Magíster en Minería / Ingeniero Civil de Minas / El presente trabajo corresponde al desarrollo de una herramienta que permite simular valores de una variable regionalizada considerando que tales valores tienen una variación sistemática en el espacio. En este contexto, se desarrolla una nueva herramienta de simulación consistente en un algoritmo de simulación Gaussiana secuencial con rechazo considerando una deriva de referencia como input, bajo la hipótesis que esta herramienta permite respetar tal deriva, obteniendo resultados representativos de la base de datos en cuanto a sus estadísticos de orden 1 (histograma) y orden 2 (variograma). La metodología del algoritmo comienza definiendo la secuencia de visitas de nodos a simular de manera aleatoria. Se acepta o rechaza el nodo simulado en base a la deriva de referencia considerando un rechazo determinístico o probabilístico y una tolerancia dinámica. Para cada nodo se considera una vecindad de búsqueda de datos condicionantes para la simulación y una vecindad de búsqueda de datos para el cálculo de una media local simulada. El algoritmo permite ajustar el número aceptable de rechazos, el tamaño de la vecindad de búsqueda de la media local, la tolerancia y el tipo de rechazo. Se presentan dos casos de estudio. El primero consiste en un ejemplo sintético de una coordenada con deriva lineal. En este primer caso se tiene que, a mayor tolerancia o mayor vecindad de búsqueda de la media local, los valores simulados se distribuyen con mayor dispersión en torno a la deriva de referencia. El segundo estudio de caso consiste en una zona de interés del yacimiento Compañía Minera Cerro Colorado donde se realiza el proceso de simulación en seis unidades de estimación considerando diecisiete sensibilizaciones de los parámetros del algoritmo más una simulación basada en Kriging Simple (SK) y otra basada en Kriging de residuos (BT). En el caso de presencia de deriva se obtiene en general mejores resultados con el algoritmo propuesto que con el SK o BT cuando la deriva se ve reflejada de manera clara en el variograma como en la unidad de estimación cuatro. Las estadísticas de validación en términos de desempeño de las simulaciones como estimación (coeficiente de determinación R2, pendiente de la regresión de datos reales versus simulados y error medio) y en términos de cuantificación de la incertidumbre de los datos originales (accuracy plot) mejoran en relación al SK y BT. De esta manera, la herramienta desarrollada ofrece una alternativa flexible que mejora los estadísticos de validación en comparación al enfoque tradicional frente a un escenario de simulación con presencia de deriva clara en el variograma.

Magíster en Minería / Ingeniera Civil de Minas / La geoestadística considera usualmente una suposición de estacionaridad para poder aplicar los distintos métodos de estimación o simulación. Sin embargo, esta situación comúnmente no ocurre, ya que suelen presentarse tendencias sistemáticas o cambios en la continuidad espacial de los datos. Considerando esto, la principal motivación de este trabajo, es poder reproducir el comportamiento no estacionario de variables categóricas como lo son los tipos de roca, mediante simulación geoestadística incorporando información de un modelo geológico interpretado ( datos blandos ) en conjunto con información de sondajes ( datos duros ). De esta forma, se utilizó el método de simulación Gaussiana truncada, combinándolo con el modelo Gaussiano discreto para incorporar información de las proporciones locales de tipos de roca. En primer lugar se desarrolló la metodología propuesta en un caso sintético. A partir de este caso, se logró determinar que efectivamente existe una mejora significativa en la simulación de unidades geológicas, en comparación al método convencional que no toma en cuenta los datos blandos. Luego, se aplicó a datos de la División Ministro Hales (DMH) de Codelco, en donde se consideraron dos unidades geológicas, una de alta ley y otra de baja ley. Este caso corrobora las conclusiones del caso sintético y muestra que la inclusión de datos blandos tiene un fuerte impacto en los resultados, no pudiendo reproducir las proporciones locales al no tomar en cuenta estos datos. En concurrencia la calidad de los resultados de la metodología propuesta es altamente dependiente de la calidad de los datos blandos que se consideran.

Ingeniero Civil de Minas / Encontrar un modelo que se ajuste a la distribución conjunta de varios elementos de interés, dependiendo del soporte en el que se estudie (compósito o bloque), es un problema que atañe a la evaluación de yacimientos polimetálicos. Por este motivo, el presente trabajo busca generalizar un modelo de cambio de soporte (a saber, el modelo Gaussiano discreto) al contexto multivariable, aplicándolo a la estimación global de los recursos recuperables sobre determinadas leyes de corte. Se cuenta con una base de datos referente a una veta polimetálica con cinco elementos de interés: plata, oro, plomo, zinc y cobre, siendo la variable de mayor interés la plata. Los datos de leyes son transformados a datos de potencia y acumulaciones, con la finalidad de trabajar con variables aditivas, pasando entonces de un estudio tridimensional a un estudio bidimensional en el plano de la veta. Para validar los resultados obtenidos por el modelo de cambio de soporte, se construye un modelo de referencia, utilizando una cosimulación seguida de un rebloqueo, el que entrega una distribución al mismo soporte que el modelo Gaussiano discreto (bloques de cinco metros de lado). El modelo de referencia es considerado como el escenario real y con ello se tiene un punto de comparación. Los resultados del modelo de cambio de soporte se estudian por medio de análisis de medias, varianzas, histogramas, nubes de correlación y curvas de selectividad (tonelaje-ley, tonelaje-ley equivalente y fino-tonelaje), obteniendo tonelajes, leyes medias y finos a diferentes leyes de corte del elemento principal (plata) o de una combinación de los diferentes elementos (plata equivalente). Se verifica que el cambio de soporte genera una simetrización de las distribuciones y una disminución de la dispersión, generando leyes medias más bajas, mayor tonelaje y una disminución en la cantidad de finos, indicativo de una pérdida de selectividad. Al considerar una ley de corte de plata equivalente de 1000 [g/t], el modelo indica que la cantidad total de roca a extraer es del orden de las 60.000 toneladas y que las leyes medias son de 2269 [g/t] para la plata, 0,25 [g/t] para el oro, 1,53% para el plomo, 2,18% para el zinc y 1,16% para el cobre. La explotación minera selecciona bloques de mineral, de tamaño definido para cada método de explotación, por lo que obtener una buena estimación de las distribuciones al soporte de los bloques de selección es trascendente para evaluar los recursos recuperables por sobre determinadas leyes de corte y el beneficio económico asociado. Puesto que las distribuciones concuerdan globalmente con el modelo de referencia, se recomienda el modelo Gaussiano discreto para ser utilizado en etapas preliminares o de prefactibilidad del proyecto minero, debiendo ser completado por estimaciones locales en etapas posteriores.

Una caracterización precisa y el modelamiento de la heterogeneidad geomecánica del macizo rocoso conducen a una planificación y diseño de mina eficientes. El uso de técnicas convencionales como el Kriging para el modelamiento del macizo rocoso es limitado, pues no considera la variabilidad espacial y la heterogeneidad del macizo rocoso, dando como resultado estimaciones que no representan el comportamiento real del macizo rocoso. En este contexto, se propone como alternativa de solución usar la Simulación Gaussiana para estimar la heterogeneidad espacial del macizo rocoso basado en el análisis de los valores de UCS, RQD, Condición de aguas y condición de juntas para el modelado del RMR, esta técnica consiste en simular diferentes valores a partir de datos conocidos, además permite analizar la incertidumbre de las simulaciones obtenidas. La metodología que se propone en esta investigación considera el análisis variográfico de las variables regionalizadas geomecánicas en diferentes direcciones, con el fin de determinar su comportamiento anisotrópico; asimismo, se desarrolla el análisis de la incertidumbre mediante la técnica de la validación cruzada que consiste en dividir los datos originales en dos subconjuntos al azar. El 85% de la base de datos se usó para estimar los valores de RMR, mientras que el 15% se utilizó como subconjunto de prueba. El caso de estudio es el tramo crítico con presencia de aguas hidrotermales del túnel de acceso principal de un proyecto minero al sur de Perú, se utilizaron los datos de registro geomecánico tomados en campo, con ellos se produjeron un total de 5 simulaciones por cada variable, produciéndose aproximadamente 3 millones de valores por cada variable. El error medio absoluto del modelo generado con Simulación Gaussiana es de solo 6.58%, que es considerado admisible comparado con el 38.01% obtenido con Kriging. / Accurate characterization and modeling of the rock mass geomechanical heterogeneity leads to efficient mine planning and design. The use of conventional techniques such as Kriging for modeling the rock mass is limited, since it does not consider the spatial variability and heterogeneity of the rock mass, resulting in estimates that do not represent the real behavior of the rock mass. In this context, it is proposed as an alternative solution to use the Gaussian Simulation to estimate the spatial heterogeneity of the rock mass based on the analysis of the values of UCS, RQD, Water condition and joint condition for the RMR modeling, this technique consists in simulating different values from known data, in addition to allowing to analyze the uncertainty of the obtained simulations. The methodology proposed in this research considers the variographic analysis of the regionalized geomechanical variables in directions, in order to determine their anisotropic behavior; Likewise, the uncertainty analysis is developed using the cross-validation technique that consists of dividing the original data into two subsets at random. 85% of the database was used to estimate the RMR values, while 15% was used as a test subset. The case study is the critical section with the presence of hydrothermal waters of the main access tunnel of a mining project in southern Peru, the geomechanical record data taken in the field was used, with them a total of 5 simulations were produced for each variable, producing approximately 3 million values for each variable. The mean absolute error of the model generated with Gaussian Simulation is only 6.58%, which is considered admissible compared to the 38.01% obtained with Kriging. / Tesis