Impacto de errores de muestreo y de modelamiento en la estimación mediante Kriging

Abstract

El presente trabajo tiene como objetivo principal en determinar cuáles etapas en una estimación clásica de recursos generan mayor sesgo en la estimación, y por ende las que se debe realizar con mayor rigurosidad. El caso base es la estimación de un yacimiento de oro utilizando las mejores prácticas en ella, y para compararlo se definieron errores en las distintas etapas, estos son: error de laboratorio, mala definición de la unidad geológica de estimación (UGE), mala determinación de anisotropía, muestreo preferente, no uso de capping y mala definición de parámetros de Kriging. Además, se realizó una simulación condicional gaussiana para comparar con los distintos casos. Para determinar la etapa o etapas que generan mayor sesgo se realizó la comparación en (estadísticas básicas, curvas tonelaje ley, porcentaje de fino a distintas leyes de corte, gráfico de dispersión y diferencia del destino del material extraído) de los distintos casos contra el caso base. Además, la comparación de estadísticas básicas de la simulación con los distintos casos. Se determinó que al aumentar el porcentaje de error de laboratorio aumenta el efecto pepa, no así la meseta y los alcances. Esto tiene bastante consistencia del punto teórico ya que el efecto pepa se compone de un valor intrínseco del yacimiento y error de muestreo. Para los casos: usar variograma isótropo, mal definición de dirección de anisotropía y malos parámetros de Kriging, no se genera un sesgo global pero sí uno local y este aumenta al tener menos datos. Al analizar los resultados de las distintas comparaciones se determinó que para este set de datos los errores que generan mayor sesgo en la estimación son: mal definición de las UGE, uso de muestreo preferencial y no uso de capping de leyes altas. Además que en general al contar con una mayor cantidad de datos se genera menor sesgo. En el caso de mala definición de la UGE, se genera mayor sesgo al juntar UGE con estadísticas básicas muy disímiles. Cuando se realiza muestreo preferencial en zonas de altas leyes se genera el mayor sesgo, en la práctica esto se puede deber a una concentración de sondajes en leyes altas y/o modelamiento con criterio de ley y no geológico. En el caso del capping es una práctica muy común en la industria, desde la teoría es discutible su uso ya que estas leyes altas pertenecen al conjunto de datos. Finalmente se recomienda al realizar una estimación de recursos mediante Kriging, usar las mejores prácticas, y destinar bastantes recursos en definir de buena forma las distintas UGE siempre utilizando un criterio geológico antes que otro y no realizar una modelación utilizando criterio de ley.