No setor de mineração, a amostragem está presente no empreendimento mineral desde a fase da exploração até a lavra. Para diminuir a incerteza na previsão de teores, o planejamento de lavra requer adensamento da amostragem para garantir previsões acuradas e precisas. Acredita-se, que quanto maior a quantidade de amostras, maior a confiabilidade nas estimativa de teores. Na fase exploração, geralmente, a amostragem é realizada por furos de sondagem com coroas diamantadas, que é uma técnica com alto custo de execução e produz amostras com acuracidade e precisão. Nesta fase, existem poucos dados com alta qualidade. Já na fase operacional, a amostragem é realizada por outras técnicas devido a restrições orçamentárias e ao alto custo de execução da sondagem diamantada. Em geral, estas amostras possuem baixa qualidade (imprecisas e inacuradas) e não são submetidas a protocolos de controle que qualidade. Logo, nesta fase existem muitos dados com baixa qualidade com erro de vies e precisao. Esta dissertação avalia o impacto do uso de dados imprecisos no planejamento de curto prazo. Para isto, foram analisados dois bancos de dados distintos. O primeiro estudo utiliza o banco de dados exaustivo Walker Lake, que foi usado e considerado como o teor real do depósito. Inicialmente, as amostras foram obtidas a partir do conjunto de dados com espaçamento regular de 20×20 m e 5×5 m, a partir do banco de dados exaustivo. Um erro relativo de ±25% (imprecisão) e 10% de viés foram adicionados aos dados espaçados a 5×5 m (dados geológicos curto prazo) em diferentes cenários. Depois foram estudadas diferentes metodologias para incorporar a informação imprecisa nas estimativas. O segundo estudo é realizado em uma mina de ouro, com dois tipos de dados diferentes, a furos de sondagem (dados primários) e circulação reversa (dados secundários). Nestes estudos foram investigadas duas metodologias: cokrigagem e krigagem ordinária, e os dados foram utilizados para estimar blocos. As curvas teor tonelagem, análise de deriva e a classificação errônea dos blocos foram avaliadas para cada estudo. Para o banco de dados, Walker Lake, os resultados mostraram que o uso da cokrigagem ordinária estandardizada é a melhor metodologia em situações que existem dados imprecisos e enviesados, com boa correlação entre as variáveis primárias e secundárias. As estimativas produzidas são mais próximas da distribuição real dos blocos, reduzindo o erro de classificação dos blocos. Já para o banco de dados de Ouro, as amostras possuem moderada correlaçao e continuidade espacial curta para pequenas distâncias do depósito. Nesta situação, a correção da imprecisão da variável secundária utilizando a krigagem ordinária produziram melhores resultados com estimativas menos enviesadas e melhor classificação dos blocos como minério e estéril. / Decisions starting at mineral exploration through mining are based on grade block models obtained from samples. To decrease the uncertainty in the estimates, the short term mining planning requires additional sampling to ensure accurate and precise predictions. As more samples are made available, there is trend towards more reliable estimates. In the exploration stage, usually, sampling is performed by diamond drill holes (DDH), which are expensive but produces accurate and precise samples. In this stage there are few data with high quality. In the production stage, sampling is obtained by other techniques due to the high costs of DDHs. In general, these samples have low quality and are not controlled by QA / QC protocols. This study evaluates the impact of using imprecise data in short-term mineplanning. For this, it was analyzed two different data sets. The first case used the exhaustive Walker Lake dataset as the source to obtain the true and sampled grades. Initially, samples were obtained from the exhaustive dataset at regularly spaced grids at 20 × 20 m and 5 × 5 meters. A relative error (imprecision) of ± 25% and a 10% bias were added to the data spaced at 5 × 5 m (short-term geological data) in different scenarios. The second study is in a gold mine with two different types of data obtained from diamond drilling holes (DDH_Hard data) and reverse circulation (RC_Soft data).To combine these different types of data, two methodologies were investigated: cokriging and ordinary kriging. Both types of data were used to estimate a block model using the two methodologies. The grade tonnage curves and swath plots were used to compare the results against the true block grades at the same block support. In addition, the block misclassification was evaluated. In the Walker Lake the results show that standardized ordinary cokriging is a better methodology for imprecise and biased data and produces estimates closer to the true grade block distribution, reducing block misclassification. For the data set at the underground mine gold, the samples had moderate correlation and short spatial continuity for small distances at this deposit. In this situation, the estimates using ordinary kriging with hard and soft data (standardized and re-escaled) produced better results with less bias and better blocks classification of ore and waste.

No setor de mineração, a amostragem está presente no empreendimento mineral desde a fase da exploração até a lavra. Para diminuir a incerteza na previsão de teores, o planejamento de lavra requer adensamento da amostragem para garantir previsões acuradas e precisas. Acredita-se, que quanto maior a quantidade de amostras, maior a confiabilidade nas estimativa de teores. Na fase exploração, geralmente, a amostragem é realizada por furos de sondagem com coroas diamantadas, que é uma técnica com alto custo de execução e produz amostras com acuracidade e precisão. Nesta fase, existem poucos dados com alta qualidade. Já na fase operacional, a amostragem é realizada por outras técnicas devido a restrições orçamentárias e ao alto custo de execução da sondagem diamantada. Em geral, estas amostras possuem baixa qualidade (imprecisas e inacuradas) e não são submetidas a protocolos de controle que qualidade. Logo, nesta fase existem muitos dados com baixa qualidade com erro de vies e precisao. Esta dissertação avalia o impacto do uso de dados imprecisos no planejamento de curto prazo. Para isto, foram analisados dois bancos de dados distintos. O primeiro estudo utiliza o banco de dados exaustivo Walker Lake, que foi usado e considerado como o teor real do depósito. Inicialmente, as amostras foram obtidas a partir do conjunto de dados com espaçamento regular de 20×20 m e 5×5 m, a partir do banco de dados exaustivo. Um erro relativo de ±25% (imprecisão) e 10% de viés foram adicionados aos dados espaçados a 5×5 m (dados geológicos curto prazo) em diferentes cenários. Depois foram estudadas diferentes metodologias para incorporar a informação imprecisa nas estimativas. O segundo estudo é realizado em uma mina de ouro, com dois tipos de dados diferentes, a furos de sondagem (dados primários) e circulação reversa (dados secundários). Nestes estudos foram investigadas duas metodologias: cokrigagem e krigagem ordinária, e os dados foram utilizados para estimar blocos. As curvas teor tonelagem, análise de deriva e a classificação errônea dos blocos foram avaliadas para cada estudo. Para o banco de dados, Walker Lake, os resultados mostraram que o uso da cokrigagem ordinária estandardizada é a melhor metodologia em situações que existem dados imprecisos e enviesados, com boa correlação entre as variáveis primárias e secundárias. As estimativas produzidas são mais próximas da distribuição real dos blocos, reduzindo o erro de classificação dos blocos. Já para o banco de dados de Ouro, as amostras possuem moderada correlaçao e continuidade espacial curta para pequenas distâncias do depósito. Nesta situação, a correção da imprecisão da variável secundária utilizando a krigagem ordinária produziram melhores resultados com estimativas menos enviesadas e melhor classificação dos blocos como minério e estéril. / Decisions starting at mineral exploration through mining are based on grade block models obtained from samples. To decrease the uncertainty in the estimates, the short term mining planning requires additional sampling to ensure accurate and precise predictions. As more samples are made available, there is trend towards more reliable estimates. In the exploration stage, usually, sampling is performed by diamond drill holes (DDH), which are expensive but produces accurate and precise samples. In this stage there are few data with high quality. In the production stage, sampling is obtained by other techniques due to the high costs of DDHs. In general, these samples have low quality and are not controlled by QA / QC protocols. This study evaluates the impact of using imprecise data in short-term mineplanning. For this, it was analyzed two different data sets. The first case used the exhaustive Walker Lake dataset as the source to obtain the true and sampled grades. Initially, samples were obtained from the exhaustive dataset at regularly spaced grids at 20 × 20 m and 5 × 5 meters. A relative error (imprecision) of ± 25% and a 10% bias were added to the data spaced at 5 × 5 m (short-term geological data) in different scenarios. The second study is in a gold mine with two different types of data obtained from diamond drilling holes (DDH_Hard data) and reverse circulation (RC_Soft data).To combine these different types of data, two methodologies were investigated: cokriging and ordinary kriging. Both types of data were used to estimate a block model using the two methodologies. The grade tonnage curves and swath plots were used to compare the results against the true block grades at the same block support. In addition, the block misclassification was evaluated. In the Walker Lake the results show that standardized ordinary cokriging is a better methodology for imprecise and biased data and produces estimates closer to the true grade block distribution, reducing block misclassification. For the data set at the underground mine gold, the samples had moderate correlation and short spatial continuity for small distances at this deposit. In this situation, the estimates using ordinary kriging with hard and soft data (standardized and re-escaled) produced better results with less bias and better blocks classification of ore and waste.

No setor de mineração, a amostragem está presente no empreendimento mineral desde a fase da exploração até a lavra. Para diminuir a incerteza na previsão de teores, o planejamento de lavra requer adensamento da amostragem para garantir previsões acuradas e precisas. Acredita-se, que quanto maior a quantidade de amostras, maior a confiabilidade nas estimativa de teores. Na fase exploração, geralmente, a amostragem é realizada por furos de sondagem com coroas diamantadas, que é uma técnica com alto custo de execução e produz amostras com acuracidade e precisão. Nesta fase, existem poucos dados com alta qualidade. Já na fase operacional, a amostragem é realizada por outras técnicas devido a restrições orçamentárias e ao alto custo de execução da sondagem diamantada. Em geral, estas amostras possuem baixa qualidade (imprecisas e inacuradas) e não são submetidas a protocolos de controle que qualidade. Logo, nesta fase existem muitos dados com baixa qualidade com erro de vies e precisao. Esta dissertação avalia o impacto do uso de dados imprecisos no planejamento de curto prazo. Para isto, foram analisados dois bancos de dados distintos. O primeiro estudo utiliza o banco de dados exaustivo Walker Lake, que foi usado e considerado como o teor real do depósito. Inicialmente, as amostras foram obtidas a partir do conjunto de dados com espaçamento regular de 20×20 m e 5×5 m, a partir do banco de dados exaustivo. Um erro relativo de ±25% (imprecisão) e 10% de viés foram adicionados aos dados espaçados a 5×5 m (dados geológicos curto prazo) em diferentes cenários. Depois foram estudadas diferentes metodologias para incorporar a informação imprecisa nas estimativas. O segundo estudo é realizado em uma mina de ouro, com dois tipos de dados diferentes, a furos de sondagem (dados primários) e circulação reversa (dados secundários). Nestes estudos foram investigadas duas metodologias: cokrigagem e krigagem ordinária, e os dados foram utilizados para estimar blocos. As curvas teor tonelagem, análise de deriva e a classificação errônea dos blocos foram avaliadas para cada estudo. Para o banco de dados, Walker Lake, os resultados mostraram que o uso da cokrigagem ordinária estandardizada é a melhor metodologia em situações que existem dados imprecisos e enviesados, com boa correlação entre as variáveis primárias e secundárias. As estimativas produzidas são mais próximas da distribuição real dos blocos, reduzindo o erro de classificação dos blocos. Já para o banco de dados de Ouro, as amostras possuem moderada correlaçao e continuidade espacial curta para pequenas distâncias do depósito. Nesta situação, a correção da imprecisão da variável secundária utilizando a krigagem ordinária produziram melhores resultados com estimativas menos enviesadas e melhor classificação dos blocos como minério e estéril. / Decisions starting at mineral exploration through mining are based on grade block models obtained from samples. To decrease the uncertainty in the estimates, the short term mining planning requires additional sampling to ensure accurate and precise predictions. As more samples are made available, there is trend towards more reliable estimates. In the exploration stage, usually, sampling is performed by diamond drill holes (DDH), which are expensive but produces accurate and precise samples. In this stage there are few data with high quality. In the production stage, sampling is obtained by other techniques due to the high costs of DDHs. In general, these samples have low quality and are not controlled by QA / QC protocols. This study evaluates the impact of using imprecise data in short-term mineplanning. For this, it was analyzed two different data sets. The first case used the exhaustive Walker Lake dataset as the source to obtain the true and sampled grades. Initially, samples were obtained from the exhaustive dataset at regularly spaced grids at 20 × 20 m and 5 × 5 meters. A relative error (imprecision) of ± 25% and a 10% bias were added to the data spaced at 5 × 5 m (short-term geological data) in different scenarios. The second study is in a gold mine with two different types of data obtained from diamond drilling holes (DDH_Hard data) and reverse circulation (RC_Soft data).To combine these different types of data, two methodologies were investigated: cokriging and ordinary kriging. Both types of data were used to estimate a block model using the two methodologies. The grade tonnage curves and swath plots were used to compare the results against the true block grades at the same block support. In addition, the block misclassification was evaluated. In the Walker Lake the results show that standardized ordinary cokriging is a better methodology for imprecise and biased data and produces estimates closer to the true grade block distribution, reducing block misclassification. For the data set at the underground mine gold, the samples had moderate correlation and short spatial continuity for small distances at this deposit. In this situation, the estimates using ordinary kriging with hard and soft data (standardized and re-escaled) produced better results with less bias and better blocks classification of ore and waste.