ANÁLISIS DE DATA Y QA/QC APLICADA EN EXPLORACIÓN

DATA AND QA / QC ANALYSIS APPLIED IN EXPLORATION

1Jhonatan César Férnandez Aquino

1Estudiante de Ingeniería Géologica de la Universidad Nacional de Cajamarca.

Email: jfernandeza15@unc.edu.pe

INTRODUCCIÓN
Etapas de Estimación Geoestadística:
El curso sobre analisis de data y QA/QC se llavó a
Preparación de los datos: incluye la definición
cabo los días 27 y 28 de septiembre, el cual estuvo
de l o s dominios de estimación, variograma,
a cargo de la Ing. Rosmery Delgado Ramos, quién
definición de los parámetros de estimación
nos explicó los conceptos básicos sobre procesos en
corridas de estimación, validación del modelo de
el muestreo, preparación y análisis de las diferentes
bloques, categorización de recursos, declaración
muestras para llegar a un estado óptimo de calidad
de recursos.
aprobado por el contratista, también procesamos
Introducción de análisis Data: entender la data,
un data en el cual se determinó los posibles
transformarla si es necesario, evaluar las
resultados erráticos que podrían ocurrir en estas
limitaciones y elegir el mejor método.
diferentes fases y una posible toma de decisiones.
(EDA)
MARCO TEÓRICO
Dataset feature: Análisis de variable
Control y Aseguramiento de la calidad (QAQC):
dependiente (estamos interesados en predecir) y
Tanto el Muestreo como el Aseguramiento y el
la variable independiente son aquellas variables
Control de la Calidad (QA/QC) apropiados son
que pueden a predecir la variable dependiente
esenciales durante todos los aspectos del proceso de
evaluación de un yacimiento mineral para garantizar Data mugging: transformación o limpieza de la
que se logre la mayor confiabilidad posible de las data cruda a un formato utilizable.
estimaciones resultantes con respecto a los recursos Manejo de valores anómalos: Outliers son
y las reservas minerales; la calidad de una puntos de la data desviados desde la distribución
estimación depende de la calidad de los datos de otros puntos similares, se puede eliminar o
utilizados., esto es logrado gracias a protocolos imputar.
orientados a evitar errores y pruebas de Descripción estadística: Describir l a d at a d e
precisión, exactitud y posibles contaminantes. manera cualitativa y cuantitativa. Estas
Siendo errores de heterogeneidad geológica, estadísticas ayudan a entender cuando
e n l a t o m a d e muestras, laboratorio y proceso transformar, i m p u t a r , y remover outliers
de datos. Indentificación de Outliers: Reconciliación es la
Protocolo de preparación: preparación de muestra mejor forma de validar la metodología u s a d a :
de blasthole, diamantina, metalúrgica Método de histograma: “cap” se selecciona en
(codificación, secado, triturado, homogenizada, el punto en que las clases se vuelven a i s l a d a s
cuarteada de gruesos y pulverizada). o cuando la curva se rompe.

Histogramas y distribución de frecuencia:

Protocolo analítico: pesado de muestra, fusión, población de los datos, determina el tamaño del
colado, copelado y digestión. criterio contenido basado en el rango, desviación
estándar o un particular set de parámetros tales
como cutt-off grades o thresholds.
Quantiles o Percentiles: dividir las muestras en
poblaciones en partes iguales o intervalos.
Box Plot: presentación visual que describe varias
características importantes, al mismo tiempo, tales
como la dispersión y simetría.
Contact Plot: como varían las leyesen función
a la distancia del contacto.
Scatterplots: permite usarse para entender si la
data tiene una relación linear o no linear y los
grados relativos de correlación en la data.
Análisis EDA: Es realizar investigaciones
iniciales sobre los datos (GEODATABASE) para
descubrir patrones:
Identificar controles para la
mineralización.
Definición d e los dominios g e o l ó g i c o s
para leyes.
Identificar valores para capping.
Identificar variaciones en la orientación
Identificar posible método de
interpolación.
La incorrecta estimación de los recursos puede
“matar” a un proyecto minero.
QAQC EN EDA: Identificar (y corregir) errores en
tiempo real.
ANÁLISIS DE PROBLEMAS EN EL DATA Y TOMA DE
DECISIONES
En la práctica desarrollada en clase se nos dio una
data alterada con datos erróneos, en el cual
debíamos identificar el error y de dónde provenía y
cómo poder solucionarlo, b a s á n d o n o s e n estos
estándares de error:
Precisión: duplicado de grueso (DG), duplicado de
pulpa (DG), duplicados de campo (GEM), aceptado
hasta el 10%.
Exactitud: STDs. (STD01, STD02, etc.),
CheckExterno, aceptado hasta el 5-10%.
Contaminación: Blanco Grueso (BG), Blanco
Fino (BF), aceptado hasta el 5%.
Estos porcentajes se toman según como determine
la empresa donde se este laborando. A
continuación, se procedió a limpiar la data
obtenida.
Se concluyó que en el análisis de blancos finos dio
los siguientes resultados en cuanto a porcentaje
de contaminación:
Au: 3.6%, Ag: 0%, Pb:7%, Zn:0% y
Cu:7.1%
Sabiendo que el límite es de 5% los elementos
como el plomo y el zinc sobrepasan este límite, el
posible origen o factor de esto sería errores de
limpieza o trata en laboratorio.
En cuanto al análisis de duplicados y gemelas se
dio los siguientes resultados en cuanto a
precisión:
Au: 25.8%, Ag: 8.1%, Pb:12.9%, Zn:9.7% y
Cu:0.0%
Sabiendo que el límite es de 5-10% los elementos
como el oro y el plomo sobrepasan este límite, el
posible origen o factor de esto sería en la etapa de
muestreo o el posible corte en el logueo.
Para los datos Standart no se encontraron errores
en el porcentaje de exactitud.
Luego se nos propuso un problema donde la
interrogante era donde perforar, según el análisis
de cargabilidad, ley y coeficiente de variación,
además de las posibles alteraciones a cortar se
decidió perforar 3 puntos los cuales mostraban
minerales como Pyr-Al (alteración argílica
avanzada), Dick-Mus y Mus- Pyr (alteración fílica),
en los cuales se cortaba el pórfido.
CONCLUSIONES
Se logró determinar el grado de limpieza de los
datos, además se logró evaluar las principales
fuentes de error en la estimación de recursos.
Se estudió como dar confiabilidad a los datos de
muestreo durante las diferentes etapas y
muestras (precisión, exactitud y contaminación).