M. Sc.

Samuel Canchaya Moya

Tel. 01-2579636
FIGMM

M. Sc. Samuel Canchaya

canmoysa@gmail.com

Para cada fase la herramienta correcta

1
Variable Regionalizada: (V.R.)

Toda variable que flucta en:

el espacio (coordenadas) y/o en el tiempo.
Tiene dos caractersticas fundamentales:
Gran variabilidad local.- Dientes de sierra
Presenta una estructura o tendencia a mayor escala
Ejemplos tpicos:
Leyes de Au, Ag, Cu (CuT, CuSAc, CuSCN), Fe, As, etc.
Potencia de una veta o manto
Densidad, Humedad, Porosidad y Permeabilidad
Toneladas procesadas en Molinos o Chancadoras (Throughput)
Contenido mineralgico (% qz, ser, ARCs, cac, bt, calcopirita, pirita, etc.)
% de elementos u xidos mayores (SiO2, TiO2, K2O, CaO, MgO, Fe2O3, etc.)
Recuperacin de Au, de Cu, etc.
Densidad de fracturamiento
BWI, RQD, Resistencia Mecnica (MPa), etc.
Consumo de cido (Kg/TM), etc.
3

COMPARACIN ENTRE UNA DATA ESTRUCTURADA

(Tramo A) Y OTRA AL AZAR (Tramo B)

x s2 HISTOGRAMA VARIOGRAMA

(h)
1
2 f(x)
3
4
5
TRAMO A 6
5 3.08 2.75
4
3
2
1 2 4 6 x h
1

2
4
f(x) (h)
3
6
1
TRAMO B 5 3.08 2.75
1
3
2
1
4
2 4 6 x h
5

2
 La hiptesis de M1 M2
estacionariedad

M3 M4
D
La aplicacin de la geoestadstica
tradicional ser vlida, slo si se
cumple con la denominada Hiptesis de Estacionariedad.
Se dice que un dominio cumple con la Hiptesis de Estacionariedad,
cuando dentro de l la media y la varianza son las mismas cualquiera
sea la muestra que se tome para estimarlas.
El variograma experimental ser representativo de un dominio, slo si
este cumple con la Hiptesis de Estacionariedad.
Cuando no se cumple la mencionada hiptesis, hay que apelar al
Concepto de Krigeage Universal; as como a otras herramientas de la
Geoestadstica No- Estacionaria.

Ejemplo de clculo manual 5

(h)
de un variograma 1D 4

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

4.0 2 2 2 2 2 2 2 experimental
[d1] [d2] [d3] [d4] [d5] [d6] 1[d7] [d8]2
2.8 ajuste
0.64 C0=0.25 h
3.2 1.44 0.16 0
0 1 2 3 4 5 6 7 8
3.0 0.16 0.64 0.00 a
0.04 0.04 1.00 0.04
3.6
0.36 0.16 0.64 0.16 0.16
2.0 2.56 1.00 1.44 0.64 4.00 1.44
4.5 6.25 0.81 2.25 1.69 2.89 0.25 1.69
2.5 4.00 0.25 1.21 0.25 0.49 0.09 2.25 0.49
7.29 0.49 10.24 2.56 4.84 4.00 5.76 1.44
5.2
8.41 0.04 4.84 0.09 1.69 0.49 0.16 0.25
2.3 0.25 5.76 0.09 2.89 0.64 0.64 0.81 0.16
2
Z x h Z x
(h )
2.8 0.36 0.01 9.00 0.09 5.29 0.04 0.04 0.64
2.2 3.61 1.69 3.24 1.21 2.56 0.16 1.96 0.25
4.1
1.21 9.00 5.76 8.41 0.00 7.29 4.41 10.24 2(n h )
9.61 17.64 37.21 30.25 36.00 9.61 33.64 14.44
5.2 4.84 0.81 4.00 15.21 10.9 14.4 0.81 12.96
8.3 4.41 18.49 1.44 0.01 3.24 1.44 2.89 1.44
6.1 1.96 12.25 32.49 6.76 2.25 0.16 0.04 0.09 dh = Zx+h - Zx
0.81 0.25 6.76 23.04 2.89 0.36 1.69 0.49
4.0 n = 19
S[dh] 2 57.57 69.49 121.6 93.30 77.83 40.41 56.15 42.89
2.6
2(n-h) 36 32 28 26 22 16 10 8
3.5
(h) 1.60 2.17 4.34 3.59 3.54 2.53 5.62 5.36

3
 Ajuste del Variograma Experimental
a Funciones Tericas
h3
(h) = C
3h
+ Co ha
2a 2a3

(h) = C + Co h>a

(h) ( h) ph ; 1

(h) ph ; 1

(h) C 1 exp ah C0

Ajuste del Variograma

experimental a funciones
tericas

Parmetro Lineal Expo-

nencial
C0 0.783 0.673
C0 + C 1.281 1.347
a 345.9 193.4
r2 0.845 0.900
RSS 0.061 0.040
C/[C0+C] 0.389 0.500

4
Variogramas de
gangas y minerales
de alteracin:

Tipos de Anisotropa:

Cuando el variograma experimental es calculado en

distintas direcciones generalmente presenta parmetros y
comportamientos distintos; lo cual es una expresin de la
ANISOTROPIA natural de las distribuciones.

TIPOS:
Anisotropa Geomtrica

Anisotropa Zonal

Anisotropa Hbrida

10

5
 Anisotropa geomtrica:

Cuando el variograma en 3
distintas direcciones presenta el
2.5
mismo sill pero rangos o alcances
distintos 2

Variograma
N-S
1.5
E-O
Mayor continuidad espacial en la 1

direccin de mayor rango o

0.5
alcance
0
0.0 1.4 2.9 4.4 5.9 7.4 8.9 10.4 11.9
Menor continuidad espacial en la
direccin de menor rango o Distancia

alcance

11

Anisotropa zonal:

3.5

Cuando el variograma en 3

distintas direcciones presenta 2.5

el mismo rango o alcance

Variograma

pero diferente sill o meseta. 1.5

0.5

0
0 1.24 2.59 3.94 5.29 6.64 7.99 9.34 10.69

Distancia

12

6
 W E
Distribucin
anistropa

TUFO SUPERIOR
TUFO MINERALIZADO
TUFO INFERIOR

ARENISCA, CONGLOM.

(h)

E-W
N-S
VERTICAL

h
VARIOGRAMAS EN VARIAS DIRECCIONES

Modificado a partir de Journel & Huijbregths (1978)

Seccin longitudinal de veta

con mapeo variogrfico sobreimpuesto

Labores recomendadas

7
 Correlacin geolgica de interceptos
DDH2
DDH1

DDH3

Vista en planta 250 m

Soporte TM
Con 3 DDH X000,000
Con 2 DDH X00,000
50 m
15

Correlacin de DDHs asistida con Variografa

DDH 1 DDH 2

CARACTERISTICAS DE LOS VARIOGRAMAS

DDH TIPO s2 C0 (C0/s2) a (m) r2
*100
1 Gaussiano 60.1 14.9 24.79 29.3 0.98
DDH 3
2 Gaussiano 13.1 4.8 16.01 24.3 0.95

3 Esfrico 3.3 2.1 64.20 105.4 0.75

8
 M. Sc. Samuel Canchaya
canmoysa@gmail.com

Interpretacin de Variogramas
desde el punto de vista del Varianza estadstica
muestreo

o Efecto de pepita
o Error fundamental a
o Errores sistemticos de
muestreo y anlisis

Cu (%) 2

(h)
Trend o Drift
20

Tendencia o estructura regional

10 Variograma experimental

Ajuste terico

h
80 160

Prfido de Cu-Au

9
Principales aplicaciones de la Geoestadstica
en Muestreo y Exploraciones:

Mallas de muestreo y distancias ptimas de muestreo se deben

definir con procedimientos geoestadsticos. Generalmente son mallas
irregulares debido a la ANISOTROPA.

Donde poner el prximo taladro, es una pregunta que se debe resolver no

slo en forma determinstica (en base a la informacin geolgica, logueo,
etc.) sino tambin combinando adecuadamente las herramientas
probabilsticas (geoestadstica): anlisis de la componente drift de los
variogramas; cocientes metlicos adecuados y curvas isovalricas de
elementos indicativos; mapas de tendencias (trend surfaces), etc.

Campaas de Infill se deben programar considerando principalmente

taladros en aquellas zonas con mayores valores de error de estimacin.

19

Relacin entre la precisin y el costo

asociado a diferentes mallas de perforacin
200
ERROR
100

50

30 50

10
COSTOS
1 2 4 8 16 RELATIVOS

200 141 100 70.5 50 METROS

VARIANZA DE ESTIMACION: sE
2 2 ( V, v ) ( V, V ) ( v, v )

10
Optimizacin de Programas de Perforacin Infilling

10
1.0
0.1
0.01
0.001
0.0001
Au ppm

60
50
40
30
20
10
0
ERR %

M. Sc. Samuel Canchaya

canmoysa@gmail.com

El mejor procedimiento para determinar la Distancia ptima de muestreo

11
 Cuerpo silceo en el Tacaza con leyes anmalas
Quillcata - Yauyos

200 m
23

Cuerpo silceo muestreado

sistemticamente por canales
con cortadora porttil

Estructura mineralizada
Fracturamiento

Canales de muestreo

250 m 24
1,600 muestras

12
 25
Densidad de muestreo en canales

Auditora quick: Para saber si se est

aplicando un verdadero QA/QC

Si no puedes responder a las siguientes preguntas bsicas:

Cul es el peso ideal de la muestra
Cuntos incrementos deben constituir una muestra
Cul es el tamao mximo de los chips o fragmentos
A qu distancia de muestreo debes tomar las muestras
Cul debe ser la malla de muestreo adecuada; que casi nunca es regular
Donde poner los siguientes taladros (Infill)
Etc.

Si no cuentas con lo siguiente:

Protocolo de control y prdida de finos
Tests de sesgo del procedimiento de muestreo a aplicar
Cadena de Custodia de la Muestra
Sistema adecuado de almacenamiento de testigos, muestras, rechazos y pulpas.
Manual de Procedimientos para cada estacin o dominio de muestreo.
Etc.

Si no se cumple lo siguiente:
Tener el mejor team de muestreo, bien remunerado y capacitado
Muestreo y marcado de testigos debe ser realizado por el Gelogo Senior
Pruebas R&R (Repetibilidad & Reproducibilidad) en el campo
Etc.

Puedes seguir insertando tus muestras de control y tener pocos

fallidos, pero con eso no Aseguras la Calidad del Muestreo!!

13
 Magnitud de los errores en cada fase

Sesgo % Error
Fase Actividad
% relativo
Muestreo 100 a 1,000
Muestreo
1000 Transporte y
primario 1 a 100
almacenamiento
Preparacin mecnica, QA/QC
Muestreo 10 a 100
QA/QC 50 reduccin
secundario
actual Preparacin qumica 5 a 20
0.1 a 1 Anlisis Anlisis 0.1 a 5
Segn: Gy (1999:10) Compilado a partir de: Gy (1999:10); Gy & Francois-
Bongarson (1999) y Paski (2006)

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

Francis Pitard
Dominique
Francois
Bongarcon
28

14
Eventos importantes relacionados: 29

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

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

6 6
3 19-22 de Nov. 2013 Lima- Per
Density Sampling for Resources Estimation and
Geometallurgical Purposes Canchaya et al. 2013: Efecto Proporcional . Caracterstica frecuente
Sampling of Variables with Proportional Effect - en variables de Explorac. Geoqumica S. Canchaya
S. Canchaya 2015: Muestreo & QA/QC en Exploraciones
S. Canchaya

Referencias
o Canchaya S. (2004) Log-normalidad y efecto proporcional. Caractersticas frecuentes en los yacimientos de oro.- XII Congr.
Peruano Geol.; 4p.
o Canchaya S. (2010) QA/QC Realidad o Fantasa?.- XV Congreso Peruano de Geologa, Cuzco 27 Set. Al 01 de Octubre; 4p.
o Canchaya S. (2011) QA/QC in mining: reality or fantasy?.- 5ta Conferencia Mundial de Muestreo y Mezclas (5WCSB), Santiago de
Chile, 25 al 28 de Octubre del 2011; 7p.
o Canchaya S. (2013) Efecto proporcional: Caracterstica frecuente en variables de exploracin geoqumica.- Pro-Explo 2013; Lima,
19 a 23 de Mayo.
o Canchaya S. (2013) Sampling of Variables with Proportional Effect.- GEOMET 2012; Sgo. de Chile Dic. 2012 y GEOMIN 2013;
Sgo. de Chile Jul. 2013.
o Chiles J. P. & Delfiner P. (2001) Geostatistics. Modeling Spatial Uncertainty.- John Wiley Sons Inc. (New York); 695 p.

o David M. (1977) Geostatistical Ore Reserve Estimation.- Elsevier (Amsterdam); 364 p.

o Davis J. C. (2002) Statistics and Data Analysis in Geology.- John Wiley & Sons Inc. (NewYork); 638 p.

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

o Gy P. (1998) Sampling for Analytical Purposes.- John Wiley Sons Inc. (New York); 153 p.

o Journel A. G. & Huijbregths Ch. J. (1978) Mining Geostatistics.- Academic Press Inc. (London); 600 p.

o Journel A. G. & Kyriakidis P. C. (2004) Evaluation of Mineral Reserves. A Simulation Approach.- Oxford University Press
(Oxford); 216 p.

o Leuangthong O. & Khan K. D. & Deutch C. V. (2008) Solved problems in Geostatistics.- J. Wiley & Sons Inc. (N.Jersey); 207 p.

o Matheron G. (1965) Les variables Rgionalises et leur Estimation.- Une application de la thorie des fonctions alatoires aux
sciences de la nature.- Masson et Cie (Paris); 305 p.
o Paski E. (2006) Taller internacional de muestreo geolgico.- IIMP & Actlabs; Lima Abr. 2006; 120 p.
o Simon A. (2007) Control Sample Insertion Rate: Is there an Industry Standard?.- 23rd International Applied Geochemistry
Symposium, IAGS; Oviedo, Spain, June 2007; 9 p.
o Rendu J. M. (1981) An Introduction to Geostatistical Methods of Mineral Evaluation.- S. Afr.Inst.Min. Metall.;Johannesburg; 84 p.

15