Modelamiento empírico de colgaduras en minería de Caving

Abstract

Los métodos de explotación por hundimiento son una de las mejores opciones para la extracción de yacimientos masivos a bajo costo. Una principal exigencia, es asegurar la continuidad operacional de la extracción. Para esto se deben tener en cuenta aquellos riesgos que puedan repercutir en el aspecto económico, como es el caso de las interferencias operacionales que disminuyen la productividad y obligan a incurrir en costos adicionales; tal como ocurre en el caso de formación de colgaduras, que interrumpen el flujo normal de mineral en los puntos de extracción, no permitiendo que estén disponibles y forzando a aplicar técnicas de reducción secundaria para reestablecerlos. El objetivo general de este estudio, es desarrollar una herramienta a través de una metodología estadística que permita generar modelos mediante la técnica denominada de regresión logística binaria, cuya motivación consiste en generar predicciones de colgaduras posibles de incorporar a los años posteriores en aspectos de planificación y diseño. La base de datos está basada en información proveniente de dos bloques pertenecientes a la faena minera Cadia East de Newcrest en Australia. Del análisis realizado a los bloques PC1S1 y PC2S1, se obtiene que la fragmentación de PC1S1 es fina en comparación de la mayoría de las minas que se conocen a nivel mundial respecto al uso de técnicas de preacondicionamiento, y se traduce en un comportamiento diferente en términos de colgaduras. Además, PC1S1 posee un caving maduro conectado a superficie, mientras que el PC2S1 aún no lo ha hecho, y se espera una disminución de la fragmentación y colgaduras cuando ocurra la conexión. El estudio analizó varios sets de variables para representar el fenómeno en cuestión, sin embargo, aquellas que demostraron ser representativas y que a la vez no eran redundantes respecto a las demás corresponden a la extracción, uniformidad y RMR. Basado en las variables seleccionadas se realizaron modelos de colgaduras para ambos bloques obteniendo aciertos globales de 54% y 60% para PC1S1 y PC2S1 respectivamente. De lo anterior, cabe señalar que el acierto de PC1S1 es bajo y no se recomiendan pronósticos de colgaduras sobre el footprint, mientras que si es posible ejecutarlo sobre PC2S1 (según confiabilidad esperada para el modelamiento según etapa del proyecto, Tabla 38). De cada modelo, se obtiene que un incremento en las variables de extracción y uniformidad reflejan una disminución del índice de colgaduras (eventos/1,000 t). De modo contrario, para mayores valores de la variable RMR, el índice de colgaduras se incrementa. Haciendo uso del modelo para PC2S1, se establece un pronóstico de las zonas del footprint que se verán mayormente afectadas, y es que desde un comienzo el sector de mayor riesgo estuvo en el centro, se espera que se traslade hacia el este para finales del año 2018, concentrando el mayor porcentaje de área afectada por colgaduras/área activa en las calles de producción de 212 a 232.