INVESTIGACIÓN RELEVANTE DE LA INDUSTRIA INTEGRADA INICIATIVAS DE APOYO A

LA GEOMETALURGIA MAPEO Y MODELADO

1. ABSTRACTO
La disciplina emergente de la "geometallurgia" no es nueva sino que se está
reconociendo cada vez más como una actividad discreta y de alto valor. La
geometometría implica un enfoque cuantificado y espacialmente restringido para la
caracterización del mineral en términos de relaciones con los comportamientos críticos
del desempeño del procesamiento. Un resultado clave es una mayor optimización
económica de la minería y mejores herramientas de gestión de riesgos.
El reconocimiento por parte de la industria de la necesidad de una investigación
integrada a gran escala para apoyar esta área emergente dio lugar al inicio de una
importante iniciativa en curso a mediados de 2005. El proyecto AMIRA International
P843 ' GEM III ' (Geometallurgical Mapping and Mine Modeling) es una colaboración
entre disciplinas que involucra a varias organizaciones de investigación de clase
mundial apoyadas por más de 20 patrocinadores de la industria.
El proyecto suministra herramientas y métodos integrados que vinculan las
características intrínsecas de las rocas con la predicción del rendimiento del
procesamiento de minerales. Estos índices deben ser capaces de distribución espacial
en modelos de recursos 3D e incorporación en la planificación y optimización de la
mina. Un aspecto clave es la provisión de nuevas herramientas y métodos eficaces en
función de los costos que pueden proporcionar el gran número de puntos de datos
medidos y estimados necesarios para llevar a cabo un modelado y una distribución
espacial eficaces. La metodología integrada y las tecnologías facilitadoras que se están
desarrollando en curso del proyecto AMIRA GeMIII, junto con las implicaciones para
apoyar las mejores prácticas de la industria.

2. INTRODUCCIÓN
La industria de minerales continúa esforzándose por una mayor eficiencia, menores
costos de operación y menor riesgo. Esto implica aumentar los requisitos para tratar el
grado inferior (alto volumen) y minerales más complejos, junto con una expansión de las
medidas sociales de eficiencia a aspectos como la energía, el carbono y las huellas de
agua. El campo emergente de la geometallurgía se está reconociendo cada vez más
como una actividad discreta y de alto valor que puede apoyar las necesidades
comerciales y sociales para una integración y operación más eficaces y sostenibles de
las minas.
La geometalurgia implica un enfoque cuantificado y espacialmente restringido de la
caracterización del mineral en términos de relaciones con los atributos críticos del
rendimiento del procesamiento, optimización y valoración de las minas. Estos atributos
típicamente incluyen voladura, trituración, trituración, liberación y recuperación. Los
temas relacionados incluyen el seguimiento del departamento de elementos nocivos, el
suministro de insumos en la gestión ambiental, y el aumento de la eficiencia energética.
La incorporación de parámetros geométricos en el modelado de recursos complementa
la geología tradicional y los atributos basados en el grado, lo que permite un enfoque
más holístico de la optimización económica de la producción de minerales (Ashley y
Callow, 2000, Williams y Richardson, 2004, Dunham y Vann , 2007, Dobby et al, 2004,
David, 2007). Los principales resultados son la mejora de las previsiones, la reducción
del riesgo técnico y una mayor optimización económica de la producción de minerales
con vínculos con la sostenibilidad (Turner-Saad, 2010).
La geometalurgia complementa pero no reemplaza los enfoques existentes para el
diseño y la optimización de las operaciones mineras y de procesamiento de minerales.
Modelos geometalurgicos detallados que reflejan la variabilidad geológica inherente
tienen como objetivo reducir el riesgo técnico asociado con el diseño y la operación de
las minas (Hulls y Bennet, 2006; Williams y Richardson, 2004). Este enfoque es
particularmente importante en la factibilidad como un precursor del diseño en el que el
acceso físico y el conocimiento de un depósito de mineral son limitados y evolucionan.
La información geometalúrgica también es un insumo esencial en el diseño de la hoja
de flujo y en el dimensionamiento de los equipos, lo que facilita una mejor previsión y
optimización del rendimiento de la planta durante la vida útil del proyecto (Mackey y
Nessett, 2003).
La geometalurgia requiere integración a través de una amplia gama de actividades
existentes y se puede referir a una variedad de descriptores. Incluye aspectos de
mineralogía de procesos, geología de minas, metalurgia, control de procesos,
modelación de recursos, geoestadística y planificación de minas. Los descriptores
alternativos incluyen el "conocimiento del cuerpo de mineral" o la "caracterización del
mineral". Aunque la geometallurgia es un término ampliamente utilizado y se está
 utilizando cada vez más, no hay una definición aceptada de su alcance o código de
práctica. Esto se ve exacerbado por la falta de educación formal sobre el terreno, por la
limitada formación profesional y por la falta de normas reconocidas en toda la industria.
Varias iniciativas de investigación y desarrollo están en marcha para apoyar estas
limitaciones.
El reconocimiento por parte de la industria de la necesidad de una nueva investigación
geometalurgica integrada a gran escala dio como resultado el desarrollo del proyecto
III
AMIRA P843 GeM (Cartografía geometalurgica y modelización de minas), que
comenzó en julio de 2005. Desde su creación, el proyecto ha crecido hasta convertirse
en la mayor iniciativa de investigación colaborativa universitaria en el campo emergente
de la geometalurgia con más de 20 patrocinadores de la industria. Una característica ha
sido el desarrollo de la integración entre disciplinas, particularmente entre las áreas de
geología y procesamiento de minerales. El proyecto fue renovado en julio de 2009 por
otros cuatro años como P843A.
III
3. GEM MISION Y VISIÓN
La visión de GEM III incorporada en P843A es el desarrollo colaborativo de una
plataforma integrada para definir los dominios inherentes de variabilidad geométrica y
de procesamiento que pueden ser incorporados en modelos de bloques de recursos y
se convierte en la mejor práctica de la industria.
Aunque muchas empresas han comenzado este proceso, la investigación está diseñada
para acelerar los cambios significativos en la cultura interdisciplinaria y la tecnología
habilitadora necesaria para establecer las mejores prácticas.
La misión GeM III se basa en:
 Desarrollo de índices predictivos para atributos de rendimiento de procesamiento
específicos que reflejen la variabilidad geológica natural de los yacimientos
minerales.
 Provisión de herramientas prácticas y metodologías para apoyar pruebas más
rápidas de poblaciones de muestras mucho más grandes, vinculadas a la
variabilidad geológica inherente.
 Aplicación de tecnologías y métodos habilitadores con posibilidades de
automatización.
 Un enfoque en el modelado basado en la roca determinista para comprender los
controles geológicos intrínsecos en los comportamientos de rendimiento de
procesamiento basado en la máquina.
 Definición de dominios de procesamiento estadísticamente significativos que
pueden ser incorporados en modelos de bloques de recursos con aplicación
potencial en la planificación y optimización de la mina.
Estos son ambiciosos objetivos a largo plazo que requieren nuevas colaboraciones y
creación de capacidades. Los principios subyacentes de abordar la visión y la misión
son:

 Un énfasis en la investigación interdisciplinaria eficaz entre instituciones de clase

mundial con objetivos y entregables claramente definidos.
 Acceso a la masa crítica y a la financiación que se ocupan de la magnitud del
reto.
 Estrecha consulta con la industria global de minerales para mantener un
equilibrio entre la aplicación práctica basada en el sitio y la investigación más
fundamental.

El punto de transferencia para los atributos predictivos de procesamiento de tipo

GeM en el proyecto P843A es el modelo de bloque de recursos y, en última
instancia, la planificación de recursos y la optimización de minas. Aunque se
reconoce que este alcance no cubre la extensión y aplicación completas de la
"geometalurgia" definida por muchos defensores, la provisión de dominios de
rendimiento de procesamiento estadísticamente significativos incrustados en
modelos de bloques de recursos es un paso clave para la posterior optimización y
valoración. CRC ORE (Optimización de la Extracción de Recursos) es una nueva
iniciativa de investigación aplicada con enlaces a la P843A, que se centra en la
integración a mayor escala del proceso de valoración y optimización
(www.crcore.org.au).

Cuatro organizaciones de investigación están actualmente involucradas en P843A:

CODES, el Centro de Excelencia en Depósitos de Mineral de ARC de la

Universidad de Tasmania, un líder mundial en investigación geológica
relacionada con la economía.
Julius Kruttschnitt Centro de Investigación Mineral (JKMRC) en la Universidad de
Queensland, un líder mundial en la minería y la investigación de procesamiento
de minerales.
WH Bryan Centro de Investigación de Minería y Geología (BRC) en la
Universidad de Queensland, líder en las áreas de minería masiva, ingeniería
geotécnica, optimización en el diseño y planificación de minas.
El Centro Parker CRC (CSIRO) con sede en Perth, un reconocido líder mundial
en el área de hidrometalurgia integrada.
 La diversidad de los grupos de investigación involucrados en el proyecto refleja el
amplio desafío interdisciplinario de la integración geometalurgica. Pueden darse
disociaciones significativas a través de este desafío compartido, que a menudo se
exacerban por vías separadas de educación terciaria y las culturas profesionales
resultantes. Las estructuras organizativas divisionales en muchos sitios mineros
también pueden diluir la estrategia de "una sola mina" requerida para una
implementación geométrica exitosa.

4. APOYO Y MEJORA DE LA PRÁCTICA ACTUAL

El objetivo principal de la geometallurgía en el contexto del proyecto GeM III es
proporcionar atributos que reflejen la variabilidad geológica inherente y su impacto en el
rendimiento metalúrgico (Walters y Kojovic, 2006). Esto requiere la cuantificación de los
depósitos de mineral en términos de parámetros de proceso basados en la máquina
tales como dureza, energía de fragmentación, reducción de tamaño, potencial de
liberación y recuperación del producto.
Un problema común en la práctica metalúrgica actual es el énfasis en números
relativamente pequeños de pruebas físicas empíricas de alto costo que típicamente
implican una gran masa de muestras. Esto limita la cantidad de datos dentro de los
presupuestos de pruebas limitadas y, a menudo, da lugar a una composición temprana
del núcleo de perforación que tiende a disimular la variabilidad inherente. Si bien un
enfoque de ensayos metalúrgicos de gran volumen puede ser apropiado para la minería
y el procesamiento de escala, no es adecuado para la cartografía geometalurgica y el
dominio de los propósitos que deben ser un precursor para aumentar las decisiones.
Esto se exacerba a través del uso de límites geológicos predeterminados para la
selección de muestras compuestas que no han sido calibrados o validados contra el
rendimiento de procesamiento. Este enfoque puede crear sesgos, especialmente
cuando los límites se relacionan con complejos procesos de alteración difíciles de medir
mediante el registro visual subjetivo (Keeney y Walters, 2011).
Los resultados típicos de la práctica geológica y metalúrgica actual son pequeños
conjuntos de datos con un alto grado de ruido estadístico que hacen difícil definir
poblaciones naturales. Estos datos escasos se rellenan en el modelo de bloque de
recursos utilizando límites predeterminados tales como litología o grado.
Un énfasis en los valores "medios" combinado con una mala comprensión de la
variabilidad y control geoestadístico limitado sobre la distribución espacial conlleva un
riesgo considerable. Esto es evidente en numerosos ejemplos publicados de falta de
capacidad de diseño durante la puesta en marcha y pronóstico exacto de los objetivos
de producción para muchas operaciones (Mackey y Nessett, 2003).
Uno de los principales temas subyacentes detrás de la aparición actual de la
geometalurgia es un paso hacia pruebas físicas de bajo costo que pueden aplicarse a
pequeños volúmenes de muestra adecuados para definir la variabilidad natural (Walters
y Kojovic, 2006; Walters, 2010, McKen y Williams, 2006). Para el modelado
geometalurgico, grandes conjuntos de datos relacionados con pequeños volúmenes de
muestra son un enfoque mucho más efectivo para definir la variabilidad natural que un
número pequeño de puntos de datos 'más precisos'. El resultado final es una estrategia
de muestreo y pruebas de múltiples niveles con un gran número de pruebas
comparativas de bajo costo utilizadas para definir la variabilidad seguida de un pequeño
número de pruebas de alta precisión "bancables" representativas de la variabilidad
escalonada.
Incluso con un mayor número de pruebas más espacialmente representativas, estos
resultados todavía representan datos escasos en comparación con el volumen total de
un depósito de mineral. Hay muchos ejemplos en la práctica actual de unas pocas
decenas de puntos de datos de rendimiento de procesamiento que se usan para
rellenar un modelo de bloque completo. Los datos de rendimiento de procesamiento son
generalmente de dos a tres órdenes de magnitud menos abundantes que los datos de
grado, sin garantía de que los datos se comporten de una manera lineal o aditiva
apropiada para la aplicación de geoestadística de rutina (Preece, 2006; Dagbert y
Bennet, 2006).
Un aspecto clave del proyecto de investigación AMIRA P843 GEM III es el desarrollo
de una serie de metodologías de medición y prueba nuevas o modificadas que pueden
utilizarse para la caracterización geometalurgica de etapas tempranas típicamente a
escala de núcleo durante la factibilidad. El objetivo es proporcionar capacidades más
automatizadas de "visión artificial" para complementar o reemplazar los enfoques de
registro visual de núcleo; Desarrollar capacidades más flexibles y rentables para la
cartografía y microscopía de minerales automatizadas; Y ofrecen un conjunto de
pruebas físicas integradas a pequeña escala y de menor costo para medir los
parámetros de rendimiento del procesamiento. Este enfoque debe ser capaz de
aplicarse a los volúmenes de muestra compartidos idealmente en la escala principal de
los ensayos geoquímicos.
El conjunto diverso de atributos proporcionados por el registro de núcleo más
automatizado, el mapeo mineral, el análisis de texturas y las suites de pruebas de
 pequeña escala en GeM proporciona una matriz de datos multivariante grande y
potencialmente compleja. Esta matriz incluye propiedades intrínsecas basadas en la
roca tales como mineralogía detallada y textura, combinadas con resultados de pruebas
basados en máquinas que pueden usarse como proxies para el procesamiento del
rendimiento (Keeney y Walters, 2009).
Dada una densidad de muestreo suficiente, este tipo de matriz puede utilizarse para
investigar la variabilidad geológica inherente y definir tendencias de población
significativas. Los atributos relacionados con el rendimiento del procesamiento pueden
utilizarse para identificar y restringir agrupaciones geomelúrgicamente relevantes
utilizando una serie de técnicas estadísticas. La estabilidad espacial de estos grupos es
la base para definir los dominios de procesamiento más que los 'tipos de mineral'.
El objetivo final es la definición de dominios de procesamiento para aspectos tales como
el rendimiento o recuperación que son volúmenes independientes, que pueden o no
compartir límites geológicos comunes. Esto es particularmente importante para
sistemas de gran tonelaje a granel, tales como depósitos de Cu-Au pórfido que
típicamente muestran condiciones de límites gradacionales (Keeney, Walters y Kojovic,
2011). Si bien este tipo de enfoque de modelado geométrico puede desafiar el
pensamiento geológico y de definición de recursos tradicional, el paso hacia un
modelado geomecánico verdaderamente integrado y la optimización de recursos
requiere un cambio de paso significativo.
5. ÁREAS DE FOCO DE LA TECNOLOGÍA EN EL GEM PROYECTO
Un objetivo clave del proyecto de investigación GeM es apoyar el requisito de
conjuntos de datos geométricos mucho más grandes vinculados a la variabilidad de la
población mediante el suministro de una gama de diferentes medidas y opciones de
modelado. Éstos se dividen en cuatro categorías principales:
I. DISPOSITIVOS DE PRUEBAS FÍSICAS
Estos incluyen una serie de dispositivos y métodos de prueba que proporcionan
una gama de costos, velocidad a los datos y opciones de resolución
dependiendo del propósito y la fase de la caracterización geométrica, tales como
definición de rango en prefactibilidad, procesamiento de definición de dominio en
la viabilidad temprana, La factibilidad tardía, la optimización del molino en la
producción o el apoyo a la planificación a corto plazo para los pozos abiertos.
Las principales tecnologías de prueba de prototipos ya suministradas por
GeM son el Índice de Conminución GeM aplicado a la trituración del
núcleo de la broca en la preparación del ensayo; Y aplicaciones geomecánicas
del dispositivo JKRBT (Rotary Breakage Tester) para pruebas de dureza de
 impacto rápido (Kojovic, Michaux y Walters, 2010). Un aspecto clave del ensayo
GeM Comminution Index es la aplicación al núcleo de perforación como
parte de la preparación de la muestra de ensayo de rutina que implica el
aplastamiento. Este es un ejemplo de agregación de valor y provisión de datos a
la misma escala que los ensayos (Keeney, Walters y Kojovic, 2011). Otras
pruebas a pequeña escala para predecir los atributos de procesamiento
comparativo, como la recuperación de la flotación y la lixiviación, están en
desarrollo (Kuhar et al, 2011).
Se entiende que todavía se requiere el uso de pruebas de precisión más altas
aceptadas por la industria actual (por ejemplo, el índice de Trabajo de la Fábrica
de Bond completo) para confirmar los atributos de procesamiento clave,
particularmente a escala hasta una decisión minera o diseño de molino. Sin
embargo, la selección de muestras no representativas o insuficientes y el
fracaso para reconocer el verdadero rango dinámico de rendimiento de
procesamiento dentro de un cuerpo mineral puede conducir a una toma de
decisiones de alto riesgo. La suite GeM actual está diseñada para soportar y
complementar las pruebas convencionales facilitando un mayor número de
puntos de datos con un tiempo reducido a los datos y un menor coste. El acceso
a datos geometalurgicos más representativos y estadísticamente validados a la
escala de la variabilidad geológica natural, proporciona mayor confianza en el
conocimiento de los cuerpos minerales vinculado a una mejor gestión del riesgo
en la toma de decisiones.

II. DISPOSITIVOS DE MEDICIÓN RÁPIDOS

Los nuevos dispositivos de medición rápida están diseñados para facilitar la estimación
predictiva de bajo costo de los resultados de las pruebas de trituración física. Los resultados se
usan para extrapolar los resultados de las pruebas físicas en conjuntos de datos mucho más
grandes basados en la recolección de datos de propiedades rocosas de bajo costo o
rutinariamente disponibles vinculados al modelado multivariado. Esto apoya y complementa los
puntos de datos obtenidos mediante pruebas físicas. El proyecto se ha centrado en la
aplicación de escáneres robóticos de núcleo y dispositivos de medición manuales que se
pueden aplicar al núcleo de taladrado (Vatandoost, Fullagar y Roach, 2008; Vatandoost et al.,
2009; Huntington et al, 2004).
El objetivo es identificar los atributos clave de la roca que pueden calibrarse contra los
resultados de las pruebas físicas convencionales. Estos atributos pueden incluir mineralogía
calculada a partir de ensayos de elementos principales; Mineralogía de registro de reflectancia
espectral; Análisis textural de imágenes centrales de alta resolución; Mineralogía cuantitativa de
XRD; O medidas in situ de la resistencia de la roca tales como la velocidad sónica o la prueba
de micro-impacto. La integración de estos datos con herramientas de análisis multivariante
proporciona modelos de estimación de bajo costo que se pueden extrapolar típicamente en
cientos de miles de puntos de datos tales como ensayos.

El proyecto también se ha centrado en la mejora de la cartografía mineralógica y el análisis de

la textura en una gama de escalas. Esto incluye técnicas avanzadas de análisis de imágenes
aplicadas a imágenes de alta resolución a escala meso (Bonnici et al, 2009; Hunt et al, 2009);
Sistemas de microscopía óptica digital más automatizados (Berry, Walters y McMahon, 2008); Y
enlaces mejorados con sistemas de microscopía automatizada basados en SEM, tales como
MLA y QEMSCAN (Hartner, Walters y Berry, 2011).

El objetivo es proporcionar una gama de costes, resolución y velocidad a las opciones de datos
que se pueden integrar en los programas de pruebas de geometalurgia. Dentro del proyecto se
hace hincapié en el modelaje determinístico para identificar y proporcionar proxies para estimar
el rendimiento del procesamiento siempre que sea posible. (Keeney y Walters, 2009). La
identificación de los atributos dominantes de la propiedad de la roca que controla en una gama
de escalas también facilita el foco en la colección temprana de la mayoría de los datos de la
característica de la roca del tiempo y del coste-eficacia en un nivel individual del sitio. Esto
permite la selección de las tecnologías apropiadas para la recolección de datos para la
aplicación de rutina en el patio central o en los laboratorios analíticos comerciales.

III. Modelado predictivo multivariado

El modelado multivariado está diseñado para integrar y visualizar los grandes conjuntos de
datos generados a través de los resultados de las pruebas y la medición. El objetivo es utilizar
los datos de "control" derivados de pruebas físicas reconocidas tales como Índice de Trabajo de
Enlace o recuperación de la flota en lotes, para identificar y calibrar los atributos medidos de la
propiedad de la roca. Esto puede usarse para generar conjuntos de datos grandes de valores
de rendimiento de procesamiento estimados. Se utiliza una amplia variedad de técnicas
estadísticas multivariantes, tales como análisis de componentes principales (PCA),
distribuciones de probabilidad y modelos de regresión lineal múltiple (Keeney y Walters, 2011).
Una vez que se han generado grandes conjuntos de datos estimados, el análisis multivariado
puede utilizarse para identificar poblaciones naturales y agrupaciones que representan "clases"
de similitud. Esto conduce finalmente a la definición de la definición de dominio de proceso tal
como rendimiento. Estos dominios de procesamiento definidos por los resultados pueden
coincidir con unidades geológicas tradicionales o, en muchos casos, sugieren revisiones
significativas que pueden formar la base de procedimientos de registro y mapeos
geometalurgicos más eficaces.

Existen significativos vínculos de apoyo entre los resultados del modelado multivariado y la
propagación geoestadística de datos geométricos en el modelo de recursos. La generación de
conjuntos de datos mucho más grandes facilita la definición de variabilidad y variografía para
los atributos de procesamiento individuales. La experiencia hasta la fecha ha indicado que las
técnicas geoestadísticas de rutina, como el krigeage de indicadores, parecen adecuadas para
tratar los atributos de procesamiento si se dispone de datos suficientes y la definición de
variografía. Existe un debate continuo significativo en la industria acerca de la potencial no
aditividad y linealidad de los atributos de rendimiento del procesamiento. Parte de este debate
involucra confusión entre las influencias matemáticas y mecánicas sobre la aditividad que se
discute más adelante en la siguiente sección.

IV. Integración con modelos predictivos de rendimiento del molino

La integración con los modelos predictivos de rendimiento de las fábricas y la reconciliación

operativa deberían ser el objetivo final de los programas de cartografía geometalurgica (Lozano
y Bennett, 2003; Kojovic, Michaux y Walters, 2010, Starkey y Dobby, 1996). Es fundamental
identificar a los clientes para la información geometalurgica y el tiempo para valorar los datos
apropiados. Esto se logra generalmente a través de la creación de equipos multidisciplinarios
de geometalurgia que representan a todas las partes interesadas en la aplicación acertada.

El objetivo geometalúrgico es compartir objetivos y resultados que están claramente vinculados

a los objetivos de mejora operativa.

El factor clave es la retroalimentación entre los modelos geométricos de recursos predichos y el

rendimiento real del procesamiento (por ejemplo, Alruiz et al, 2009, Bulled et al., Flores, 2005,
Kojovic, Michaux y Walters, 2010). Esto conduce a mejoras a través de la identificación de
zonas con escaso rendimiento que requieren una definición más cuidadosa; Pronóstico más
preciso; Y un menor riesgo de que el conocimiento de los cuerpos de minas incompletos afecte
la eficiencia operativa.

Dentro del proyecto GeM , la integración operacional se facilita mediante el uso de

especificaciones geometalurgicas y diagramas de desempeño predictivos compartidos en toda
la gama de disciplinas. Esto proporciona un "lenguaje común" entre la caracterización
predictiva in situ de las rocas y el rendimiento real del molino y construye puentes entre las
diversas disciplinas involucradas en la integración efectiva. La reconciliación con el rendimiento
del molino es el árbitro supremo de la calidad y precisión de los modelos geométricos y es el
circuito de retroalimentación crítico para la mejora (Kojovic, Michaux y Walters, 2010).

Sin embargo, hay muchos factores operacionales involucrados en el logro del rendimiento a
largo plazo ya corto plazo del molino, algunos de los cuales caen fuera de la influencia y la
responsabilidad de los programas geomecánicos. Separar el rendimiento de la máquina de la
inflación de alimentación de roca es un aspecto clave en la definición de las funciones y
responsabilidades de los programas geométricos. La cuestión contenciosa de la aditividad y la
linealidad de los atributos de procesamiento predictivo señalados en la sección anterior está
fuertemente relacionada con el rendimiento de la máquina y debe considerarse como un paso
adicional para los programas geometalúrgicos totalmente integrados.

Hay aspectos no lineales significativos para el rendimiento de la máquina, tales como el

rendimiento del molino SAG o la recuperación de la célula de flotación. En ambos casos, la
inclusión de una pequeña proporción de alimento que muestra atributos extremos tales como
rocas muy duras o blandas en molienda SAG o material con atributos de flotación deficientes
tales como alto contenido de pirita o clorita en flotación puede resultar en una influencia
ponderada no variable en el rendimiento de procesamiento. En ejemplos extremos, incluso una
pequeña proporción de alimento deletéreo puede afectar adversamente el rendimiento general.

Esto representa una respuesta de mezcla no lineal específica de la máquina que en algunos
casos puede ser mitigada operativamente dada conocimiento previo. El aumento de los datos
geometalurgicos de la escala de depósito y el modelado geoestadístico avanzado no abordarán
la cuestión de la no linealidad y aditividad específicas de la máquina. La predicción del
rendimiento de la mezcla es un reto importante para la caracterización geométrico-quirúrgica, lo
que requiere un enfoque de prueba y modelado diferente. Se está llevando a cabo una
investigación en P843A para desarrollar metodologías físicas de prueba de respuesta de
mezcla que pueden predecir el rendimiento de mezclas definidas. En este trabajo hay
importantes desafíos de ampliación.

El objetivo es generar curvas de respuesta para mezclas definidas que se pueden aplicar como
una función de transformación para predecir el rendimiento de procesamiento usando
algoritmos fuera del modelo de bloque de recursos. En este enfoque, el modelo de bloque
geometalurgico proporciona estimaciones de las proporciones relativas de unidades
geometalurgicas específicas en un programa de producción dado, mientras que las curvas de
respuesta de mezcla se usan como una tabla de consulta operacional para predecir el
rendimiento relevante del molino. La identificación de mezclas adversas también facilitará
estrategias de mezcla más efectivas.

6. RESUMEN

La aplicación de las herramientas y metodologías desarrolladas en el proyecto GeM puede

dividirse en siete temas principales:

 Aplicación de nuevas herramientas de exploración de núcleos que podrían utilizarse

para complementar el registro tradicional.
 Nuevas herramientas de pruebas físicas que podrían ofrecer un menor costo y / o
tiempo más rápido a los datos, particularmente con respecto al apoyo a la planificación
a corto plazo.
 Proporción de conjuntos de datos adicionales que podrían utilizarse para comprender y
modelar mejor los vínculos entre la geología y el rendimiento del procesamiento (por
ejemplo, reflejos espectrales, imágenes clasificadas de alta resolución, DRX, ensayos
de ensayos más extensos, etc.).
 Herramientas de análisis de datos multivariantes que podrían utilizarse para identificar y
modelar extensos conjuntos de datos existentes (y cualquier conjunto de datos
adicionales) para predecir atributos de dureza tales como Índice de Trabajo de Enlace o
índices de dureza de impacto.
 Creación de vínculos iterativos de feed-back entre atributos geometallúrgicos con
modelos de rendimiento de fresado simulados y reales para validar y mejorar
continuamente modelos geométricos basados en el enfoque del cliente.
 Evaluación de la variabilidad y variografía de los índices de desempeño del
procesamiento a la escala del modelo de bloques de recursos que podrían utilizarse
 para definir mejor y restringir futuros programas de muestreo basados en la confianza
de los datos dentro de las poblaciones naturales.
 Iniciativas de capacitación y educación para apoyar programas de mejora y
transferencia de tecnología.

7. CONCLUSIONES

El área emergente de la geometallurgia representa un reto interdisciplinario para la industria

global de minerales que está impulsando nuevas iniciativas de investigación. El proyecto
AMIRA P843 GeMIII en curso representa una importante respuesta integrada a este desafío. El
proyecto involucra a grupos de investigación que aunque los líderes reconocidos en sus
respectivos campos no han participado anteriormente en la investigación de colaboración en
esta área.

El enfoque inicial del proyecto se ha centrado en el desarrollo de métodos integrados para

facilitar un análisis más rentable de las muestras a pequeña escala y abordar cuestiones de
variabilidad geológica inherente. Esto está proporcionando cada vez más insumos clave en
nuevos enfoques de la modelización geometalurgica espacial. La misión es proporcionar
índices predictivos de rendimiento geométrico que se pueden confiar en los modelos de
recursos y utilizarlos para la planificación y optimización de la mina. La reconciliación contra el
rendimiento de procesamiento previsto es el último bucle de retroalimentación que debe
utilizarse para impulsar programas de cartografía geometalurgicos.

El éxito final de la geometallurgia totalmente integrada requiere un nuevo enfoque para definir y
caracterizar los minerales en términos de alimentación restringida a un proceso de fabricación.
Esto requiere un "lenguaje" operativo basado en la roca más efectiva, cuantificada, sistemática
y reproducible en términos de atributos críticos basados en la máquina, relevantes para el
procesamiento de parámetros de rendimiento. El objetivo del proyecto AMIRA GeM está
diseñado para apoyar este objetivo.

Aunque la geometalurgia es un término cada vez más utilizado, no existe un estándar aceptado
o acreditado de la práctica industrial. También hay una considerable divergencia de opiniones
entre los actuales defensores del alcance y la definición de la geometallurgia. Se requiere un
gran esfuerzo de todas las partes interesadas para resolver estos problemas e identificar la
propuesta de valor para sostener la futura práctica de la industria. Los proyectos de
investigación interdisciplinares integrados con masa crítica son un componente de este
esfuerzo.

EXPRESIONES DE GRATITUD

Esta investigación es parte de un importante proyecto de colaboración en geometalurgia que se

está llevando a cabo en CODES y SES (Universidad de Tasmania), JKMRC, BRC y CMLR
(Instituto de Minerales Sustentables, Universidad de Queensland) y Parker Center CRC
(CSIRO).