
0.27
0.15
99800
101000
101100
101200
101300
X (m)
101400
99800
101500
0.02
N/A
118
Z (m)
100400
Z (m)
X (m)
101000 101100 101200 101300 101400 101500
Y (m)
Y (m)
0.15
17932
0.01
2.07
0.84
0.30
0.15
0.10
0.10
0.05
0.05
0.00
Frequencies
Frequencies
2
Nb Samples:
Minimum:
Maximum:
Mean:
Std. Dev.:
0.00
X (m)
101000 101100 101200 101300 101400 101500
100400
100300
100300
100200
100200
100100
100100
100000
100000
99900
99900
99800
99800
3900
3900
3850
3850
3800
3800
3750
3750
101100
101200
101300
101400
101500
100400
100300
100300
100200
100200
100100
100100
100000
100000
99900
99800
101000
99900
101100
101200
101300
X (m)
101400
99800
101500
Y (m)
Y (m)
2.16
2.09
2.03
1.97
1.90
1.84
1.77
1.71
1.65
1.58
1.52
1.46
1.39
1.33
1.27
1.20
1.14
1.08
1.01
0.95
0.89
0.82
0.76
0.69
0.63
0.57
0.50
0.44
0.38
0.31
0.25
0.19
0.12
N/A
119
Z (m)
100400
Z (m)
X (m)
101000 101100 101200 101300 101400 101500
Y (m)
Y (m)
QMZ (60)
Datos Gaussianos
-3
-2
-1
0.15
0.15
0.10
0.10
0.05
0.05
0.00
-3
-2
-1
Frequencies
Frequencies
Nb Samples: 987
Minimum:
-2.63
Maximum:
3.60
Mean:
0.00
Std. Dev.: 1.00
0.00
Datos Gaussianos
100700
X (m)
100800
100500
99600
99600
99500
99500
99400
99400
99300
99300
Y (m)
100600
100700
3550
3500
3500
3450
3450
3400
3400
3350
3350
100500
100600
100700
X (m)
99200
99200
100500
100600
100700
100800
X (m)
120
100800
3550
100800
Z (m)
99700
Y (m)
99700
Z (m)
100500
X (m)
100500
99700
100600
100700
100800
99700
99600
99500
99500
99400
99400
99300
99300
Y (m)
Y (m)
99600
99200
100500
100600
100700
99200
100800
1.44
1.41
1.38
1.35
1.32
1.30
1.27
1.24
1.21
1.18
1.15
1.12
1.09
1.06
1.04
1.01
0.98
0.95
0.92
0.89
0.86
0.83
0.81
0.78
0.75
0.72
0.69
0.66
0.63
0.60
0.58
0.55
0.52
N/A
X (m)
1.0
2.0
13143
0.46
2.00
0.95
0.22
0.20
0.15
0.15
0.10
0.10
0.05
0.05
0.00
0.5
1.0
1.5
2.0
Frequencies
Frequencies
1.5
Nb Samples:
Minimum:
Maximum:
Mean:
Std. Dev.:
0.20
0.00
X (m)
100400
100500
100600
100700
99400
100800
99700
99500
99600
99700
3550
3550
3500
3500
3450
3450
3400
3400
3350
3350
99700
99600
Y (m)
99500
99500
99400
99400
100400
100500
100600
100700
99400
100800
99500
Y (m)
X (m)
121
99600
99700
Z (m)
Y (m)
Z (m)
99600
X (m)
100400
99700
100500
100600
100700
99700
99600
99500
99500
Y (m)
Y (m)
99600
99400
100400
99400
100500
100600
1.32
1.26
1.20
1.14
1.09
1.03
0.97
0.91
0.85
0.80
0.74
0.68
0.62
0.56
0.51
0.45
0.39
100700
N/A
X (m)
1.0
2.0
Nb Samples:
Minimum:
Maximum:
Mean:
Std. Dev.:
0.15
2.5
10192
0.27
2.31
1.07
0.30
0.15
0.10
0.10
0.05
0.05
0.00
0.5
1.0
1.5
2.0
2.5
Frequencies
Frequencies
1.5
0.00
9900099100992009930099400995009960099700
99600
99600
99500
99500
99400
99400
99300
99300
99200
99200
99100
99100
99000
99000
Z (m)
99700
3550
3550
3500
3500
3450
3450
3400
3400
3350
3350
9900099100992009930099400995009960099700
100200 100300 100400 100500 100600 100700 100800
Y (m)
X (m)
122
Z (m)
99700
Y (m)
Y (m)
X (m)
2.14
2.02
1.91
99600
99500
99500
1.79
1.67
1.55
1.44
99400
99300
99300
99200
99200
99100
99100
99000
99000
Y (m)
Y (m)
1.32
99400
1.20
1.08
0.96
0.85
0.73
0.61
0.49
0.38
0.26
N/A
X (m)
0.15
0.10
0.10
0.05
0.05
0.00
-3
-2
-1
Frequencies
Frequencies
Nb Samples: 554
-3
-2
Minimum:
-3.25
Maximum:
2.93
Mean:
0.00
Std. Dev.: 1.00
0.15
0.00
Datos Gaussianos
QMZ (60)
X (m)
X (m)
99600
99600
99500
99500
99400
99400
99300
99300
99200
99200
99100
99100
99000
99000
Z (m)
99700
100200100300100400100500100600100700100800
3550
3550
3500
3500
3450
3450
3400
3400
3350
3350
100200100300100400100500100600100700100800
100200100300100400100500100600100700100800
X (m)
X (m)
123
Z (m)
99700
Y (m)
Y (m)
100200100300100400100500100600100700100800
X (m)
99700
99500
99500
99400
99400
99300
99300
99200
99200
99100
99100
99000
99000
100300 100400 100500 100600 100700 100800
Y (m)
Y (m)
99600
2.27
2.21
2.14
2.07
2.01
1.94
1.88
1.81
1.75
1.68
1.62
1.55
1.49
1.42
1.36
1.29
1.23
1.16
1.09
1.03
0.96
0.90
0.83
0.77
0.70
0.64
0.57
0.51
0.44
0.38
0.31
0.25
0.18
N/A
X (m)
Nb Samples:
Minimum:
Maximum:
Mean:
Std. Dev.:
0.15
32960
0.17
2.27
0.79
0.28
0.15
0.10
0.10
0.05
0.05
0.00
0.00
Kriging ley Cu
124
Frequencies
Frequencies
Distance (m)
100
150
200
250
1.00
N0
0.75
0.50
0.75
0.50
D-90
0.25
0.00
0.25
50
100
150
200
250
100
150
200
250
1.00
1.00
N0
0.75
0.50
0.75
0.50
D-90
0.25
0.00
0.00
50
0.25
50
100
150
200
250
1.00
50
0.00
Distance (m)
Distance (m)
(h) = 0,05 + 0,4 esf (60, 60, 30) + 0,35 esf (120, 120, 50) + 0,15 esf (300, 300, )
QMZ (60)
Distance (m)
Distance (m)
100
150
200
250
1.5
D-90
1.0
1.0
N0
0.5
0.0
0.5
50
100
150
200
250
100
150
200
1.5
D-90
1.0
1.0
N0
0.5
0.5
50
100
150
200
Distance (m)
Distance (m)
(h) = 0,1 + 0,65 esf (50, 50, 25) + 0,2 esf (, , 60)
125
250
1.5
0.0
0.0
50
250
0.0
1.5
50
50
100
50
100
150
150
0.5
D-90
0.4
0.4
0.3
0.3
N0
0.2
0.2
Variogram : VAR_4
0.5
0.6
0.5
0.5
D-90
0.4
0.4
0.3
0.3
N0
0.2
0.1
0.1
0.1
0.1
0.0
0.0
0.2
Variogram : VAR_4
0.6
Variogram : VAR_4
Variogram : VAR_4
0.6
0.6
50
100
150
0.0
50
100
150
0.0
Distance (m)
Distance (m)
(h) = 0,001 + 0,16 esf (100, 100, 60) + 0,45 esf (, , 70)
Brecha Central (35)
Distance (m)
Distance (m)
0
10
20
30
40
50
60
0
70
80
90 100
30
40
50
60
70
80
90 100
0.15
0.10
0.05
N0
0.05
0.10
D-90
0.10
0.05
N0
0.05
0.00
0
10
20
30
40
50
60
70
80
90 100
0.00
10
20
30
40
50
60
70
Distance (m)
Distance (m)
126
80
90 100
0.00
Variogram : VAR_4
D-90
Variogram : VAR_4
0.15
0.10
0.00
20
0.15
Variogram : VAR_4
Variogram : VAR_4
0.15
10
Distance (m)
50
100
150
200
50
100
150
200
0.7
0.7
0.7
0.6
0.6
0.6
0.6
0.4
0.5
0.4
0.3
0.3
D-90
N0
0.5
0.5
0.4
0.4
0.3
0.3
D-90
0.2
0.2
0.2
0.2
0.1
0.1
0.1
0.1
0.0
0.0
0.0
50
100
150
200
50
100
150
Variogram : VAR_4
N0
0.5
Variogram : VAR_4
0.7
Variogram : VAR_4
Variogram : VAR_4
0.0
200
Distance (m)
Distance (m)
Distance (m)
0
100
200
0.10
D-90
0.05
0.00
100
200
300
200
300
0.15
N0
0.10
0.10
D-90
0.05
0.05
0.00
0.00
0.05
100
200
Distance (m)
Distance (m)
127
300
0.00
Variogram : VAR_4
0.10
Variogram : VAR_4
N0
100
0.15
0.15
Variogram : VAR_4
0.15
Variogram : VAR_4
300
50
100
150
200
N0
0.7
0.6
0.6
0.5
0.5
0.4
0.4
D-90
0.2
0.3
0.2
0.1
0.8
0.8
200
250
0.9
0.9
0.8
0.8
0.7
N0
0.7
0.6
0.6
0.5
0.5
0.4
0.4
D-90
0.3
0.3
0.2
0.2
0.1
0.1
0.1
0.0
0.0
150
0.9
0.3
100
250
0.9
0.7
50
50
100
150
200
0.0
250
50
100
150
200
0.0
250
Distance (m)
Distance (m)
50
100
150
200
Distance (m)
250
0.2
D-90
0.1
0.0
50
100
150
200
250
Variogram : VAR_4
0.2
150
200
250
0.3
N0
0.2
0.2
D-90
0.1
0.1
0.0
0.0
0.1
50
100
150
200
Distance (m)
Distance (m)
128
250
0.0
Variogram : VAR_4
N0
100
0.3
0.3
Variogram : VAR_4
Variogram : VAR_4
0.3
50
50
100
150
0.20
0.20
0.15
0.15
D-90
0.10
Variogram : VAR_4
N0
0.20
D-90
0.15
0.10
0.10
N0
0.05
0.05
0.05
0.05
0.00
0.00
0.15
Variogram : VAR_4
Variogram : VAR_4
0.25
0.20
Variogram : VAR_4
100
150
0.25
0.10
50
50
100
150
0.00
50
100
0.00
150
Distance (m)
Distance (m)
Distance (m)
0.20
50
100
150
50
100
150
0.20
0.10
0.10
N0
0.05
Variogram : VAR_4
Variogram : VAR_4
0.15
D-90
D-90
0.2
0.2
N0
0.1
0.1
0.05
0.0
0.00
0.3
50
100
150
0.00
50
100
Distance (m)
Distance (m)
129
150
0.0
Variogram : VAR_4
0.15
Variogram : VAR_4
0.3
Distance (m)
50
100
150
200
0.25
0.25
0.25
0.20
0.20
0.15
0.15
0.10
D-90
0.05
0.00
50
100
150
200
250
0.10
Variogram : VAR_4
N0
50
100
150
200
250
0.25
0.20
Variogram : VAR_4
0.20
Variogram : VAR_4
250
Variogram : VAR_4
N0
0.15
0.15
0.10
0.05
0.05
0.00
0.00
D-90
0.10
0.05
50
100
150
200
250
0.00
Distance (m)
Distance (m)
Distance (m)
0
50
100
150
200
0.2
D-90
0.1
0.0
50
100
150
200
250
100
150
200
250
0.3
N0
0.2
0.2
D-90
0.1
0.1
0.0
0.0
0.1
50
100
150
200
250
Distance (m)
Distance (m)
(h) = 0,04 + 0,05 esf (50,50,75) + 0,03 esf (80,80,80) + 0,07 esf (250,250,)
130
0.0
Variogram : VAR_4
0.2
Variogram : VAR_4
N0
50
0.3
0.3
Variogram : VAR_4
0.3
Variogram : VAR_4
250
Bibliografa
Neufeld, Lyall, Deutsch Simulation of Grade Control, Stockpiling and Stacking for
Compliance Testing of Blending Strategies, Centre for Computational Geostatistics,
University of Alberta
Emery X. MI68A Geoestadstica, Apuntes del Curso, Universidad de Chile, 2007
Emery X. MI75D Tpicos Avanzados en Evaluacin de Yacimientos, Apuntes del
Curso, Universidad de Chile, 2007
Emery X. Geoestadstica Lineal, Universidad de Chile, 2000
Leticia Villagrn Caracterizacin de Dominios Estructurales, Mina Los Bronces,
Memoria para optar al titulo de Gelogo, Universidad de Concepcin, 2007
Emery X Manual Introductorio al uso del Software Isatis, 2001
Javier Fauln, Angel Juan Simulacin de Monte Carlo, Universitat Oberta de Catalunya,
1999
Jorge Garca Vidal Elementos de Muestreo, Universidad Catlica de Valparaso, 2001
131