Capítulo 1

Reporte de Recursos
1.1 Sondajes

Una vez que es detectada la anomalía geológica en una etapa previa de prospección, y luego
de un período de tres meses, se comenzó con la etapa de exploración. Los métodos utilizados
fueron la perforación diamantina y la perforación por aire reverso. La inversión en ésta etapa
fue de casi 5,95 Millones de dólares.

Datos generales de la campaña de sondaje

 Área abarcada por la exploración: Aprox. 781.843 m2

 Numero de perforaciones realizadas: 335
 Metros perforados: 104.264 [m] (29.715,24 [m] a través de perforación diamantina y
74.548,76 [m] a través de perforación por aire reverso)

La malla de sondaje desde una vista de planta se encuentra principalmente orientada con
rumbo N 20 W. En el sector Noroeste de la zona explorada, se ubican 20 sondajes, que siguen
un formato de malla semi-regular (± 60 x 60 [m]), de los cuales 14 de ellos fueron hechos
con un dip de -90, es decir de manera vertical. El resto de sondajes se encuentran ubicados
de manera irregular, la mayoría con cierta inclinación con respecto a la vertical dirigida en
forma normal a la topografía.

De la campaña de sondajes, y a través de un análisis mineralógico y geomecánico de los

testigos, se obtuvo la tabla ASSAY, en la cual se tabulan las leyes del metal principal (oro)
y metal secundario (cobre) halladas en diferentes tramos de un mismo sondaje, además del
tipo de roca, que en ésta ocasión se ha clasificado entre estéril y mineral. Por otra parte, y
con la ayuda de los equipos de perforación, se obtienen las tablas SURVEY y COLLAR, que
nos señalan la orientación y ubicación de los sondajes en el espacio correspondientemente.
Esto permite hacer un posterior modelamiento espacial de los datos obtenidos y tabulados en
la tabla ASSAY, a través del Software Datamine.
Imagen 1.1 Vista de Planta de los sondajes, proyectados en el Software Datamine, en la ventana Design. En la
parte superior e inferior se ven las coordenadas locales Este, y en la parte izquierda, las coordenadas locales
Norte. Los círculos representan el comienzo de los sondajes. Los círculos que están solos y no se extienden a
través de una línea, se encuentran orientados de manera vertical. Por el contrario, los círculos unidos a una
línea están inclinados con respecto a la vertical. El segmento de línea perpendicular a las líneas más largas de
los sondajes inclinados, señala el fin del sondaje. El color verde representa el estéril, mientras que el rojo el
mineral. Los círculos verdes son sondajes que comenzaron perforando estéril. Sin embargo, desde esta vista
no se puede concluir que el sondaje atravesó completamente por estéril, y lo mismo se deduce de los círculos
rojos. Los sondajes inclinados tienen posibilidades de tener fragmentos rojos y verdes desde ésta vista.
 Imagen 2.1 Vista de perfil de los sondajes, dirigida desde el Sur hacia el Norte, proyectada en el Software
Datamine, en la ventana Design. En la parte superior e inferior se muestran las coordenadas locales Este, y en
la parte izquierda se muestra la coordenadas locales Z, las cuales pertenecen a la cota del sector. Debido a que
ésta es una vista de la data completa, y no sección por sección de sondajes, se genera una visualización muy
poco traducible. Sin embargo, nos permite percibir la profundidad que han alcanzado los sondajes, y la
posible profundidad que posea el yacimiento. Al igual que en la imagen 1.1, el color verde representa el
estéril, y el rojo el mineral.

1.2 Topografía

El equipo topográfico se encargó de levantar el sitio, a través de estaciones totales, y

apoyados de equipos GPS. La finalidad es obtener la altimetría del sector. Los archivos
CONTORNO y TOPO, nos permitirán traspasar la información topográfica al Software
Datamine. Ambos poseen un formato de String (línea). El primero de los archivos
mencionados, une con una línea los puntos que delimitan el área levantada, mientras que el
segundo corresponde a un set de líneas que unen a los puntos que se encuentran a una misma
altura, dentro del área levantada. Seguidamente, estas strings se unen y forman una
Wireframe, que corresponde a un modelo esquelético tridimensional en la cual sólo son
[1]
representados líneas y vértices . En éste caso, los vértices corresponden a los puntos
tomados del levantamiento topográfico. El resultado es la representación de la superficie, en
la cual se emplazará el pit final y todas las estructuras necesarias para la operación del
proyecto.

Algunos datos acerca de la superficie proyectada en el software Datamine son las siguientes:

 Área de la superficie total: 43.881.556,49 [m2]

 Área proyectada desde planta: 43.548.379,72 [m2]: 4.354,83 [has]
 Máxima elevación: 290 [m]*
 Mínima elevación: 750 [m]*
 Coordenada X mínima: 3.960,68 [m]*
 Coordenada X máxima: 10.998,16 [m]*
 Coordenada Y mínima: 3.658,18 [m]*
 Coordenada Y máxima: 9.935,68 [m]*

La topografía se visualiza en el Sofware Datamine, en la ventana Design, como un conjunto

de triángulos, desde la vista de planta, de la siguiente manera:

[1]
Definición hallada en el buscador Google como “wireframe meaning”

*Corresponden a coordenadas de tipo locales, por lo que no se correlacionan a las U.T.M especificadas en el
preludio “Introducción al proyecto”
 Imagen 3.1 Wireframe de la topografía, vista desde planta

Imagen 4.1 Topografía del sector, proyectada en la ventana VR, en el software Datamine, desde una vista en
3D, en dirección desde el Sureste hacia el Noroeste
1.3 Modelo de bloques geológico

1.3.1 Delimitación del depósito

Los sondajes desarrollados, además de darnos evidencias de las leyes de los minerales que
existen, nos permitirán hacer una interpretación geológica del depósito, es decir, determinar
su tamaño y forma, lo que incluye sus límites. Sin embargo, hay que tener en cuenta que
separar el mineral del estéril es una tarea difícil, ya que el límite geológico entre ambos rara
vez es claro en la naturaleza [1]. El límite, en éste caso, se ha definido a través de una ley de
corte, que no corresponde a las leyes que se utilizan en el plan de producción, sino que ha
sido creada con el único fin de, como se dijo anteriormente, definir los límites del depósito.
Ésta ley de corte no es tan exigente, y sólo pretende “descartar” un pequeño porcentaje de la
mineralización. Ha sido definida a través de los siguientes parámetros:

 Costo planta (operativo): 3,09 [us$/ton procesada]*

 Recuperación mineralúrgica: 77,11 %*
 Precio del oro: 45,85 [us$/grs Au]*
 Costo de refinación: 0,3527 [us$/grs Au]*
 Costo de venta: 2,2928 [us$/grs Au]*

De ésta manera, se tiene que la ley a la cual el tipo de roca pasa de ser mineral a estéril es
0,09 [grs Au/ton].

El siguiente paso es crear los perfiles del depósito. Para esto, y a través del software
Datamine, se tiene que cambiar la visualización de los sondajes. La visualización se voltea
de un modo tal que se pueda ver una “fila” de sondajes en forma lateral (de perfil). Así pues,
sabiendo que la malla de sondajes ha sido diseñada de modo que tiene una orientación hacia
el Noroeste (véase Capítulo 1 “Reporte de Recursos”, Tema 1.1 “Sondajes”), los perfiles, en
consecuencia, tendrán la misma orientación. El resultado final es un total de 31 perfiles
geológicos. A continuación, se muestran las imágenes de algunos de ellos:
[1]
Extraído del artículo “El enfoque geoestadístico para reservas”, publicada en la Revista Minería, en Mayo
1996 .

*Valores obtenidos del reporte técnico “NI 43-101 The Cerro Maricunga Project, Pre-feasibility study”,
proyecto de similares características al del presente informe.
Imagen 5.1 Perfil N°3 (El conteo de los perfiles es desde el Norte hacia el Sur)

Imagen 6.1 Perfil N°5

Imagen 7.1 Perfil N°11

Imagen 8.1 Perfil N°16

Imagen 9.1 Perfil N°17

Imagen 10.1 Perfil N°21

Imagen 11.1 Perfil N°23

Imagen 12.1 Perfil N°24

 Imagen 13.1 Perfil N°25

En los perfiles 16, 17, y luego en los perfiles 23, 24 y 25 se han dibujado unos pequeños
contornos, que corresponden a la delimitación de ciertos bolsones de estéril hallados al
interior del mismo depósito, y que tienen un volumen considerable, de modo que se creyó
necesario separarlos de la totalidad del depósito mineralizado.
Imagen 14.1 Vista de Planta de los 31 perfiles, a los que se le adicionan 2 perfiles extras en el extremo norte y
en el extremos sur, con las funciones de cerrar el cuerpo que se creará. También hay dos pares de perfiles
pequeños que cierran los bolsones de estéril. Las líneas rojas son “tag strings”, una herramienta del software
Datamine para asegurar la correcta unión entre perfiles.

Los perfiles se unen a través de la herramienta “Link Multiple Strings” del software
Datamine. Los puntos por los cuales se define cada perfil, se unen con los puntos de los
perfiles anteriores y posteriores, de manera tal que se forman superficies triangulares entre
los mismos. Las uniones entre puntos se han revisado de tal manera de controlar que, por
ejemplo, no se unan puntos que se encuentren arriba en un perfil con puntos que se encuentran
abajo en el siguiente perfil. Esta situación generaría superficies traspuestas, y distorsionaría
los resultados finales del depósito, tales como el volumen del mismo. Así pues, al unir los
perfiles, se genera la siguiente Wireframe, que corresponde al depósito:
 Imagen 15.1 (A la izquierda) Vista de Planta del Wireframe del depósito. (A la derecha) Vista de Perfil
derecho (desde este a oeste) del Wireframe del depósito. Ambas vistas proyectadas desde la ventana Design,
en el software Datamine.

Imagen 16.1 Vista en 3D (desde Sureste hacia el Noroeste) del depósito, desde la ventana VR, en el software
Datamine.
1.3.2 Prototipo del modelo

El depósito en cuestión es modelado a través de un conjunto de bloques o cubos (celdas), los

cuales poseen información mineralógica y litológica (en éste caso, contendrán las leyes de
oro y cobre interpoladas, además del tipo de roca al que corresponde), y además se encuentran
bien identificadas en el espacio, ya que sus coordenadas del punto central están disponibles
en la base de datos resultante. Pero, mucho antes de definir los atributos que contienen dichos
bloques (leyes y tipo de roca), primero que todo hay que definir las dimensiones de dichos
bloques. Estas dimensiones no aplican (en todas las direcciones) para las celdas que se
encuentran en los bordes del cuerpo mineralógico, ya que dichas celdas tienen que
acomodarse a los límites dispuestos por el depósito. Es por esto que el modelo será definido
a través de celdas y subceldas. También es importante aclarar que, si bien es cierto el cuerpo,
visto desde planta, se encuentra dirigido hacia el Noroeste, las celdas que lo rellenan están
dirigidos directamente hacia el Norte, sin ninguna inclinación.

Los criterios para escoger el tamaño de las celdas fueron los siguientes:

 Distancia entre sondajes

Idealmente el ancho y largo de un bloque debiesen ser menor al espaciamiento mínimo

hallado entre los sondajes. Esto es porque si las leyes son interpoladas, un bloque que es
suficientemente grande como para ser atravesado por dos sondajes, tendrá una ley que no
corresponde ni a uno ni al otro sondaje.

Para hallar el espaciamiento mínimo, habrá que fijarse en los sondajes que se encuentran en
un mismo perfil. Aquellos que se encuentran entre medio de los perfiles, se descartan para
ésta búsqueda. Hay que fijarse en los pares de sondajes que tengan un código de número
continuo.

Algunas de las distancias halladas fueron las siguientes:

 Entre los sondajes DH253 y DH254 hay una distancia de 1,4 [m]
 Entre los sondajes DH276 y DH277 hay una distancia de 1 [m]
 Entre los sondajes DH235 y DH236 hay una distancia de 1,3 [m]
 Entre los sondajes DH232 y DH233 hay una distancia de 2 [m]
 Entre los sondajes DH282 y DH283 hay una distancia de 1,9 [m]
  Entre los sondajes DH389 y DH390 hay una distancia de 1 [m]

Esto nos sugiere crear un modelo de bloques con dimensiones que bordean los 1 a 2 metros.
Sin embargo, para un proyecto de ésta naturaleza, resulta inadecuado crear bloques de
dimensiones tan pequeñas, porque, si bien se cumpliría con las expectativas de una alta
selectividad, se requería de equipos de carga pequeños, y la extracción completa del depósito
podría tardar varios años.

Otros pares de sondajes hallados y sus respectivas distancias fueron las siguientes:

 Entre los sondajes DH143 y DH144 hay una distancia de 10,5 [m]
 Entre los sondajes DH162 y DH163 hay una distancia de 9,4 [m]
 Entre los sondajes DH314 y DH315 hay una distancia de 9,9 [m]
 Entre los sondajes DH325 y DH324 hay una distancia de 8,5 [m]
 Entre los sondajes DH438 y DH439 hay una distancia de 10 [m]

Esto nos sugiere crear bloques con dimensiones de ancho y largo entre 8 a 10 metros.

 Altura de carguío

La altura de las celdas puede ser definida a través del equipo de carguío que se podría utilizar
para la extracción del material. Para escoger un equipo de carguío, se tiene que definir una
tasa de producción. Ya que por el momento no se ha creado un modelo de bloques económico,
entonces se escogerá un ritmo óptimo de producción con una fórmula empírica. La regla de
Taylor (1976), permite calcular la tasa de producción siguiendo la siguiente ecuación:

 ROP (Mton/año) = 0,25 x (Reservas en Mton) 0,75

Las reservas son la parte económicamente explotable de un recurso mineral, medido o

indicado [1]. Sin embargo, por el momento no se tienen las leyes interpoladas, entonces no se
pueden clasificar los bloques entre recursos minerales medidos, indicados o inferidos. Se
considerarán las reservas como el depósito completo, independiente del nivel de
confiabilidad de la información que exista en ciertos sectores del mismo. El volumen del
depósito es de 139.213.005,07 [m3]. La densidad del mineral se ha promediado en 2,6
[ton/m3]. Con esto se tiene que:
[1]
Definición obtenida de la traducción del código de Jorc, del año 1999
  Reservas = 361,95 Mton
 ROP = 20,75 [Mton/año]

La cantidad de reservas, nos da a entender que se tratará de un yacimiento de pequeña a

mediana dimensiones. Según esto se tiene lo siguiente:

 Primera suposición: Si la mina contase con 1 equipo de carguío, éste tendría que tener
un rendimiento horario teórico de 2.368 [ton/hora]. Para que su rendimiento práctico
alcance éste valor, la pala debiese tener una capacidad de 55 [m3]*, lo que
corresponde a una capacidad de una pala de cables.
 Segunda suposición: Si la mina contase con 2 equipos de carguío, estos tendría que
tener un rendimiento horario teórico de 1.184 [ton/hora]. Para que su rendimiento
práctico alcance éste valor, el balde debiese tener una capacidad de 30 [m3]*, lo que
todavía sigue correspondiendo a una capacidad promedio de una pala de cables.
 Tercera suposición: Si la mina contase con 3 equipos de carguío, estos tendría que
tener un rendimiento horario teórico de 789 [ton/hora]. Para que su rendimiento
práctico alcance éste valor, la pala debiese tener una capacidad de 18 [m3]*, lo que
corresponde a una capacidad de un cargador frontal.

Resulta más conveniente utilizar tres cargadores frontales que dos palas de cables, en
términos de inversión. Es por eso que nos quedamos con la tercera suposición. Existen una
variedad de cargadores frontales en el mercado con una capacidad de balde de 18 [m3]. Se ha
escogido el cargador frontal 993K de la marca CAT. Su cucharón se puede levantar hasta
una altura máxima de 9,9 [m].

En conclusión, para que el equipo de carguío no tenga dificultades operativas, el bloque que
se extraiga, no debiese tener una altura mayor a 10 [m].

*Considerando densidad del mineral 2,6 [ton/m3], fill factor 95%, eficiencia 60% y tiempo de ciclo 30
[ciclos/hora]
  Histogramas y tramos del sondaje sin compositar

La compositación consiste en homogeneizar el volumen que presenta la(s) variable(s). El

volumen sobre el cual se considera la variable se denomina soporte [1].El tamaño de las celdas
del modelo geológico tiene una estrecha relación con el tamaño del soporte. También existe
una dependencia entre el soporte y la distribución estadística de los valores, conocido como
“efecto soporte”. La forma del histograma de los datos tiende a simetrizarse cuando se
aumenta el soporte, además de disminuir la varianza. Sin embargo, al aumentar se pierde la
exactitud sobre las leyes y los tonelajes.

Con un tramo de compósito de longitud 8 metros, los datos quedan representados con el
siguiente histograma:

Gráfico 1.1 Histograma de las leyes de Au, para un tamaño de compósito de 8 metros (Fuente: Minitab)

[1]
Definición extraída del texto “Apunte de Geoestadística”, Capítulo 1 “Introducción”, página 3, Profesor
Xavier Emery, Universidad de Chile, año 2007.
A la vez, con un tramo de compósito de longitud 10 metros, los datos se presentan a través
del siguiente histograma:

Gráfico 2.1 Histograma de las leyes de Au, para un tamaño de compósito de 10 metros (Fuente: Minitab)

Por otra parte, con un tramo de compósito de longitud 15 metros, los datos tienen el siguiente
histograma:
 Gráfico 3.1 Histograma de las leyes de Au, para un tamaño de compósito de 15 metros (Fuente: Minitab)

Cuando el compósito es de 8 metros, se forman dos bits, barras o intervalos de valores que
poseen la mayor frecuencia. El objetivo será aumentar el tamaño del compósito con tal que
por lo menos exista tan solo una barra que tenga la mayor frecuencia. Al observar los
histogramas, se concluye que un compósito igual o mayor a 10 metros podría ser ideal.

Otro efecto que acarrea el aumento del soporte, es la aparición de espacios sin información a
lo largo del sondaje. Esto porque la compositación se hace según las zonas litológicas, es
decir, se realiza una compositación distintamente para una zona con roca de estéril, y para
una zona mineralizada. Por ende, como se está realizando la compositación a cierta longitud
(8, 10 o 15 [m] como los ejemplos) y desde cierto punto de referencia (520 m.s.n.m para éste
caso, ya que es la altura a la cual el modelo de bloques geológico logra cubrir toda la
topografía modelada en el software Datamine), cabe la posibilidad de que en los contactos
litológicos los tramos no logren alcanzar la longitud del soporte mínima requerida (que
corresponde a la mitad de la longitud del soporte señalado). Es por eso que esos tramos del
sondaje quedan sin información, es decir, sin que se señalice la ley de oro y cobre que hay
ahí. A través de una hoja de cálculo de Excel, se pueden contar los “saltos” o tramos que
quedan sin información. Solo basta observar las columnas “from” y “to” de la base de datos.
Cuando el siguiente tramo tiene un “from” no equivalente al valor de “to” del tramo anterior,
quiere decir que hay un tramo del sondaje que ha quedado sin compositar.

La cantidad de tramos sin compositar para cada longitud de compósito sugerida son:

 Para un compósito de 8 metros, hay 597 espacios que han quedado sin compositar.
 Para un compósito de 10 metros, hay 557 espacios que han quedado sin compositar.
 Para un compósito de 15 metros, hay 438 espacios que han quedado sin compositar.

Por supuesto, la cantidad de “saltos” son relativos a la cantidad de datos que contiene el Excel
para cada longitud de soporte. Cuando la compositación se realiza con un tamaño de soporte
más grande, la cantidad de datos se reducen. Para el compósito de 8 metros, la cantidad de
“saltos” que hay corresponden al 4,93% de la data total. Mientras que para 10 y 15 metros
son 5,75% y 6,84% respectivamente. Como la pérdida de información va incrementando en
la medida que se aumenta el tamaño del soporte, es preferible elegir un tamaño no mayor a
los 15 metros.

En conclusión, y según estos dos puntos, se sugiere que el tamaño del soporte sea de 10
metros, y por ende, el tamaño de los bloques puede ser de la misma dimensión.

Finalmente, siguiendo los análisis anteriores, se ha escogido un tamaño de bloques de

10 [m] x 10 [m] x 10 [m].

Ahora, volviendo al tema del prototipo del modelo, la “caja” que encierra a las celdas o
bloques, tiene que ser de un tamaño tal que sea capaz de encerrar a todo el depósito, así como
toda la sobrecarga de material que hay encima de él. Para escoger el tamaño del modelo, se
recrea un pit muy preliminar de ángulo de talúd de 45°, que podría aplicarse para extraer los
recursos existentes. Esto se hace para tener una vaga, pero concreta idea, del material de
estéril que vendrá acompañado junto a la extracción del mineral. Adicionalmente, como el
modelo debe tener una forma similar a un paralelepípedo, se incluye en el modelo todo el
resto de material que está por debajo de la línea de talud del pit, hasta el límite más profundo
del depósito. Así mismo, y siguiendo las instrucciones descritas, las coordenadas del modelo
son las siguientes:
 Mínima Máxima Rango
Coordenada X 6760 8860 2100
Coordenada Y 6295 8535 2240
Coordenada Z -370* 520* 890
Tabla 1.1 Se muestran las coordenadas mínimas y máximas del modelo. En la coordenada Z, el valor -370
corresponde a la cota mínima del depósito, mientras que los 520 corresponde a la cota máxima de la topografía
que está por encima del depósito. Las coordenadas de X e Y se escogieron según una cuadrícula vista desde
planta que encierra a un pit preliminar de 45° de talud final, con el cual es posible la extracción del depósito.

Como el tamaño de las celdas son de 10 [m] x 10 [m] x 10 [m], entonces a lo largo del eje X
se tienen 210 celdas, mientras que para el eje Y se tienen 224 celdas, y finalmente para el eje
Z se tienen 89 celdas. La siguiente imagen, corresponde al modelo de bloques de estéril, que
convierte en roca tipo estéril a todos los bloques que están por debajo de la topografía, y que
más tarde, al combinarse con el modelo de bloques de mineral, el resultado es el modelo de
bloques geológico final. Si bien no corresponde al prototipo del modelo de bloques completo
(ya que no posee los bloques por encima de la topografía), igualmente nos proporciona una
idea de cómo se ha construido dicho modelo:

Imagen 17.1 Vista de frente (de Sur a Norte) del modelo de bloques de estéril
1.3.3 Estudio Exploratorio de los Datos

Antes de ocupar cualquier método geoestadístico, conviene hacer un estudio exploratorio de

los datos. Esto incluye:

 Analizar (mediante herramientas estadísticas simples) la cantidad, la calidad y la

ubicación de los datos disponibles [1].
 Manejar los datos (valores atípicos y duplicados)
 Histogramas de los datos

En el tema anterior, se trató acerca del tema de la compositación. Como se observó, el tamaño
de soporte más apropiado para la compositación es de 10 metros. Como resultado de dicha
compositación, los datos quedan representados a través del histograma mostrado en el Tema
1.3.2 (Grafico 2.1)*. A continuación, se muestra el histograma, pero de la otra variable
presente, que es la ley de Cu, para un soporte de 10 metros:

Gráfico 4.1 Histograma de las leyes de Cu, para un tamaño de compósito de 10 metros (Fuente: Minitab)*

*En ambos gráficos, las barras tienen una amplitud de 0,1. Las barras que se ubican en el 0, empiezan desde el
-0,05.
[1]
Definición extraída del texto “Apunte de Geoestadística”, Capítulo 2 “Estudio Exploratorio de datos”, página
7, Profesor Xavier Emery, Universidad de Chile, año 2007.
A modo de realizar una comparativa con los datos originales de los sondajes (sin compositar),
se presenta a continuación los histogramas para las dos variables (ley de Au y Cu)
precisamente sin compositar:

Gráfico 5.1 Histograma de las leyes de Au, sin compositar (Fuente: Minitab)*

Gráfico 6.1 Histograma de las leyes de Cu, sin compositar (Fuente: Minitab)*

*En ambos gráficos, las barras tienen una amplitud de 0,2. Las barras que se ubican en el 0, empiezan desde el
-0,1.
A través del histograma del Au compositado se puede observar que la mayoría de los datos
tienen una ley entre 0 y 1 [grsAu/ton]. Éste histograma se despliega hasta un poco más de los
7 [grsAu/ton]. En específico, hay dos datos que tienen una ley mayor a 7 [grsAu/ton]. Se
podrían tratar de datos atípicos, pero conviene hacer un mapa en donde se desplieguen los
datos para concluir esto. Hay que recordar que los datos atípicos no son necesariamente falsos
(como serían en el caso cuando ocurren errores de transcripción o fallas en el proceso de
medición), y hasta pueden demostrar el verdadero comportamiento de la variable analizada.

Otra conclusión de los histogramas, tanto para la ley de oro y de cobre, es que los datos se
distribuyen de manera log-normal. Este comportamiento, en general, es propio de los
depósitos de oro, en donde la media de los datos tiene un valor bajo, y hay unos pocos valores
que son más grandes que la mayoría.

 Estadísticos básicas

De modo de apoyar la información que se tiene hasta ahora, a continuación se muestran

algunos datos estadísticos, para los dos casos (con y sin compositación) de ambas variables
(Ley de Au y Cu)

Imagen 18.1 Comparativa entre las estadísticas de los datos compositados con un soporte de 10 metros (a la
derecha), y datos sin compositar (a la izquierda), para la variable ley de Au
 Imagen 19.1 Comparativa entre las estadísticas de los datos compositados con un soporte de 10 metros (a la
derecha), y datos sin compositar (a la izquierda), para la variable ley de Cu

La intención de la compositación es regularizar los datos. La disminución en el valor de la

varianza es un claro ejemplo de que los datos se han regularizado, ya que ahora se encuentran
aún más cerca de la media de los mismos. También se observa que el máximo valor ha
disminuido. En general, la compositación acarrea una subestimación de los datos, lo que en
la evaluación económica traerá consecuencias, disminuyendo los beneficios. Por último hay
que percatarse que el sesgo en los datos ha disminuido, lo que favorecerá a cualquier
procedimiento geoestadístico posterior.

 Nube de correlación

Como se trata de dos variables que fueron estimadas en los mismos soportes, se puede hacer
un análisis de correlación entre ellas. Si existe dicha relación, se pueden hacer ciertas
deducciones acerca del comportamiento general del depósito. Véase el siguiente gráfico:
 Gráfico 7.1 Gráfica de dispersión de los datos compositados de Au y Cu (Fuente: Minitab)

Con una regresión lineal, se tiene que los datos tienen cierta relación, aunque ésta no es muy
clara en los datos que tienen una ley de Au mayor a 4 [grsAu/ton], y en los que tienen una
ley de cobre mayor a 3%. Para apoyar la hipótesis de que ambas variables se relacionan entre
sí, además del apoyo gráfico, se puede recurrir al coeficiente de correlación de Pearson, el
cual mide la relación lineal entre dos variables. Cuando éste coeficiente se aproxima más al
1, esto significa que los datos se encuentran mejor correlacionados. En éste caso, el
coeficiente de correlación de Pearson ha dado 0,744, lo que indica una buena correlación
entre ambas variables.

El gráfico nos podría servir para descartar los datos que se alejen de la línea que conforma el
arreglo lineal. Por ejemplo, dos datos que se encuentran bastante alejados serían el que se
encuentra al extremo derecho de la gráfica, y el que se encuentra más arriba que cualquiera
de los otros datos en la gráfica. Mediante el software Minitab se puede identificar sus leyes,
y mediante el Excel que contiene la base de datos, se pueden identificar su localización. Sin
embargo, se insiste en que hay que apoyarse en el despliegue de los datos mediante un mapa,
con la intención de no eliminar a la ligera algún dato que finalmente pudiese ser útil.

 Mapa con datos desplegados

El último procedimiento consiste en desplegar un mapa de coordenadas que señale a través

del cambio de colores las leyes presentes en cada compósito y la ubicación de los mismos en
el espacio, para así observar alguna relación espacial. El siguiente mapa es el de las leyes de
Au, que se encuentran vistas desde planta, con eje X Norte y eje Y Este:

Imagen 20.1 Mapa de los datos de la variable ley de Au desplegados en el espacio

En el mapa se observan dos cruces de color rojo. Estas son las dos muestras que tienen una
ley de Au mayor a 7 [grs/Ton]. Aislándolas de los demás datos, se verían así:
 Imagen 21.1 Mapa de los datos que contienen una ley mayor a 7 [grs/Ton].

Estos datos eventualmente se volverían en datos atípicos, si se encuentran rodeados de

muestras de leyes bajas, ya que si bien la naturaleza de ésta variable es impredecible,
ciertamente no es común hallar una muestra de ley de alto valor acompañada de muestras de
ley de bajo valor. Es por eso que a continuación se presenta un mapa de datos con leyes de
Au mayores a 4 [grs/Ton], para ver si la tendencia es que las muestras de mayor ley se
ubiquen en aquella área de ubicación de los datos supuestamente atípicos:
 Imagen 22.1 Mapa de los datos que contienen una ley de Au mayor a 4 [grs/Ton]

Ahora es ligeramente claro que la tendencia ha sido que las muestras de leyes de valor alto
se posicionen con cierta cercanía entre ellas mismas. Esto nos convence que los datos
supuestamente atípicos, en realidad están acorde al comportamiento de la variable en el
espacio, y por ende se pueden tratar como si fuesen datos convincentes. Por ésta razón es que
no se descartan y finalmente se consideran para los procedimientos posteriores.

Así mismo, y con respecto a los datos duplicados, a través del software Isatis se han
identificado que hay 4 parejas de datos de similar valor, a una distancia menor a 1 [m]. En
ningún caso, existen muestras que se superpongan. La aparición de estos datos se debe al
hecho de que una gran cantidad de sondajes han sido proyectados de manera inclinada, y es
por eso que existe la posibilidad de que algunos de sus secciones se crucen muy cerca unas
de otras. Aun así, la cantidad de datos duplicados es despreciable con respecto a la cantidad
de datos totales. Es por éste argumento que se ha decidido no omitir estos datos, y seguir
usándolos para los procedimientos posteriores.
1.3.5 Variografía

La variable ley de mineral es una variable regionalizada, es decir, se encuentra distribuida en

el espacio. Si bien los valores de las leyes son producto de un proceso aleatorio, no es correcto
descartar la posibilidad de que haya una correlación espacial entre ellos. El valor de una
variable regionalizada nace de la realización de una función aleatoria, por ende, ésta puede
ser caracterizada a través de la esperanza, varianza, etc. Pero el momento que nos importa
más para la interpolación mediante kriging es el variograma.

Ya que se acepta la hipótesis de estacionaridad, la distribución espacial de la función aleatoria

es invariante por traslación. Debido a esto, el variograma tan solo depende de la separación
entre los sitios considerados. Lo que el variograma finalmente indica es que tan desemejantes
son los valores [1].

En ésta parte del informe se dispondrán de los variogramas experimentales del depósito, así
como los mapas variográficos. Posteriormente, los variogramas experimentales, serán
ajustados a los variogramas teóricos, con la intención de hallar los alcances, y de ésta manera
generar un elipsoide de búsqueda para la interpolación por Kriging.

 Mapas variográficos y variogramas experimentales

El procedimiento que se realizó para crear los mapas variográficos, y para escoger los
variogramas experimentales, se encuentran en el Anexo.

Los mapas variográficos que a continuación se despliegan, corresponden a los de la variable

ley de Au compositada y normalizada, y vienen acompañados de los variogramas
experimentales en las direcciones que se han percibido como preferenciales.

[1]
Fragmentos extraídos del texto “Apunte de Geoestadística”, Capítulo 3 “Conceptos generales sobre el
modelamiento geoestadístico de datos”, página 28, Profesor Xavier Emery, Universidad de Chile, año 2007.
Imagen 23.1 A la izquierda, el mapa variográfíco con los datos del Au normalizados, con eje X en dirección
del Este (U), y eje Y en dirección al Norte (V). La coloración roja, indica que hay cierta correlación entre los
datos que se encuentran alejados casi a 200 metros o más, en la dirección N 160°. Por otra parte, la coloración
celeste-azulado, muestra que los datos en la dirección N 70°, que se encuentran alejados a más de 200 metros,
no son semejantes. A la derecha se tiene el variograma experimental en esas direcciones, y se comprueba que
hay una anisotropía de tipo zonal (con mismo alcance).

Imagen 24.1 A la izquierda, el mapa variográfíco con los datos del Au normalizados, con eje X en dirección
al Este (U), y eje Y en dirección al Cenit (W). Se ve que hay una pequeña dirección preferencial hacia el
Cenit. A la derecha está el variograma experimental en dicha dirección, además del variograma experimental
en la dirección N 90°. No se observa alguna anisotropía considerable.
Imagen 25.1 A la izquierda, el mapa variográfíco con los datos del Au normalizados, con eje X en dirección
al Norte (V), y eje Y en dirección al Cenit (W). Se ve que hay una pequeña dirección preferencial hacia el
Cenit. A la derecha está el variograma experimental en dicha dirección, además del variograma experimental
en la dirección N 0°. No se observa alguna anisotropía considerable.

También, se ponen a disposición los mapas variográficos y variogramas experimentales en

las direcciones preferenciales, de la variable ley de Cu, la cual ha sido compositada y
normalizada:
 Imagen 26.1 A la izquierda, el mapa variográfíco con los datos del Cu normalizados, con eje X en dirección
del Este (U), y eje Y en dirección al Norte (V). La coloración verde, indica que hay una mediana correlación
entre los datos que se encuentran alejados a cualquier distancia, en un rango de dirección entre N 30° y N 70°.
Por otra parte, la coloración celeste-azulado, muestra que los datos en la dirección N 150°, que se encuentran
alejados a más de 400 metros, no son significativamente semejantes. La anisotropía es observable entonces en
dichas direcciones. A la derecha se tiene el variograma experimental en aquellas direcciones.

Imagen 27.1 A la izquierda, el mapa variográfíco con los datos del Cu normalizados, con eje X en dirección al
Este (U), y eje Y en dirección al Cenit (W). Se ve que hay una pequeña dirección preferencial hacia el Cenit.
A la derecha está el variograma experimental en dicha dirección, además del variograma experimental en la
dirección N 90°. No se observa alguna anisotropía considerable.
Imagen 28.1 A la izquierda, el mapa variográfíco con los datos del Cu normalizados, con eje X en dirección al
Norte (V), y eje Y en dirección al Cenit (W). Se ve que hay una pequeña dirección preferencial hacia el Cenit.
A la derecha está el variograma experimental en dicha dirección, además del variograma experimental en la
dirección N 0°. No se observa alguna anisotropía considerable.

 Ajuste de variogramas experimentales, variogramas teóricos y alcances

La identificación de una anisotropía trae un efecto en la manera en que se ajusta el variograma

teórico al variograma experimental, y es que en vez de desplegar un solo variograma teórico,
con alcance de único valor, como sería en el caso de una isotropía, en éste caso, hay que
desplegar tres variogramas teóricos, de igual meseta, pero de distintos alcances, en las tres
direcciones en las que se han calculado los tres variogramas experimentales, escogidos bajo
un criterio visual de similitud. En el “Anexo” puede encontrar más especificaciones acerca
de lo que se acaba de aclarar.

Los variogramas experimentales en las direcciones 70°/ 0°, 160°/0° y -/90° desplegados en
un mismo gráfico se ven a continuación:
 Gráfico 8.1 Variogramas experimentales en las direcciones 70°/0° (en gris), 160°/0° (en rojo) y -/90° (en
amarillo).

Para el ajuste, se han utilizado dos estructuras o variogramas teóricos esféricos. El

variograma teórico ajustado por separado, a los tres variogramas experimentales mostrados
anteriormente se ve de ésta manera:

Gráfico 9.1 Ajuste del variograma experimental en la dirección 160°/0° a una doble estructura esférica
 Gráfico 10.1 Ajuste del variograma experimental en la dirección 70°/0° a una doble estructura esférica

Gráfico 11.1 Ajuste del variograma experimental en la dirección -/90° a una doble estructura esférica

Como resultado de éste procedimiento, se tienen los siguientes valores:

 Pepita Varianza Espacial Alcances
0.088 160/0 70/0 -/90
Esférico I 0.115 67 52 86
Esférico II 0.405 89 97 134
Tabla 2.1 Parámetros de los variogramas teóricos, los cuales servirán en la construcción del radio de búsqueda
para la interpolación por Kriging de las leyes de Au.

Siguiendo un similar procedimiento, a continuación se presentan en una misma pantalla los

variogramas experimentales para la variable ley de Cu en las direcciones 150°/0°, 60°/0° y
-/90°:

Gráfico 12.1 Variogramas experimentales en las direcciones 150°/0° (en gris), 60°/0° (en violeta) y -/90° (en
amarillo).

Los variogramas experimentales se han ajustado a través de una sola estructura de tipo
esférica. Los siguientes gráficos muestran como se ha ajustado en las tres direcciones
escogidas:
Gráfico 13.1 Ajuste del variograma experimental en la dirección 150°/0° a una estructura esférica.

Gráfico 14.1 Ajuste del variograma experimental en la dirección 60°/0° a una estructura esférica.
 Gráfico 15.1 Ajuste del variograma experimental en la dirección -/90° a una estructura esférica

Y finalmente, se tabulan los parámetros del variograma teórico, que se utilizarán en la

estimación por Kriging:

Pepita Varianza Espacial Alcances

0.075 150/0 60/0 -/90
Esférico I 0.449 76 64 158
Tabla 3.1 Parámetros de los variogramas teóricos, los cuales servirán en la construcción del radio de búsqueda
para la interpolación por Kriging de las leyes de Cu.

1.3.6 Interpolación de las leyes

Para completar la interpolación por Kriging, se deben llenar algunos parámetros, los cuales
se mencionan en la sección “Anexos”, los cuales incluyen, los que se tabularon en las tablas
2.1 y 3.1.

Al interpolar la variable ley de oro se obtienen los siguientes resultados:

  N° total de estimaciones de Kriging realizados: 189.784
 N° de estimaciones de Kriging con varianza de Kriging mayor que la meseta: 26.913
 N° de estimaciones de Kriging con uno o más muestras con covarianza cero: 342
 N° de estimaciones de Kriging con uno o más ponderadores de Kriging negativos:
503

Por otra parte, al interpolar la variable ley de cobre se obtienen los siguientes resultados:

 N° total de estimaciones de Kriging calculados: 187.238

 N° de estimaciones de Kriging con varianza de Kriging mayor que la meseta: 37.228
 N° de estimaciones de Kriging con uno o más muestras con covarianza cero: 790
 N° de estimaciones de Kriging con uno o más ponderadores de Kriging negativos:
643

Al finalizar éste procedimiento, el resultado final es un modelo de bloques geológico, cuyos

límites entre el estéril y el mineral están definidos, y la parte mineral se encuentra dividida
en celdas que contienen las leyes estimadas del oro y el cobre. Los resultados de la
interpolación se visualizan en los siguientes perfiles del modelo de bloques:
Imagen 29.1 Modelo de bloques geológico, visto desde el perfil N°5, el cual se mostró en la imagen 6.1. En ésta imagen se pretende mostrar cómo la información
inicial de los sondajes se corresponde con los resultados de la interpolación. Fijarse que los bloques no tienen una forma regular, ya que la vista desde éste perfil
está dirigida hacia al Noroeste, mientras que el modelo de bloques, está dirigido hacia el norte exacto.
Imagen 30.1 Modelo de bloques geológico, visto ésta vez desde el perfil N°17, que se puede apreciar en la imagen 9.1. En éste perfil atraviesa un bolsón de
estéril, del cual se puede notar una sección representado con celdas azules, al interior del cuerpo.
 Imagen 31.1 Modelo de bloques geológico visto desde el perfil N°23, que se puede visualizar más claramente en la imagen 11.1. Acá nuevamente hay una
sección de un bolsón de estéril. También hay que notar que por éste perfil tan solo atraviesa un sondaje, y los que se ven en líneas punteadas están fuera de plano.
Es por eso que existe una probabilidad de que la leyenda de las leyes en esos sectores de los sondajes y de los bloques no coincida, a menos que dichos sondajes
se encuentren relativamente cerca de dicho perfil. En ese caso puede que coincidan los colores.
1.4 Reporte de Recursos

El depósito correspondiente a un pórfido de oro-cobre, cuyas dimensiones, leyes y

características geológicas han sido interpretadas y estimadas en los temas anteriores, tiene
una ocurrencia de material que resulta atractivo su extracción, en términos económicos. De
ahora en adelante, se hablará de “Recurso mineral”, siguiendo la terminología propuesta en
el código JORC.

El Modelo de bloques del depósito, con sus leyes ya interpoladas, contiene material tanto
mineral como estéril. Éste material estéril proviene de los dos bolsones que se encuentran al
interior del depósito, en el sector Sureste del mismo (véase el Tema 1.3.1 “Delimitación del
depósito”), y adicionalmente se incorporan como estéril aquellos bloques que se encuentran
al interior de los límites interpretados del depósito cuyas leyes no fueron estimadas debido a
los alcances que posee el Kriging. Cabe destacar lo siguiente: Ya que se construyeron dos
variogramas teóricos distintos para las dos variables (Leyes de Au y Cu), resulta que como
los alcances no son los mismos, esto puede llevar a que en ciertos bloques una de las variables
haya sido estimada, pero la otra no (y de hecho es lo que ocurre en éste caso). Para aclarar
esto último se ha llegado al siguiente consenso:

 Los bloques cuya ley de Au y Cu hayan sido estimadas son considerados roca mineral
 Los bloques cuya ley de Au y Cu no fueron estimadas son considerados roca estéril.
 Los bloques cuya ley de Au fue estimada, no así la ley de Cu, se consideran de igual
manera como roca mineral
 Los bloques cuya ley de Cu fue estimada, no así la ley de Au, se consideran como
roca estéril.

Finalmente todos los datos que se clasifiquen como roca mineral, son considerados Recursos
Minerales.

La cantidad de Recursos Minerales totales son de aproximadamente 362 [Mton], con una ley
media ponderada de Au de 0,7399 [grs/ton] y de Cu de 0,3733 [%]

La curva Tonelaje vs Ley de Au de los Recursos Minerales totales es la siguiente:

 Gráfico 16.1 Curva de Tonelaje vs Ley de Au para los recursos minerales totales

La siguiente tabla muestra algunas estadísticas de la variable ley de Au, para los recursos
minerales totales:

Número de Muestras 190.046

Valor Máximo 5,3849
Valor Mínimo 0,0548
Media (no ponderada) 0,6946
Varianza 0,238
Desviación estándar 0,4879
Tabla 4.1 Estadísticas básicas para la variable ley de Au en [grs/ton] de los recursos minerales totales.

A continuación se despliega el histograma de las leyes de Au de los recursos minerales

totales. Notar que los valores se distribuyen de manera log-normal. Si se compara con el
gráfico 5.1 en donde aparece el histograma de los datos de las leyes de Au sin compositar,
estos tienen un similar comportamiento. Esto nos avala la idea de que la estimación de las
leyes se hizo de manera correcta, y no hubo un error sistemático que pudo eventualmente
haber cambiado totalmente el comportamiento estadístico de las variables analizadas.

Gráfico 17.1 Histograma de la variable ley de Au en [grs/ton] para los recursos minerales totales

De la misma manera como para la variable Au, a continuación se despliega la curva tonelaje
vs ley de Cu, así como las estadísticas básicas e histograma de ésta misma variable:
 Gráfico 18.1 Curva de Tonelaje vs Ley de Cu para los recursos minerales totales

Número de Muestras 187.466

Valor Máximo 4,5493
Valor Mínimo 0,0266
Media (no ponderada) 0,3438
Varianza 0,0581
Desviación estándar 0,2410
Tabla 5.1 Estadísticas básicas para la variable ley de Cu en [grs/ton] de los recursos minerales totales.
 Gráfico 19.1 Histograma de la variable ley de Cu en [grs/ton] para los recursos minerales totales

El código australiano de JORC subdivide a los recursos minerales en tres grupos: recursos
medidos, indicados e inferidos, según el grado de confiabilidad que existe acerca de los
valores estimados. El grado de confiabilidad es un término muy sugerente. Debe existir una
gran cantidad de evidencias que avalen la teoría de que la variable posee cierto valor en cierta
ubicación, y aun así, puede que la variable no se comporte de la manera predicha.

El Kriging ordinario es una herramienta geoestadística muy útil, ya que además de interpolar
las leyes, nos entrega un valor que de cierta manera, mide el error que hay en la interpolación,
y se denomina varianza de kriging. En la base de datos de los recursos minerales totales, cada
bloque posee un valor de la varianza de Kriging. Las estadísticas básicas para los valores de
la varianza de Kriging son:

Máximo 0.608
Mínimo 0.0273
Media 0.3366
Desviación estándar 0.1807
Tabla 6.1 Estadísticas básicas de la varianza de Kriging
1.4.1 Recursos medidos

Los recursos medidos serán todos aquellos que tienen una varianza de kriging igual o menor
a la media (0,3366). De acuerdo a esto último, los recursos medidos en cuanto a tonelaje total
y tonelaje de fino de oro y cobre son:

 Toneladas totales de los recursos medidos: 215.542.540 [Ton]

 Toneladas de Oro fino de los recursos medidos: 166,17 [Ton]
 Toneladas de Cobre fino de los recursos medidos: 838.920,83 [Ton]

1.4.2 Recursos indicados

Los recursos indicados serán todos aquellos que tienen una varianza de kriging igual o menor
a 0,6075. Según lo anterior, los recursos indicados presentan los siguientes tonelajes:

 Toneladas totales de los recursos indicados: 110.333.401 [Ton]

 Toneladas de Oro fino de los recursos indicados: 80,13 [Ton]
 Toneladas de Cobre fino de los recursos indicados: 384.706,14 [Ton]

1.4.3 Recursos inferidos

Los recursos inferidos son todos aquellos que tienen una varianza de kriging igual a 0,608.
Dicho esto, y haciendo algo similar a las dos secciones anteriores, a continuación se presenta
una aproximación de los tonelajes totales y de fino de los recursos inferidos:

 Toneladas totales de los recursos inferidos: 36.000.000 [Ton] aprox.

 Toneladas de Oro fino de los recursos inferidos: 25 [Ton] aprox
 Toneladas de Cobre fino de los recursos inferidos: 116.000 [Ton] aprox