Conhecimento de modelo de blocos para engenheiros de mineração - Uma introdução

Como fornecedora de software para o setor de mineração, a Deswik treina regularmente engenheiros de mineração no uso de nosso software em projeto, planejamento e sequenciamento de minas.

Somos frequentemente chamados a treinar engenheiros juniores que estão iniciando em suas primeiras funções relacionadas ao planejamento e observamos que muitos desses engenheiros precisam e querem mais conhecimento sobre os processos de planejamento além de apenas utilizar o software fornecido. Um desses requisitos é o conhecimento sobre modelos de blocos que precisam ser usados para o processo de planejamento de minas.

A rápida rotatividade de pessoal durante o último boom de mineração, seguida pela perda de pessoal técnico experiente durante o colapso seguinte, resultou que muitos dos engenheiros juniores não têm um mentor no local suficientemente qualificado tecnicamente para fornecer ajuda adequada e experiente a eles.

Com esses fatores em mente, este documento foi escrito para apresentar aos novos engenheiros de mineração modelos de blocos de recursos minerais: sua estrutura, as marcas que podem encontrar, os tipos que podem encontrar e questões que eles precisarão entender para evitar enganos em seu uso.

Não é a intenção fazer com que engenheiros de mineração se tornem geólogos de recursos, mas é importante que um engenheiro de mineração também esteja suficientemente familiarizado com os procedimentos de estimativa de recursos para entender como o modelo de blocos de recursos foi gerado. Um modelo de blocos de recursos só será tão bom quanto as bases geológicas sobre as quais ele foi construído.

E como o modelo de blocos de recursos é a base sobre a qual os planos de minas do setor são construídos, nossos planos só serão tão bons quanto o modelo de blocos geológico que nos foi dado para uso.

Este documento é apenas uma introdução ao conhecimento necessário. Reconhecemos que, embora este documento tenha como objetivo apenas ser uma introdução ao tópico, muito ainda foi abordado, por isso convidamos o leitor a "ir mais fundo" onde necessário e pular as partes ainda não relevantes para seu trabalho. Também incentivamos o novo engenheiro de mineração a ler mais sobre estimativas de recursos além deste documento para aprimorar seu conhecimento básico.

Embora o foco deste documento seja apresentar os modelos de blocos ao engenheiro de mineração, para que entenda com o que está lidando e garantir que não cometa erros por falta de conhecimento, é preciso sempre ter em mente que o modelo de blocos fornecido pode não ser apropriado para a tarefa em questão. Como Clive Johnson (Presidente e CEO da B2Gold), disse em 2013 em uma discussão na Conferência de Mineração do Scotiabank sobre o tema das falhas dos relatórios NI 43-101:

“O que normalmente vemos quando o valor do projeto desmorona é o modelo de blocos. A gente só diz: "nos dê os seus dados..." geralmente a falha está aí. A extrapolação que eles estão usando para suas reservas e recursos provavelmente está completamente fora de lugar em relação às informações ou dados geoestatísticos disponíveis".

Portanto, fiquem atentos, mas sigam em frente corajosamente, fortalecidos pelo conhecimento.

Um modelo de blocos é uma representação simplificada de um corpo de minério e seus arredores que pode ser visto como uma pilha de “tijolos” gerados por computador que representam pequenos volumes de rocha em um depósito (minério e estéril). Cada "tijolo", ou célula, contém estimativas de dados como teor de elemento, densidade e outros valores de entidade geológica ou de engenharia.

Figura 1: Modelo de blocos de um corpo de minério colorido por teor (superfície e corte).

As células de um modelo de blocos são dispostas em um sistema de coordenadas XYZ e as células podem ser de tamanho uniforme ou irregular.

O software Deswik não faz estimativas de teor para a geração de modelos de blocos, mas permite a consulta e manipulação de um modelo de blocos preparado por outros pacotes de software, como Leapfrog/Edge, Datamine, Vulcan, Surpac, MineSight e Micromine. Nesses pacotes, os blocos recebem um valor de teor por um dos vários métodos de estimativa diferentes: inverso do quadrado da distância, krigagem ordinária, krigagem com múltiplos indicadores e assim por diante.

As seções a seguir explicam esses conceitos em maior detalhe.

2.1. ESTRUTURA DO MODELO

O termo “estrutura do modelo” define a região retangular do espaço dentro da qual as células do modelo estão localizadas. Ele requer uma origem, distância para cada eixo e ângulo de rotação.

Figura 2: Estrutura padrão de modelo de blocos

Dentro dessa estrutura, há blocos individuais, todos com comprimento (incremento X), largura (incremento Y) e altura (incremento Z) designados. A posição do bloco pode ser definida por um centroide (Xc, Yc, Zc) ou a origem do bloco (Xmin, Ymin, Zmin).

Figura 3: Definição de bloco no modelo de blocos

O número de blocos em cada direção do eixo de coordenadas geralmente é especificado para definir a estrutura completa do modelo potencial. Observe que alguns esquemas de modelagem não precisam necessariamente de um modelo de blocos totalmente "preenchido" — os blocos podem estar faltando ou ausentes na estrutura.

Figura 4: Modelo de blocos preenchido

Um aspecto final e importante das estruturas de modelo de blocos é observar como os blocos são posicionados na origem. Há duas opções, conforme mostrado na Figura 5. O formato de bloco com o “bloco de origem” posicionado ao longo dos eixos (imagem à esquerda na Figura 5) é o mais comum, mas o “bloco de origem” com seu centroide localizado na origem (imagem à direita na Figura 5) deve ser verificado, pois isso às vezes ocorrerá (observe que essa é a opção default nos modelos Micromine).

Figura 5: Relação potencial entre o centroide do bloco e a origem

2.2. SUBDIVISÃO DO MODELO

Os primeiros modelos desenvolvidos particionaram o espaço total do modelo em uma rede tridimensional regular de cuboides, conforme mostrado na Figura 4.

Para modelar melhor os limites dentro do espaço do modelo, os blocos podem ser subdivididos em tamanhos menores de paralelepípedos (ou prismas retangulares), conhecidos como sub-blocos ou subcélulas, mantendo o armazenamento e a eficiência computacional do modelo de blocos padrão. As subcélulas geralmente são armazenadas separadamente dos blocos pais.

Figura 6: Divisão em subcélulas de um modelo de blocos ao longo de um limite

O processo de subdivisão pode ser feito de duas maneiras: subdivisão octree ou flexível.

A subdivisão octree separa o bloco pai em uma hierarquia de cubos com subdivisão automática nos limites utilizados, de modo que todos os blocos são continuamente cortados pela metade, resultando em blocos com lados de tamanho “x”, “x/2”, “x/4”, “x/8”, … “x/2ⁿ”, onde “x” é o tamanho máximo do bloco original (bloco pai) e “n” indica a quantidade máxima de subdivisões permitida. Esse é o método utilizado pelo Surpac.

O método flexível permite que a subdivisão varie dependendo do ângulo de interseção de um bloco específico com a superfície do limite que controla a subdivisão. A subdivisão é infinitamente variável, permitindo uma melhor interpretação volumétrica da superfície do limite, produzindo menos blocos para o mesmo nível de exatidão em comparação com o método octree. Esse é o método utilizado pelo Datamine.

O Surpac usa subdivisão octree, enquanto o Datamine usa o método flexível; essa é uma das principais causas de problemas de incompatibilidade entre os dois tipos de modelos. (Observe que o Surpac tem um formato de “modelo de blocos livre” para permitir a importação e consulta de um modelo Datamine.)

2.3. MODELOS ROTACIONADOS 

Alguns sistemas de modelagem de blocos oferecem suporte a modelos de blocos rotacionados. Um modelo rotacionado é aquele cujos eixos e, portanto, células, são rotacionados em relação ao sistema de coordenadas. É particularmente útil na situação em que um corpo de minério estratificado esteja inclinado ou mergulhado. As células do modelo fornecem um ajuste muito melhor ao corpo de minério quando o modelo é rotacionado, como pode ser visto nas figuras a seguir.

Se este for o seu corpo de minério mostrado na Figura 7:

Figura 7: Seção transversal de um corpo de minério mergulhado obliquamente

Em seguida, um modelo de blocos ortogonal normal não rotacionado resultaria em blocos de minério parecidos com os mostrados na Figura 8.

Figura 8: Seção transversal de um corpo de minério mergulhado obliquamente com blocos não rotacionados

Mas se o modelo de blocos for rotacionado, uma representação muito melhor do corpo de minério será possível, com blocos de minério parecidos com os mostrados na Figura 9.

Figura 9: Seção transversal de um corpo de minério mergulhado obliquamente com blocos rotacionados no eixo Z

Observe que, nos modelos de blocos do Datamine, o modelo é armazenado em um formato não rotacionado, sendo rotacionado apenas em exibição ou consulta.

Também é importante observar que, em um modelo de blocos rotacionado, as posições de centroide rotacionadas não são mais valores simples de centroide sistemáticos. Para manter qualquer tipo de precisão nas posições espaciais relativas de blocos ao importar modelos de blocos rotacionados, as coordenadas dos centroides precisam ser fornecidas com exatidão de oito ou nove dígitos. A Figura 10 mostra duas visualizações dos pontos de interseção entre blocos de um modelo de blocos rotacionado que foi importado com apenas duas casas decimais de exatidão. O resultado é um modelo de blocos em que os blocos se sobrepõem ou têm lacunas (vazios) entre eles.

Figura 10: Vista aproximada dos cantos de bloco de um modelo de blocos rotacionado que foi importado com exatidão decimal insuficiente.

Se forem fornecidos dados para um modelo de blocos rotacionado com exatidão decimal limitada, será possível (se o modelo for um modelo regular e não um modelo de blocos subcelular irregular) anular matematicamente a rotação do modelo, corrigir os centroides não rotacionados aproximados para o que deveriam ser os centroides verdadeiros (por exemplo, um centroide não rotacionado de xx2.498673 provavelmente deveria ser xx2.500) e, em seguida, rotacionar novamente os centroides corrigidos em um arquivo pronto para importação para o software.

Os modelos de blocos mais comumente encontrados no setor de mineração são Datamine, Vulcan, Surpac, Micromine e MineSight.

Os modelos do formato Datamine são atualmente o melhor formato para uso no Deswik, pois podem contar com muitos comandos para consultas e manipulações¹. Diante disso, discutimos esse formato de arquivo de forma mais detalhada do que os outros formatos.

O formato Datamine foi o formato escolhido pela Deswik em seu início, pois não queríamos inventar outro formato de modelo de blocos proprietário; além disso, a estrutura geral e o formato dos modelos Datamine estavam disponíveis publicamente e, por isso, bastante conhecidos. Muitos dos pacotes de modelagem geológica, portanto, oferecem suporte à exportação de seus modelos como modelos Datamine. Outros formatos de modelo tiveram que ser determinados por meio de interpretação criteriosa de tentativa e erro sobre como eles armazenam seus dados.

A Deswik permite a importação e conversão diretas de modelos Vulcan e Surpac a modelos de formato Datamine. Além disso, o Deswik.Sched oferece suporte a algumas funções básicas, como a consulta de sólidos para modelos Surpac e Vulcan em seu formato nativo. Mas qualquer modelo que exija cálculos e manipulações adicionais precisará estar no formato

_{1. Um novo formato de modelo de blocos está sendo desenvolvido pela Deswik para superar muitas das limitações de tamanho, velocidade e armazenamento do Datamine, devendo estar disponível no início de 2019. Esse formato de arquivo será compatível com o formato Open Mining Format (*.omf) recomendado pelo Global Mining Guidelines Group (GMG).}

Datamine, já que o conjunto completo de comandos do Deswik somente oferece suporte a modelos Datamine (e, claro, para o novo formato de modelo de blocos de 2019 que está sendo desenvolvido).

Para os modelos MineSight, Micromine e outros não suportados, a melhor solução para importá-los ao Deswik é exportar diretamente os modelos de blocos no pacote de software de origem como modelos no formato Datamine. Outra opção é exportá-los como arquivos CSV, que poderão então ser convertidos em um modelo no formato Datamine no Deswik.

(Conselho: se você estiver importando um modelo de blocos com elementos rotacionados de um arquivo CSV, certifique-se de ter dados X-Y-Z com exatidão de nove casas decimais, pois a falta de exatidão causará problemas.)

3.1. DATAMINE

Os modelos de blocos Datamine serão reconhecidos pelo sufixo: *.dm.

Há duas limitações principais dos arquivos Datamine que precisam ser entendidas:

(a) Os arquivos Datamine permitem o uso de apenas oito caracteres como nomes de campo.

(b) Os arquivos Datamine são limitados a um total de 256 campos (se no formato de precisão estendida padrão).

O formato Datamine tem uma longa história. A Datamine foi fundada em 1981 e usa o sistema de gerenciamento de banco de dados relacional G-EXEC desenvolvido pelo British Geological Survey durante a década de 1970.

Os arquivos Datamine são arquivos de acesso aleatório armazenados como tabelas planas, sem quaisquer relações hierárquicas ou de rede implícitas. A estrutura do modelo é definida em um arquivo de “protótipo de modelo” e o contexto espacial de cada bloco é armazenado como parte do registro de cada bloco usando posicionamento implícito, o que economiza espaço de armazenamento e tempo de processamento. Isso é feito usando o código de indexação do ijk (veja a Figura 11 e a Figura 12), que permite acesso rápido pelo programa de computador a qualquer parte do modelo.

Um pouco da matemática relacionada ao código IJK é:

IJK = NZ × NY × I + NZ × J + K

O IJK também pode ser determinado a partir do sistema de coordenadas do modelo:

I = ROUND[ (Xc-XParentINC/2)/XParentINC]*XParentINC – XmORIG)/XParentINC

J = ROUND[ (Yc-YParentINC/2)/YParentINC]*YParentINC – YmORIG)/YParentINC

K = ROUND[ (Zc-ZParentINC/2)/ZParentINC]*ZParentINC – ZmORIG)/ZParentINC

Onde XParentINC, YParentINC e ZParentINC são os tamanhos X, Y e Z dos blocos principais (para qualquer subcélula).

A estrutura de protótipo do modelo usa os campos mostrados no Quadro 1.

Quadro 1: Campos da estrutura do protótipo do modelo de blocos Datamine

Figura 11: Esquema IJK do Datamine

Figura 12: Esquema IJK do Datamine

Existem duas versões do formato DM: precisão única (SP) e precisão estendida (EP).

O formato DM de precisão única original foi baseado em “páginas” de 2048 bytes. (Estes são os registros Fortran de 512 palavras de 4 bytes.) A primeira página continha a definição dos dados e as páginas seguintes, os registros de dados.

Há dois tipos de dados - texto ou alfa ("A") e numéricos de ponto flutuante ("N").

Integrais na página de definição de dados são armazenados como valores Fortran REAL*4 ou REAL*8 nos formatos de precisão simples e estendida, respectivamente.

Existem alguns códigos numéricos especiais usados dentro dos dados.

• -1,0 E30 = "fundo"; usado como código de dados faltantes para campos numéricos, também conhecido como "valor nulo". (Para campos de texto, os dados faltantes são simplesmente campos totalmente em branco.)

• +1,0 E30 = "topo"; e é usado se uma representação de "infinito" for necessária.

• +1,0 E-30 = "TR" ou "DL"; usado se necessário para representar um valor de ensaio de "traços" ou "abaixo do limite de detecção".

Todos os dados de texto são mantidos em variáveis REAL, não no tipo Fortran CHARACTER, embora o formato armazenado seja idêntico. Isso permite o uso de um array REAL simples para armazenar um buffer de página inteira e outro array REAL para armazenar cada registro lógico completo para gravação ou leitura. Esse conceito teve origem no sistema G-EXEC do British Geological Survey em 1972 e foi a chave para a generalidade do Datamine — em vez de ter que pré-definir formatos de dados específicos para cada combinação de campos de texto e numéricos diferente.

O formato de arquivo Datamine de "precisão estendida" (EP) tem páginas com o dobro do tamanho do formato de arquivo de "precisão única" - 4096 bytes de comprimento - e a estrutura da página é simplesmente mapeada em palavras de 8 bytes em vez de palavras de 4 bytes.

O formato de arquivo Datamine de "precisão única" é efetivamente um formato legado e, com sorte, não será encontrado com frequência agora. Esses arquivos podem ter apenas 64 campos, enquanto os arquivos de "precisão dupla" podem ter 256 campos. Se um arquivo de "precisão única" for encontrado, a Deswik tem um método de conversão para um arquivo de "precisão dupla". (Pesquise os arquivos de Ajuda em tal situação.)

O formato de arquivo EP Datamine permite o Fortran REAL*8 completo (ou DOUBLE PRECISION), mas para dados de texto apenas os quatro primeiros bytes de cada palavra de precisão dupla são usados. A estrutura de arquivo EP é, portanto, ineficiente em termos de armazenamento de dados para arquivos com quantidades significativas de dados de texto.

Os modelos de blocos Datamine têm dois "níveis" de blocos: blocos pais e blocos filhos (sub-blocos ou subcélulas). Quando um modelo Datamine é criado, o usuário especifica o tamanho do bloco pai, que será consistente durante a vida útil do modelo.

Durante o processo de criação de um modelo de blocos Datamine, sub-blocos são criados ao longo dos limites para que um bloco pai possa ter qualquer número de sub-blocos, que podem ser de qualquer tamanho. Cada bloco pai pode ter um número diferente de sub-blocos.

3.2. DATAMINE - UNICODE

Os modelos de blocos Unicode Datamine serão reconhecidos pelo sufixo: *.dmu.

Uma grande limitação do formato de arquivo Datamine é que ele armazena todo o texto no formato ASCII, o que não funciona bem quando você está tentando trabalhar em um idioma que utiliza símbolos, como russo, polonês, japonês, chinês e outros.

Para atender aos mercados de língua não inglesa necessários nos quais a Deswik entrou, foi necessário habilitar o formato Datamine para suportar o “Unicode” (que nem existia quando o formato Datamine foi inventado). O Unicode é um padrão como o ASCII, mas muito, muito maior e fornece um número exclusivo para cada caractere, independentemente do sistema de escrita.

Observe que esse formato Unicode de Datamine não é suportado por nenhum outro pacote além do Deswik, mas segue fielmente o formato Datamine. Seguindo o formato Datamine para essa modificação, foi possível implementá-lo sem fazer alterações em nenhuma das rotinas ou funções que a Deswik já tinha para manipulação de modelos de Datamine.

Observe que um modelo de blocos *.dmu tem os seguintes recursos:

(a) Não há limite para o tamanho do nome de campo (antes eram oito caracteres, agora pode ter qualquer tamanho).

(b) Há suporte para qualquer idioma, codificado diretamente no arquivo.

(c) Ainda há um limite rígido de 256 campos, mas agora seu campo de texto conta apenas para um desses campos. Anteriormente, se sua coluna de texto tivesse uma largura de tamanho 20, ela contaria como cinco campos; portanto, agora você pode incluir mais campos agora se estiver usando texto.

(d) Tamanhos de texto variáveis estão disponíveis. Se você tivesse uma coluna com AAAA e AAAAAAAA, você precisaria definir previamente que a coluna tem oito caracteres. Agora, ele não se importa com o número de caracteres (máximo ou mínimo) que existem em uma coluna.

A recomendação do autor é que você não deveria utilizar arquivos *.dmu, a menos que isso seja realmente necessário. Há muito mais usuários usando arquivos *.dm, portanto, quaisquer erros de software relacionados a modelos de blocos são mais propensos a serem encontrados e corrigidos em arquivos *.dm do que para arquivos *.dmu.

3.3. SURPAC

Os modelos padrão do Surpac são identificáveis pelo sufixo: *.mdl.

Um formato de modelo de blocos secundário do Surpac é o “modelo de blocos livre”, identificado pelo sufixo *.fbm.

O Surpac usa o método de subdivisão octree, em outras palavras. um método regular de divisão em sub-blocos, de modo que os blocos pais devem ser divididos em frações de 1⁄2n , ou seja, 1⁄2, 1⁄4, 1⁄8, etc. A divisão em sub-blocos é definida no momento em que você cria o modelo. No entanto, a divisão real de blocos só ocorre quando necessária. Isso significa que o número de blocos é sempre o mínimo possível.

O Surpac também possui o conceito de "superbloco", onde blocos idênticos são aglomerados até que nenhuma aglomeração adicional seja possível; isso implica que o tamanho do modelo armazenado de um modelo de blocos do Surpac pode ser significativamente menor do que o de um modelo de blocos do Datamine.

Os diferentes regimes de dimensionamento de subcélulas indicam que muitos modelos de Datamine não podem ser convertidos em um modelo de blocos nativo (mdl) do Surpac caso haja subdivisão irregular de células. O Surpac fornece o formato de “modelo de blocos livres” para importar e manipular modelos de blocos do Datamine no Surpac. (Mas mesmo no Surpac há restrições sobre o que pode ser feito com tal

modelo).

Se for fornecido um modelo de blocos "*.fbm", será melhor retornar à fonte e ver se é possível obter o modelo de blocos original da Datamine "*.dm" ou, se tiver acesso ao Surpac, se pode ser exportado como um arquivo "*.dm". Caso contrário, consiga uma exportação dos dados no formato "*.csv" e converta-os no Deswik para um modelo do Datamine.

A partir de março de 2018, a Deswik oferecerá suporte a um modelo de blocos livre "*.fbm". No entanto, o que pode ser feito com esses modelos é limitado.

Observe que os campos do Surpac também podem ser do tipo "Calculate". Esse tipo de campo é calculado somente quando o campo é usado - usando uma equação que preenche a coluna de descrição do campo. Novamente, a partir de agosto de 2018, a Deswik oferecerá suporte a modelos do Surpac que usam campos calculados (na versão 2018.3.433 ou superior).

Embora a Deswik ofereça suporte ao uso direto de modelos Surpac em ferramentas como consultas, exibição de fatia (não exibição em concha), consulta de uma célula e leitura para a ferramenta de projeto de cava, o conjunto de comandos disponível para uso e manipulação é muito limitado. Portanto, recomenda-se que os modelos Surpac sejam convertidos ao formato Datamine, pois isso permitirá maior flexibilidade e usabilidade no Deswik.CAD, possibilitando a adição de campos usados na verificação de processos do modelo de blocos.

Ao converter um modelo do Surpac, observe que o Surpac permite que modelos sejam construídos em qualquer um dos quatro quadrantes cartesianos (I, II, III e IV), conforme mostrado na Figura 13, sem a necessidade de usar coordenadas negativas. Para importar esse modelo para o formato Datamine, o software Deswik fornece, durante o processo de importação, opções para:

(a) Inverter os eixos X-Y.

(b) Multiplicar X por "-1".

As limitações desse método incluem:

Figura 13: Quadrantes cartesianos

Observe que a Deswik não oferece suporte a modelos de bloco do Surpac v1.0; as rotinas foram construídas com base na interpretação dos modelos do Surpac v4.0. Esses modelos precisarão ser importados pelo processo de importação de “*.csv”.

3.4. VULCAN

Os modelos de blocos do Vulcan podem ser identificados pelo sufixo de extensão de arquivo *.bmf. Pode também haver um arquivo *.bdf associado, que é um arquivo de definição de blocos (usado na criação do modelo de blocos, mas não necessário depois que o modelo de blocos for criado).

Existem várias versões do modelo de blocos do Vulcan.

O formato de modelo de blocos original do Vulcan (Classic) armazenava todos os dados de todos os blocos. Isso significava que, se você tivesse um milhão de blocos com o valor default, seu arquivo de modelo de blocos teria escrito o valor default um milhão de vezes. Isso resultou em um arquivo de modelo muito grande.

O formato 'Estendido' grava todas as informações padrão no cabeçalho e, em seguida, faz referência ao cabeçalho para quaisquer blocos com valores padrão. Isso significa que o arquivo de modelo de blocos gravará esse valor no cabeçalho uma vez (não um milhão de vezes) se você tiver um milhão de blocos com o valor padrão no formato “Estendido”. Esse método economiza uma quantidade significativa de espaço de arquivo.

A Deswik suporta a versão bmf v6.0 dos modelos de blocos do Vulcan.

Quanto aos modelos do Surpac, há funcionalidade limitada para os modelos do Vulcan na Deswik; eles podem ser consultados diretamente, exibidos (apenas fatiamento) e usados na ferramenta de design de cava.

Os arquivos de modelos de blocos, no entanto, não podem ser alterados ou manipulados, e não há planos para dar suporte à modificação dos modelos de bloco do Vulcan.

Os tipos de dados para modelos de blocos do Vulcan são:

• Nome: para dados do tipo string (ou seja, domínios geológicos). Os dados são armazenados no modelo de blocos como dados de integral e, em seguida, convertidos novamente para os valores de nome usando uma tabela de conversão.
• Byte: este é um valor inteiro entre 0 e 255. O tipo de variável de byte ocupa um byte de memória.
• Short: um valor de integral entre -32.768 e +32.767 que requer dois bytes de memória.
• Integral: esse tipo de dados registra valores inteiros entre -2 bilhões e +2 bilhões. Ele usa quatro bytes de memória.
• Flutuante: um número real que usa quatro bytes de memória. Ele pode armazenar até sete dígitos significativos.
• Ponto flutuante de precisão dupla: esse é um número real que usa oito bytes de memória. Este pode armazenar até quatorze dígitos significativos.

3.5. MINESIGHT

Um modelo de blocos do MineSight geralmente terá um sufixo *.dat (os arquivos do modelo de blocos do Micromine também usam o sufixo *.dat). Observe que o MineSight usa o sufixo *.dat para outros tipos de arquivos, como dados brutos de furos de perfuração e arquivos de controle de projeto.

Outros tipos de arquivo do MineSight incluem:

• *.srg (arquivos de polilinhas)
• *.msr (arquivos de formato de recurso do MineSight), usados para armazenar dados de objetos de geometria (strings, superfícies, sólidos).

Tradicionalmente, os modelos de blocos do MineSight usavam um sistema de modelagem de bloco inteiro (tamanhos de bloco fixos sem subcélulas) com itens de modelo que identificam as porcentagens do bloco dentro dos contatos do domínio geológico. A maioria dos modelos do MineSight encontrados ainda será desse tipo. Essa abordagem permitiu que minas muito grandes fossem modeladas dentro das limitações de memória computacional e armazenamento do passado e, portanto, era popular entre minas de grande porte (e por muitos anos a única maneira de minas grandes terem um modelo de blocos único para cobrir todo o local).

Desde 2013, o MineSight tem oferecido a divisão em sub-blocos (em subcélulas), que gera um arquivo adicional associado ao modelo de blocos 3D que é aplicado apenas a itens e áreas divididas em sub-blocos.

3.6. GEMS

Os arquivos de modelo de blocos do Geovia GEMS terão o sufixo *.txt.

O GEMS usa uma abordagem de modelo de porcentagem parcial sem divisão em subcélulas.

Infelizmente, a Deswik sabe muito pouco sobre arquivos GEMS.

3.7. MICROMINE

Um modelo de blocos do Micromine terá o sufixo *.dat (o mesmo que os arquivos do MineSight).

Ele pode ser convertido diretamente no Deswik para um formato Datamine. A partir da versão 2018.4, o formato estendido (rotacionado) também será suportado. (Em novembro de 2018, isso estava em processo de correção).

Nenhum recurso é fornecido para usar um arquivo de modelo de blocos do Micromine diretamente no Deswik; eles devem ser convertidos para o formato Datamine.

A maioria dos tipos de modelo de blocos difere por:

a. Como as amostras analisadas são usadas para preencher os blocos (em outras palavras, como os teores da amostra são interpolados/extrapolados em um bloco).

b. Como as estimativas dentro de um bloco são apresentadas.

c. Como os blocos são fisicamente construídos ou representados.

Com relação a como as amostras são usadas para preencher blocos, todos os modelos de blocos usam dados de amostras próximas para informar uma estimativa de cada bloco, como mostrado de forma diagramática na Figura 14. Como ponderar (λ na Figura 15) e fazer a média dessas amostras próximas é a base das diferenças entre os modelos discutidos na seção seguinte.

Figura 14: Esquema diagramático da estimativa de amostras em um bloco

Figura 15: Pesos amostrais para quatro pontos amostrados localizados em torno do ponto xo onde a estimativa ocorre

4.1. MODELOS DE INVERSO DA DISTÂNCIA

Os modelos de distância inversa ponderada (IDW) estão entre os modelos mais antigos e mais simples. Alguns geólogos ainda os usarão – geralmente quando houver um grande efeito pepita (nugget) e os variogramas forem difíceis de determinar. Eles também o usam para compará-lo com um dos outros métodos de "ordem superior" para garantir que nada tenha fugido do normal com esses métodos, pois os resultados globalmente ainda devem ser semelhantes: ±5% ou algo assim.

A lógica por trás do modelo IDW é que as amostras mais próximas são mais parecidas com o teor do bloco do que as amostras mais distantes. Portanto, amostras mais próximas recebem mais ponderação e são ponderadas pelo inverso da distância – geralmente, mas nem sempre, elevado a uma potência de dois (distância inversa ao quadrado) ou três (distância inversa ao cubo).

A inversa das distâncias de separação é reescalada, de modo que elas somem um — garantindo que o teor estimado não seja tendencioso quando comparado aos teores da amostra.

4.2. MODELOS ORDINÁRIOS DE KRIGAGEM

A Krigagem Ordinária (OK) foi desenvolvida por Danie Krige (engenheiro de mineração sul-africano) e Georges Matheron (engenheiro francês).

Uma característica fundamental do método OK é que ele usa qualquer correlação espacial que possa existir entre os pontos amostrais para determinar a ponderação dos efeitos dos pontos amostrais em um ponto de previsão. Os pesos são gerados pelo "variograma" para o domínio geológico do bloco que está sendo estimado. Em essência, essa é uma abordagem de regressão baseada no espaço para obter a "melhor" ponderação a ser aplicada às amostras que informam a estimativa do bloco.

O variograma é a função estatística que descreve a variabilidade espacial de alguma medida (por exemplo, teores), calculada por uma medida de variabilidade entre pares de pontos em várias distâncias um do outro.

Quando analisamos pares de amostras separadas por uma distância específica, geralmente descobrimos que, em distâncias menores, as diferenças entre esses pares de amostras são menores do que quando as amostras estão mais distantes. Os teores dos pares de amostras estão relacionados entre si, e a força dessa relação varia com a distância entre as amostras.

O variograma resultante descreve a variabilidade entre pontos como uma função da distância.

É comum constatar que a natureza da variabilidade será diferente com a direção.

Como esse processo de cálculo e uso do variograma utiliza estatística em uma estrutura geoespacial, ele é referido como "geoestatística".

O método OK (Krigagem Ordinária) também foi desenvolvido para lidar com o efeito de variância de volume. O efeito de variância de volume descreve o aumento na diluição do teor à medida que selecionamos volumes maiores; blocos de alto teor estimados têm teor mais baixo que o previsto e blocos de baixo teor estimados têm teor mais alto que o previsto. Além disso, quanto maior o volume, menor a variabilidade nos teores (diferenças entre os teores mais altos e mais baixos distribuídos pelo depósito).

As implicações do efeito de variância do volume são que as estimativas precisam ser ajustadas para refletir os volumes que serão extraídos ao relatar um modelo de recurso com um critério de seletividade aplicado (por exemplo, um teor de corte).

Em resumo, o método OK abordou duas condições:

• A menor diferença geral entre o teor previsto e o teor real,
• Estimativa imparcial (a soma dos pesos de amostragem é igual a um).

Dado um modelo de variograma apropriado, o OK terá um desempenho superior ao IDW porque a estimativa será suavizada de maneira condicionada pela variabilidade espacial dos dados (conhecida a partir do variograma).

4.3. MÉTODOS LINEARES VS NÃO-LINEARES

A krigagem ordinária e a ponderação de distância inversa são métodos de estimação “lineares”. Um método de interpolação linear é um método no qual os pesos atribuídos a cada um dos N locais de amostra dentro da vizinhança de estimativa são independentes dos valores de dados específicos nesses locais.

Os estimadores geoestatísticos não lineares são diferentes dos estimadores lineares na medida que atribuem pesos a amostras que são funções dos próprios teores; em outras palavras, eles não dependem exclusivamente da localização dos dados. Um método não linear estimará a proporção de pequenos blocos ou “unidades de mineração seletiva” (SMUs) que excedem um determinado valor de corte dentro de um bloco maior (ou “painel”).

Na situação em que apenas a perfuração com espaçamento grande está disponível, geralmente é de esperar que técnicas de estimativa linear implementadas adequadamente produzam relações de teor-tonelagem que sejam excessivamente suavizadas em comparação com as estimativas de produção final (e a própria produção) (De-Vitry, Vann & Arvidson, 2007). Isso produz previsões localmente imprecisas das toneladas recuperáveis e do teor acima de um teor de corte. A suavização é, em parte, função da densidade de perfuração, mas também depende do tamanho do bloco, da distância de busca e do tipo e parâmetros de variograma.

A suavização excessiva em um modelo OK é normalmente controlada pela redução do número máximo de compósitos (ou seja, amostras compostas em um furo de sondagem) usadas na estimativa de um bloco, a ponto da OK não ser mais um bom estimador local e se tornar cada vez mais "condicionalmente enviesada". Os modelos resultantes serão geralmente uma solução de compromisso entre uma distribuição de SMU global desejada e o uso de compósitos suficientes para garantir uma boa estimativa local.

Além disso, ao lidar com uma distribuição de amostra fortemente assimétrica, por exemplo, muitos depósitos de ouro, estanho e urânio, a estimativa da média por um estimador linear (por exemplo, por OK) seria arriscada. Com efeito, como os pesos não dependem dos teores das amostras, a presença de valores extremos pode tornar qualquer estimativa linear muito instável.

De acordo com a literatura de modelagem por blocos (por exemplo, Caers, 2000; Journal, Kyriakidis and Mao, 2000), é matematicamente impossível obter um único mapa de estimativa (estimativa linear) que seja exato local e globalmente. Quando a suavização da estimativa é inaceitavelmente alta, geralmente considera-se que um método não linear pode fornecer uma estimativa melhor.

Ao usar estimativa não linear para estimativa de recursos recuperáveis em uma mina, os painéis (bloco pai) geralmente devem ter dimensões aproximadamente iguais ao espaçamento da perfuração, e apenas em circunstâncias raras (em outras palavras, uma forte continuidade) painéis significativamente menores podem ser especificados.

Há uma série de métodos não lineares sendo usados atualmente na indústria de mineração. Eles incluem:

1. Krigagem Disjuntiva (DK) (Matheron, 1976; Armstrong e Matheron, 1986a, 1986b);
2. Krigagem por Indicadores (IK) (Journel, 1982, 1988) e variantes (Krigagem por Múltiplos Indicadores (MIK), Krigagem por Indicadores Medianos, e assim por diante);
3. Krigagem por Probabilidade (PK) (Verly e Sullivan, 1985);
4. Krigagem Lognormal (LK) (Dowd, 1982) e sua generalização para distribuições não lognormais; Krigagem Multigaussiana (MK) (Verly, 1983);
5. Condicionamento Uniforme (Uniform Conditioning, UC) (Rivoirard, 1994);
6. Krigagem com Indicador Residual (RIK) (Rivoirard, 1989).

Na prática comercial, o método MIK é o mais comum dos métodos de estimativa não linear, embora ocasionalmente um modelo de UC possa ser encontrado.

Deve-se notar que vários profissionais sustentam que os métodos não lineares não podem resultar em estimativas que possam ser consideradas como "Medido" no Código JORC (2012), devido à incerteza da localização dos blocos de minério com tamanho da SMU dentro de um painel de estimativa. Embora a decisão de usar uma estimativa não linear seja frequentemente resultado de uma falta de conhecimento dos limites geológicos dentro de um painel, isso pode ou não ser relevante para a estimativa geral da tonelagem de minério ao considerar o tamanho do painel com a escala de produção da mina. Essa é uma questão a ser avaliada pelo profissional qualificado, mas deve ser uma consideração adicional consciente no processo de avaliação.

4.4. MODELOS DE KRIGAGEM COM MÚLTIPLOS INDICADORES (MIK)

A MIK é a mais comum entre as técnicas de modelagem de recursos não lineares usadas. Ele será discutido em detalhes aqui porque é um modelo mais difícil de usar de forma apropriada do que um modelo de Krigagem Ordinária, que é simples de usar e interpretar, e com o qual mais colegas provavelmente estarão familiarizados.

A estimativa da MIK resulta em um modelo de recursos no qual cada bloco na estimativa tem uma estimativa probabilística de tonelagem e teor, que é apresentada como uma proporção de tonelagem esperada e um teor esperado acima de um número de valores de corte (ou “indicador”) para cada bloco. Na verdade, é como ter uma curva de teor de tonelagem disponível para cada bloco no modelo, como mostrado na Figura 16.

Figura 16: Exemplo de distribuição de tonelagem-teor do modelo MIK para um único bloco

Quadro 2 (um subconjunto de três valores de um conjunto completo de valores, geralmente de 10 a

15 valores).

Quadro 2: Exemplo de subconjunto de valores de indicadores, proporções e teores

A distribuição do indicador geralmente é fornecida como foi determinada - na forma de uma curva de tonelagem-teor cumulativa, que você pode ver como Função de Distribuição Cumulativa Condicional (CCDF).

Os valores do indicador (pontos de corte para a distribuição em cada bloco) estão frequentemente em intervalos regulares de teores, mas ficam mais próximos uns dos outros nas porções superiores de teor. Alguns profissionais afirmam que os indicadores devem ser escolhidos para fornecer aproximadamente a mesma quantidade de metal em cada um dos intervalos de classe de indicadores, enquanto outros escolhem indicadores que correspondem a diversos teores de corte de interesse.

O modelo é produzido pela imposição à estimativa de cada bloco de uma distribuição de incerteza em torno da estimativa, com base em uma aproximação da distribuição dos teores amostrais na vizinhança de cada bloco.

A variância do modelo é, então, ajustada de acordo com uma correção de variância de volume (também conhecida como correção de "mudança de suporte"). Isso produz uma aproximação da distribuição de teores na escala da SMU escolhida, onde a SMU é usada para aproximar a unidade prática mínima de mineração.

Como a variância dos teores de blocos no tamanho SMU é muito menor do que a variância dos teores das pequenas amostras de perfuração das quais a estimativa inicial é derivada, a correção de suporte comprime a distribuição, conforme mostrado na Figura 17. Na prática, vemos que o histograma das amostras geralmente tem uma "cauda" muito mais longa do que o histograma dos blocos de mineração.

Figura 17: Exemplo de compressão de distribuição de teores de amostras brutas para amostras de SMU

Após a correção de suporte, a porção da distribuição acima de um teor de corte selecionado muda; especificamente, a tonelagem acima do teor de corte (que geralmente está bem acima ou à direita do valor modal) ficará muito menor para a distribuição de SMU em comparação com a distribuição original das amostras de análise. Assim, a curva de teor-tonelagem é em grande parte uma função do suporte escolhido pelo geólogo que construiu o modelo. (Observe que isso pode ser feito antes de qualquer decisão do engenheiro de mineração com relação à provável escala de mineração e tamanho do equipamento.)

Na literatura sobre modelagem de MIK, essa alteração na tonelagem e no teor acima de um teor de corte é frequentemente considerada para refletir o impacto da perda de minério, diluição e recuperação esperada de mineração, de modo que esses fatores são incorporados às estimativas do recurso para blocos do tamanho de SMU selecionado. No entanto, deve-se notar que esse não é o caso de todas as fontes de diluição e perda (apenas aquelas relacionadas à distribuição geológica dentro da SMU modelada) (Bertinshaw & Lipton, 2007).

O MIK é útil quando um depósito tem populações espacialmente integradas (por exemplo, estruturas transversais com múltiplas fases de mineralização). É um método que tende a ser usado quando uma delimitação adicional de domínios não for prática ou possível, ou se a densidade de perfuração for insuficiente para descrever as características geológicas em detalhes. No entanto, Coombes (2008) sustenta que o MIK "NUNCA deve ser usado no lugar de boa geologia e delimitação de domínios".

4.4.1. UM POUCO DE TERMINOLOGIA DE MIK QUE VOCÊ PRECISA SABER

Painéis:

A unidade básica de um modelo de blocos MIK é um painel que normalmente tem as dimensões do espaçamento médio dos furos no plano horizontal.

O painel deve ser grande o suficiente para conter um número razoável de blocos ou SMUs (cerca de 15).

SMU (Unidades Seletivas de Mineração)

A SMU é o menor volume de rocha que pode ser extraído separadamente como minério ou estéril e geralmente é definida por uma largura mínima de mineração.

Como usuário do modelo de blocos, descubra qual SMU o geólogo usou. Por exemplo, o autor viu modelos que usam valores Z menores que a altura da bancada, quando a mina sempre é minerada com a altura total da bancada. Isso garante resultados incorretos se o modelo for usado sem pós-processamento adicional pelo engenheiro de mineração.

A SMU geralmente é significativamente menor do que as dimensões da grade de amostragem, em particular nos estágios de exploração/viabilidade.

Suporte

Suporte é um termo usado em geoestatística para denotar o volume sobre o qual os valores médios podem ser calculados ou medidos. Quando há um grande efeito de pepita, ou seja, uma estrutura importante de curto alcance, o impacto da mudança de suporte será pronunciado.

Tipo E

O teor Tipo E é o teor médio do painel (incluindo o estéril), derivado da combinação dos teores de todas as classes e suas proporções: a soma das proporções multiplicada pelo teor médio da amostra. (Observe que o teor Tipo E não é necessariamente igual ao teor médio do indicador "zero", pois o teor Tipo E é calculado antes das modificações de suporte.)

4.4.2. QUANDO VOCÊ PODE VER MIK EM USO

Os modelos MIK são razoavelmente comuns para minas de ouro administradas por empresas australianas. Eles também foram adotados pela Newmont em sua plataforma de software interna, a partir de 1988 para suas minas norte-americanas (ouro).

Os métodos de indicadores são conhecidos por lidar com o problema de estimar teores extremos com mais sucesso do que os métodos lineares tradicionais, como a Krigagem Ordinária (OK). Portanto, você verá esses modelos usados em depósitos onde os teores das amostras mostram a propriedade de variação extrema e, consequentemente, onde as estimativas de teor mostram extrema sensibilidade a um pequeno número de teores muito altos. Portanto, eles são usados em muitas operações de ouro.

Uma lista geral das situações onde você encontra um modelo MIK inclui estilos de mineralização caracterizados por:

• Má definição de limites
• Alta variabilidade de teor
• Baixa continuidade de teor
• A presença de valores extremos
• Presença de múltiplas populações.

4.4.3. Algumas questões e limitações importantes com o MIK

Há vários problemas reconhecidos com os modelos MIK:

1. Dificuldades de visualização

Ao contrário de um modelo OK, um modelo MIK não pode ser representado graficamente com um único teor em um bloco para comparação com a perfuração (exceto para o valor de teor do tipo E).

Geoestatísticos e geólogos, portanto, têm dificuldade em validar visualmente as estimativas de MIK e devem confiar quase exclusivamente em validações estatísticas.

2. Localização desconhecida de minério dentro de um painel

As proporções na função de distribuição cumulativa condicional (a curva tonelagem-teor para cada bloco) são probabilidades. As proporções não nos dizem onde o minério será extraído dentro do painel. Simplesmente indica a proporção.

O controle de teor é necessário para localizar essa proporção. Portanto, em geral, os modelos MIK não são particularmente úteis para o planejamento de operações subterrâneas seletivas e tendem a ser limitados a operações de mineração a céu aberto de grande escala e baixo teor.

Há também uma suposição de “seleção livre” dentro de um painel, isto é, que todas as SMUs acima de um teor de corte podem ser mineradas, independentemente de suas localizações relativas. Isso não é necessariamente verdadeiro; provavelmente haverá situações em que blocos isolados com dimensões de SMU acabarão sendo enviados para estéril (e vice-versa, blocos de estéril isolados com dimensões de SMU incluídos no minério).

3. Proporções inferiores ao tamanho de SMU

Embora os métodos MIK devam ter uma "mudança de suporte" feita no tamanho da SMU, você quase sempre encontrará proporções de indicadores (especialmente nas extremidades superiores) que implicam uma proporção de volume acima de um teor de corte que é menor que o tamanho da SMU que está sendo usado.

Isso requer algum pós-processamento antes de o modelo ser usado. Recomenda-se zerar essas proporções antes do uso para evitar o acúmulo de pequenas tonelagens efetivamente não recuperáveis em tonelagens “recuperáveis” em volumes maiores, como bancadas ou domínios. Essas pequenas proporções não são lavráveis na prática.

Por exemplo, para um painel de 20m × 20m × 10m (4000 m3), com um tamanho de SMU de 5m × 8m × 10m (400 m3 ou 10% do painel), se os indicadores forem conforme mostrados no Quadro 3, pode-se ver que há dois indicadores (“1.1” e “1.2”) para os quais a proporção acima do indicador é inferior ao tamanho de um bloco SMU.

Quadro 3: Exemplo de subconjunto de valores, proporções e teores de indicadores, com menos de um tamanho de SMU acima de alguns dos indicadores superiores.

A correção recomendada para remover as proporções menores que o tamanho de um SMU é mostrada abaixo no Quadro 4. Essa correção efetivamente resultou em “perda” se o teor de corte de minério for de 1,1 g/t. Se o teor de corte de minério fosse, por exemplo, 0,9 g/t, nenhuma mudança efetiva na tonelagem de minério seria notada (para esse bloco específico).

Quadro 4: Exemplo de subconjunto de teores, proporções e valores de indicadores, ajustados para que nenhuma proporção de indicador seja inferior a um tamanho de SMU

Pode haver problemas semelhantes nos valores de indicadores mais baixos com estéreis “não recuperáveis” menores que um tamanho de SMU que, de fato, serão extraídos como diluição com o minério. Se o volume de estéril (abaixo de um valor de indicador de corte) for menor que o tamanho de SMU (como para o indicador de 0,50 g/t na Tabela 5), adicione esse estéril nessa classe de indicador e torne a proporção e o teor os mesmos aos de todo o painel (Quadro 6).

Quadro 5: Exemplo de subconjunto de teores, proporções e valores de indicadores, inferior a um tamanho de SMU abaixo de um indicador

Quadro 6: Exemplo de subconjunto de teores, proporções e valores do indicador, inferior a um tamanho de SMU abaixo de um indicador — ajustado para que nenhuma proporção de indicador seja inferior a um tamanho de SMU

4. Problemas de ordenação

Os modelos MIK usam variogramas diferentes para cada valor de indicador e, por causa disso, os variogramas podem às vezes ser inconsistentes de um limite de corte para outro. Isso pode resultar em blocos no modelo MIK para os quais mais metal foi estimado acima de um valor de indicador mais alto do que acima de um valor de indicador mais baixo.

Isso, claro, não pode acontecer fisicamente — à medida que os teores de corte aumentam, o metal contido deve diminuir. Esse problema é referido como um problema de ordenação.

Há três condições de consistência que devem ser atendidas pelo ccdf para cada bloco:

• A proporção não deve aumentar com o aumento do ponto de corte do indicador.

Por exemplo, se a proporção no indicador de 0,5 g/t for 0,6, a proporção no indicador de 0,6 g/t não pode ser 0,65.

• O metal contido não deve aumentar com o aumento do ponto de corte do indicador.

Por exemplo, para um painel de 4000 m³ e uma densidade de 2,7, se a proporção e o teor no indicador de 0,5 g/t forem 0,6 e 0,9 g/t (fornecendo metal contido acima de 0,5 g/t teor de corte de 5,832 gramas), a proporção e o teor no indicador de 0,6 g/t não podem ser 0,55 e 0,99 g/t, pois isso daria um metal contido acima de 0,6 g/t teor de corte de 5,881 gramas, que é maior do que o metal acima do indicador de valor de corte mais baixo.

• Os teores dos incrementos devem estar dentro dos limites de corte do indicador.

Por exemplo, se ao fazer os cálculos matemáticos para o teor do material entre dois valores de indicador, digamos, 0,5 e 0,6, o teor do material nessa faixa indicadora deverá estar entre 0,5 e 0,6; ele não poderia, por exemplo, ser 0,61.

Os problemas de ordenação devem ser verificados quando um modelo é entregue. Não suponha simplesmente que isso foi feito corretamente pelo geólogo que o entregou. (Muitas vezes não é.)

A maioria dos programas MIK comerciais e de domínio público corrige problemas de ordenação suavizando o vetor de teor-tonelagem de um painel se eles violarem a ordenação.

Se você descobrir problemas de ordenação, devolva o modelo ao geólogo. Se os problemas forem poucos, o geólogo pode corrigir estes problemas por suavização (usando uma função de média, não um processo de ajuste para cima ou para baixo). Se os problemas de ordenação forem numerosos, isso indica que há uma distorção inerente da relação teor-tonelagem que está sendo estimada pelo modelo MIK em uso – e há um problema no método MIK que está sendo usado.

5. Mudança de método de suporte inadequado 

A mudança de suporte não é "integrada" em nenhum software MIK. O construtor do modelo deve selecionar um método adequado.

Historicamente, há vários métodos usados para a alteração de suporte (sem entrar na matemática) chamados:

• Afim
• Lognormal
• Lognormal indireto
• Gaussiano
• Simulação condicional

Os métodos diferem principalmente em como tratam a assimetria dos dados. (As correções Afim retêm a mesma assimetria que os dados brutos. A gaussiana remove toda a assimetria para uma distribuição Normal (ou gaussiana); os outros fazem algo entre esses dois extremos.) Os diferentes métodos podem facilmente resultar em uma distribuição diferente, então levanta-se a questão de qual método deve ser usado para um resultado "correto".

Todos os métodos têm alguns pontos em comum:

1. Eles deixam a média inalterada.
2. Eles aplicam um ajuste de variância.
3. A distribuição de blocos resultante deve ser menos seletiva (referida como “Relação de Cartier”).

Deve-se observar que as correções afins são talvez as mais usadas, mas não são mais consideradas apropriadas. Embora reduzam a variância, eles não removem a assimetria da distribuição. A forma da distribuição das SMUs é idêntica à das amostras. Em situações de alta assimetria (efeito pepita alto ou estrutura de curta escala pronunciada no variograma de teores), esses modelos corrigidos de suporte têm um desempenho particularmente ruim (Vann, 2005).

Em contraste, a adequação de correções lognormais diretas ou indiretas é muito dependente da distribuição; a simulação condicional é frequentemente percebida como muito complexa e dispendiosa em termos de tempo, e os métodos gaussianos (que assumem uma distribuição normal - removendo totalmente a assimetria da distribuição de dados brutos para torná-la simétrica) provavelmente são verdadeiros apenas para situações de efeito pepita muito alto (Vann, 2005).

Independentemente do método utilizado, não há garantia de que as correções aplicadas a nível local sejam consistentes com o mesmo tipo de correção aplicada a nível global.

6. Tamanho errado de SMU para planejamento de mina

O tamanho da SMU selecionado pelo geólogo para o modelo de recursos minerais pode não se assemelhar ao tamanho da SMU decidido pelo engenheiro de mineração.

Será necessário algum tipo de modificação se for considerado, ou o modelo deveria ser devolvido ao geólogo para gerar um novo modelo de blocos com a nova SMU selecionada.

7. Dificuldades práticas no uso

Um grande problema para os modelos MIK são algumas questões práticas em seu uso. Eles são mais complexos de serem usados como entrada para otimização de cavas a céu aberto, planejamento de lavra ou projeto detalhado da lavra, porque cada bloco contém uma aproximação da distribuição de teor local e a localização exata dos limites de minério não é especificada pelo modelo.

Os engenheiros de mineração normalmente convertem o modelo em um modelo mais simples com um teor único ou, pelo menos, um modelo parcial com um teor de corte predefinido.

Além disso, o teor de corte específico necessário para o planejamento de mina pode não se alinhar com os valores dos indicadores, exigindo alguma interpolação para seu uso.

8. Questões de múltiplos elementos não correlacionados

O MIK também não é ideal para depósitos onde vários elementos que são relevantes para receita ou penalidades devem ser modelados porque a técnica modela apenas a distribuição de uma única variável. A menos que todas as variáveis estejam fortemente correlacionadas, não é possível avaliar uma segunda ou terceira variável em relação a um teor de corte especificado para a variável primária (Bertinshaw & Lipton, 2007).

Isso pode ser um problema em lavras de ouro com alto teor de prata e em lavras de cobre com alto teor de ouro.

Além disso, essa limitação torna os modelos MIK pouco adequados para depósitos de minério de ferro que normalmente exigem estimativa de variáveis, incluindo Fe, SiO₂ e P, e depósitos de bauxita que exigem a estimativa de Al₂O₃ e SiO₂.

9. Valor médio vs mediano do indicador superior

O teor na última classe de indicador (a classe superior) pode ter um efeito substancial sobre a quantidade total de metal na estimativa. Para limitar o efeito dos valores discrepantes extremos de teor no teor de estimativa para a classe superior, é comum usar o teor mediano, em vez de médio, das estimativas para a classe de indicador superior ou, alternativamente, usar uma média truncada (com um corte superior da amostra) ou um valor correspondente a um ajuste por curva hiperbólica ou potência aos dados da classe superior. As consequências dessa escolha, que muitas vezes é arbitrária, podem ser muito significativas e impactar fortemente a estimativa das zonas mais ricas do corpo de minério (que podem ou não refletir a realidade).

4.4.4. COMO USAR MODELOS MIK EM CONSULTAS AO MODELO 

A maneira mais comum de lidar com modelos MIK é calcular a tonelagem e o metal dentro das "faixas" de interesse: convertendo os fatores de teor e tonelagem do MIK das frações acima de um teor por tonelada e metal entre os teores do indicador (e a partir desses dois números, o teor em cada classe pode ser calculado).

Isso deve ser feito primeiro, para cada faixa de teor e para cada bloco, para verificar se há problemas de ordenação.

Além disso, faça o seguinte antes de usar o modelo:

• Faça os ajustes de "menos de uma SMU" no CCDF para cada bloco para a extremidade superior de minério e a extremidade inferior de estéril.
• Faça quaisquer ajustes de diluição/perda, embora isso possa ser aplicado às classes de teor posteriores à consulta ao modelo.

Um exemplo de como calcular toneladas e teor para intervalos de minério é fornecido abaixo usando o CCDF do indicador genérico do MIK mostrado no Quadro 7.

Quadro 7: Indicadores genéricos do MIK

Se assumirmos os seguintes valores de corte:

Estéril / teor de corte de baixo teor = i₅

Teor de corte de baixo/médio teor = i₈

Teor de corte de teor médio/alto = i₁₀

Se o volume do painel = Vol e a densidade aparente in situ do painel = SG, então a tonelagem e o metal para os três classes de teor de minério são:

Baixo teor:

toneladas de baixo teor = p₅ × Vol × SG – p₈ × Vol × SG

metal de baixo teor = p₅ × g₅ × Vol × SG – p₈ × g₈ × Vol × SG

teor de baixo teor = metal de baixo teor / toneladas de baixo teor

Teor médio:

toneladas de teor médio = p₈ × Vol × SG – p₁₀ × Vol × SG

metal de teor médio = p₈ × g₈ × Vol × SG – p₁₀ × g₁₀ × Vol × SG

teor de teor médio = metal de teor médio / toneladas de teor médio

Alto teor:

toneladas de alto teor = p₁₀ × Vol × SG 

metal de alto teor = p₁₀ × g₁₀ × Vol × SG 

teor de metal de alto teor / toneladas de alto teor (= g₁₀)

A tonelagem de estéril será:

Estéril:

toneladas de estéril = p₀ × Vol × SG – p₅ × Vol × SG

Se o teor de corte que está sendo usado não coincidir com um valor de indicador específico, então será necessário inserir um novo valor de “indicador” no ponto apropriado e interpolar um conjunto apropriado de valores para proporção e teor (e metal).

Se um valor de corte estiver sendo usado (por exemplo, um retorno líquido de fundição), pode ser necessário calcular toneladas, teores e metal para cada classe do indicador, calcular a receita para cada classe, calcular os custos para cada classe e determinar se o retorno deles é positivo ou negativo para cada classe. Em seguida, sinalize cada classe de indicador como minério ou estéril e some as toneladas de minério e metal para cada bloco em um conjunto de campos de minério.

4.5. Krigagem com Indicador Localizado / Condicionamento Uniforme

Krigagem de Indicador Localizado (LIK) e Condicionamento Uniforme (UC) são tipos pouco comuns de modelos, são usados para superar alguns dos problemas associados ao uso de modelos MIK. São variantes do mesmo objetivo: remapear histogramas do MIK em blocos do tamanho de uma SMU em um bloco de painel maior.

O LIK/UC elimina os fragmentos não mineráveis de baixo ou alto teor ao lidar com pequenas tonelagens para indicadores que têm proporções pequenas (abaixo do tamanho real da SMU).

O processo LIK envolve a criação de um modelo OK usando um tamanho de bloco igual ou próximo ao da SMU. Esse modelo provavelmente será excessivamente suavizado ou condicionalmente tendencioso.

O modelo OK é usado apenas para localizar a distribuição MIK que será usada para substituir os teores estimados pela OK.

O histograma do MIK (proporção do bloco em cada classe indicadora) para cada painel é, então, dividido em classes de tonelagem uniformemente espaçadas, onde o número de classes é igual ao número de blocos de SMU no painel. O valor de teor para cada bloco é então calculado por interpolação do histograma MIK.

Depois que os painéis são definidos, os blocos no modelo OK são ordenados em uma lista por teor, em ordem crescente, do menor para o maior em cada um dos painéis (a localização dos blocos não é movida). Em seguida, os teores dos histogramas remapeados são colocados nos blocos na mesma ordem, substituindo o valor de OK e transformando a distribuição na do modelo MIK.

Os blocos de SMU dentro do painel têm a mesma base de estimativa seletiva que o histograma MIK pai, mas agora são apresentados como blocos OK com tamanho SMU que podem ser tratados mais facilmente no processo de planejamento da mina.

4.6. MODELOS DE SIMULAÇÃO CONDICIONAL (ConSim)

A simulação condicional (ConSim) é, de fato, uma extensão espacial da simulação de Monte Carlo. É gerada uma série de "realizações" potenciais do modelo, que representa uma faixa de possíveis modelos plausíveis, que são consistentes com as estatísticas conhecidas do variograma de teor e os histogramas de teores.

O uso prático de tais modelos no planejamento de minas ainda está muito no reino de acadêmicos e pesquisadores, portanto, se um desses modelos for usado, recomenda-se que uma "longa" discussão com o cliente/"solicitante" para entender o que eles gostariam que fosse feito com o modelo.

O objetivo do modelo ConSim é caracterizar e reproduzir a variância dos dados de entrada.

Uma simulação é chamada de "condicional" se as realizações geradas forem fiéis aos pontos amostrados. Especificamente, é alegado que um modelo de blocos de simulação condicional simula as características espaciais e estatísticas de um depósito, sendo assim capaz de:

• Reproduzir a variabilidade dos dados de entrada.
• Reproduzir a continuidade dos dados de entrada.
• Medir a probabilidade do resultado desejado (risco).
• Reconhecer que existem muitos modelos igualmente prováveis de realidade.

Na simulação condicional:

1. O teor é simulado em uma grade densa de pontos.
2. As simulações são agrupadas por média em blocos de SMU.
3. As estimativas de tonelagem e teor são obtidas pela aplicação de um ponto de corte às SMUs.

O resultado é uma série de realizações equiprováveis, como mostrado na Figura 18.

Embora os geólogos que trabalham nesse campo acreditem que o método melhorará a compreensão da incerteza geológica potencial, que uma única estimativa geológica não pode fornecer, existem algumas desvantagens importantes que atualmente impedem o uso de modelos ConSim na prática:

1. O método é consideravelmente mais demorado do que outros métodos.
2. Não há um meio facilmente aceito de usar os resultados do ConSim no planejamento de minas. Atualmente, ele requer vários projetos e cronogramas, como mostrado na Figura 19.
3. Houve muito pouco trabalho, se houver, sobre a quantificação da veracidade com a qual uma determinada coleção de simulações representa a faixa total de incerteza nos projetos de minas. Na verdade, Dimitrakopoulos et al. (2007) afirmam que “embora os modelos de corpos de minério simulados sejam igualmente prováveis, os projetos correspondentes não o são” (p.76).
4. Heidari (2015), usando um depósito bem perfurado conhecido, mostrou que o modelo real (um conjunto de dados exaustivo) estava mais próximo da borda dos espaços de incerteza dos modelos simulados (usando um subconjunto de dados mais escasso) do que dos centros (portanto, a “média” das realizações era, na verdade, um indicador ruim da “verdade”).

Figura 18: Exemplo de diversos resultados de modelos com o ConSim

Figura 19: Método baseado em risco para planejamento da mina usando ConSim

4.7. MODELOS DE CAMADAS EM GRADE

Modelos de Camadas em Grade (GSM) são usados para depósitos estratiformes. Tecnicamente, não são "modelos de blocos".

Eles têm dimensões de bloco constantes nas direções X e Y (podem ser retangulares), mas têm apenas um bloco por camada na direção Z e sua espessura varia com a espessura da camada.

Eles consistem em um conjunto de matrizes bidimensionais, cada malha representando uma superfície ou valor, conforme mostrado graficamente na Figura 20. Os arquivos de grade estão contidos em uma estrutura do tipo tabela ou como arquivos individuais com uma convenção de nomenclatura prescrita, permitindo que o software mantenha uma "compreensão" de cada parte de superfície no todo.

As superfícies são os resultados da interpolação de um conjunto de dados espaçados de forma irregular para uma matriz regular e fixa chamada de "grade". O método de interpolação na grade pode ser diferente para cada pacote de software.

Geralmente, há uma baixa necessidade de espaço em disco, pois cada ponto de grade é definido por sua posição em relação a um ponto de referência. (Em outras palavras, não há necessidade de armazenar todas as coordenadas "à direita" e "ao norte").

Figura 20: Estrutura de um modelo de camada em grade

4.8. MODELOS DE HARP (Prisma Retangular Adaptativo ao Horizonte)

Um modelo HARP (Prisma Retangular Adaptativo ao Horizonte) é um modelo de blocos estratigráfico híbrido que busca corresponder mais precisamente à forma dos limites interpretados do que um modelo de blocos.

Um modelo HARP é projetado especificamente para permitir que unidades estratigráficas sejam representadas com praticamente nenhuma perda de integridade estrutural, permitindo que os topos e as bases dos blocos HARP individuais "flexionem" em conjunto com as superfícies de entrada. Assim, eles são capazes de seguir e representar características como falhas normais complexas, inversas e de empuxo.

Os modelos HARP são um produto de Maptek-Vulcan, desenvolvido e descrito por Odins (2011).

Um modelo HARP tem dois recursos principais que permitem seguir a estratigrafia de perto:

1. Uma altura de bloco infinitamente variável, de modo que a extensão vertical do bloco seja exatamente a da espessura do horizonte em qualquer local do plano.
2. Os quatro pontos de canto da base e do topo de um bloco, juntamente com um quinto ponto central, têm elevações totalmente independentes.

Assim, cada modelo HARP consiste em dez pontos (cinco superiores e cinco inferiores) que permitem seguir de perto os horizontes estratigráficos, como mostrado na Figura 21.

Cada bloco individual do HARP no modelo "conhece" o nome do seu horizonte, localização, extensões, volume e potencialmente milhares de parâmetros associados.

Os blocos não precisam se estender continuamente de um horizonte para outro. A subdivisão de blocos pode ser usada para criar um bloco com espessura fixa em relação às superfícies superior ou inferior.

Os modelos HARP retêm praticamente todos os atributos de um modelo de blocos padrão. Os usuários têm à sua disposição uma ampla gama de opções de estimativa de teores, incluindo, mas não limitado a, variografia e desdobramento geológico, krigagem, cokrigagem e simulação.

Por enquanto, Deswik não oferece suporte a modelos HARP. Será necessário importar as superfícies que foram usadas para gerar o modelo Vulcan HARP e, em seguida, criar e analisar um modelo Datamine em relação ao modelo Vulcan HARP usando essas superfícies.

Figura 21: Visão diagramática de bloco HARP único, mostrando níveis relativos nos cantos

Figura 22: Representação de modelo HARP de uma falha reversa

5.1. VISÃO GERAL

Provavelmente é verdade que todos os modelos de blocos que você recebe e usa estarão “errados” de alguma forma, mas com sorte a maioria será precisa o suficiente para ser útil se utilizada corretamente.

Dado que a maioria dos modelos estará errada em algum grau, é útil entender onde e como o modelo pode estar incorreto para que ele possa ser julgado como adequado ou não.

Um modelo de blocos de recursos só será tão bom quanto as bases geológicas sobre as quais ele foi construído.

Não é a intenção de transformar o engenheiro que lê este documento em um geólogo, mas o autor incentiva os engenheiros a ler e refletir sobre as entradas geológicas nos modelos que estão sendo usados e as técnicas de modelagem usadas para criar os modelos. Isso vai melhorar seu trabalho.

Nas seções seguintes, o autor irá abordar algum material para ajudar o engenheiro a começar a entender as limitações dos dados que recebeu.

5.2. ALGUMAS FONTES DE ERRO

Dominy, Noppe e Annels (2002) apresentam cinco razões geológicas principais para estimativas incorretas de recursos:

1. Dados de qualidade ruim da amostra e da análise
2. Falta de geologia detalhada da mina e compreensão fundamental do depósito
3. Interpretação inadequada das características de distribuição de teores
4. Compreensão e aplicação insuficientes de técnicas de estimativa assistida por computador
5. Não reconhecer o efeito da seletividade e da mudança de suporte ou efeito de variância de volume, ou seja, que a mineração precisa ser controlada nos teores de blocos de grande tonelagem e não em amostras de pequeno volume.

Além disso, há a questão da simples falta de dados suficientes.

Dominy, Noppe e Annels (2002) também listam um bom conjunto de razões observadas na prática para a redução das estimativas de recursos/reservas como resultado de estudos/auditorias de viabilidade e de diligência operacional. Verificou-se que estes geralmente se relacionam com:

• Orientação da perfuração em relação à zona de minério e orientação dominante de mineralização
• Volumes inadequados de amostra primária, subamostra ou polpa
• Qualidade, exatidão e repetibilidade do ensaio (precisão e tendência)
• Baixa correlação entre análises de amostras de campo duplicadas
• Recuperação de amostra de testemunho ruim ou variável
• Recuperação de amostra altamente variável
• Técnicas de amostragem enviesadas
• Presença de ouro grosso
• Técnicas de perfuração inadequadas e/ou mistas (por exemplo, RC úmida)
• Baixa correlação entre análises de furos gêmeos (por exemplo, RC vs RC ou RC vs DDH)
• Contaminação/smearing no fundo do poço
• Falta de levantamentos de orientação em furos longos
• Combinação de dados de amostras incompatíveis estatisticamente ou do ponto de vista de quantidade e qualidade das amostras
• Problemas com a combinação de dados brutos de amostras
• Continuidade geológica e/ou de teor pouco compreendida ou demonstrada
• Técnicas de interpretação geológica e modelamento geológico inadequadas
• Técnicas de estimativa de recursos inadequadas
• Determinação inadequada da densidade global de minério e estéril
• Avaliação inadequada de diluição e perdas
• Suposições de planejamento de mina pouco práticas (continuidade de blocos e formatos práticos de mineração)
• Questões de recuperação metalúrgica

A AMC Consultants tem uma lista semelhante de problemas descobertos durante as auditorias, que incluem:

• Dados de perfuração agrupados que produzem baixa densidade de dados nas margens da mineralização
• Interpretações e suposições geológicas incorretas
• Domínios geológicos não relacionados à continuidade de teor
• Domínios geológicos poucos demais ou em excesso
• Dados insuficientes para caracterizar a distribuição de teor do domínio
• Agrupamento de dados — desagrupamento necessário para definir estatísticas de teor
• Populações de dados mistos que resultam em resultados ambíguos
• Mistura de tipos de amostra, por exemplo, antigo/novo, RC/testemunho, UG/superfície
• Erros de amostragem ou analíticos
• Teores anômalos ou incomuns
• Estratégias de redução de teor
• Falta de habilidades analíticas para caracterizar estatísticas de teor
• Interpretação incorreta dos resultados
• Domínios de estimativa de wireframe mal construídos
• Dados inadequados, densidade de dados variáveis, extrapolação excessiva
• Trabalhar em uma escala inadequada
• Seleção ruim do método de estimação de teor
• Tratamento inadequado de valores atípicos
• Controles de modelo inadequados/suavização excessiva
• Tamanho de bloco inadequado para densidade de dados
• Viés nas estimativas, excesso de suavização
• Incorporação inadequada de diluição de borda/perda de mineral
• Seleção inadequada de teor de corte
• Estimativas que não se reconciliam com a geologia e os dados brutos

_{(fonte: AMC, apresentação de Lições Aprendidas com a Experiência)}

O objetivo da lista acima é ilustrar que há muitas razões para que um modelo de blocos apresente erros e que pouco pode ser feito pelos engenheiros de mineração para identificar isso (exceto a reconciliação com os resultados reais da perfuração de controle de teor e desempenho da usina). Só fique ciente de que essa circunstância não é rara.

Deve-se observar que um erro de 10% na estimativa de teor não é incomum (por exemplo, durante um período de um ano) e geralmente é considerado aceitável. Para uma operação subterrânea, considera-se que, mesmo para uma boa operação, os custos de produção estão em um nível de pelo menos 50% a 75% da receita da mina. Pode-se observar que mesmo uma redução de 10% no teor pode se traduzir em uma redução de 20% a 40% no excedente operacional. Isso é suficiente para tornar inviável um projeto financeiramente pressionado.

5.3. DADOS INSUFICIENTES 

Na modelagem geológica, sempre haverá uma questão de “existem dados suficientes?”. A chave é ser capaz de coletar dados suficientes (espaçamento de perfuração) para realizar um planejamento de longo prazo razoavelmente exato e definir melhor exatidão durante a mineração usando perfuração de controle de teores.

No estágio de estudo de viabilidade, os custos geralmente impedirão uma densidade de perfuração para definir um corpo minério inteiro com boa exatidão.

Um exemplo de efeito de “mais dados geológicos” é mostrado na Figura 23 de um estudo realizado por Dowd e Scott (1984) para um grupo complexo de três corpos de minério de prata, chumbo e zinco na mina Hilton, no noroeste de Queensland, Austrália. A interpretação dos limites dos corpos de minério em um espaçamento de perfuração de 20 m é muito mais suave (menos variável, mais contínuo) do que a interpretação estimada a partir de um espaçamento de 5 m.

Figura 23: Interpretação transversal com base no espaçamento de perfuração de 20 m e depois 5 m

A Figura 24 mostra sobreposições da interpolação de 5m sobre a de 20m e vice-versa. É possível ver a quantidade de diluição e perda que ocorreria ao usar as interpretações de espaçamento de 20m versus 5m.

Figura 24: Sobreposição de interpolação de 20m e interpolação de 5m. 

(a) Caso seja utilizado o modelo de 20m, o azul-claro visível representa a diluição;

(b) Se for usado o modelo de 20m, as áreas azul-escuras visíveis representam perda de minério.

Também deve ser observado que, mesmo com os mesmos dados, diferentes geólogos podem dar interpretações diferentes, com base em sua experiência e vieses. Um exemplo disso é dado na Figura 25, onde três geólogos, que receberam os mesmos dados de perfuração, interpretaram as lentes de minério de forma bastante diferente.

Figura 25: Seção transversal de interpretações geológicas de três geólogos com os mesmos dados

5.4. FALTA DE COMPREENSÃO FUNDAMENTAL DOS CONTROLES GEOLÓGICOS 

Os modelos geológicos são tão bons quanto a qualidade e interpretação dos dados e a adequação da escala em que os dados são coletados.

Os teores são interpolados ou extrapolados em blocos e tanto a interpolação quanto a extrapolação são tipicamente delimitadas pelos wireframes dos limites de depósito definidos a partir dos registros de sondagem, amostragem e mapeamento do depósito.

A mina Stekenjokk, na Suécia, proporcionou um dos exemplos mais marcantes dos perigos da interpolação da continuidade de minério a partir de dados de perfuração de superfície sem uma compreensão mais profunda das macro e micro estruturas presentes.

Foram assumidos dois horizontes de minério suaves, mas o minério, na verdade, ocorreu em um complexo fortemente pregueado, como mostrado de forma esquemática na Figura 26.

Figura 26: Interpretação versus estrutura de minério real na mina Stekenjokk 

Outro exemplo de comparação entre "ligar os pontos" e usar todas as informações geológicas disponíveis é mostrado abaixo na Figura 27 (diagrama de dados reais da mina Lady Lorretta).

Figura 27: Seção transversal diagramática mostrando a interpretação de lentes mineralizadas

Será difícil para os engenheiros que usam modelos geológicos reconhecer esses erros, mas um erro que pode ser verificado é a questão do modelo de blocos "spotted dog" ("cachorro malhado").

O "spotted dog" é um termo cunhado por Stephenson et al (2006) para descrever um modelo que resultou da classificação de confiança de recursos sendo atribuída exclusivamente à presença de furos de perfuração sem qualquer consideração da continuidade geológica no depósito, como mostrado na Figura 28.

Figura 28: O modelo geológico "spotted dog"

Deve-se observar que esses modelos “spotted dog” provavelmente serão inconsistentes com, se não realmente violarem, os requisitos de padrões de relatório, como Código JORC, Código SAMREC, Código de Relatório NI 43-101 / CIM e até mesmo o Guia da Indústria 7 da SEC. Todos esses padrões discutem a continuidade da geologia e teor em termos dos furos de sondagem (plural), implicando uma correlação ENTRE furos, não para furos individuais.

Parece que esses tipos de modelos aumentaram em ocorrência devido ao aumento do uso de geoestatística para estimativas de teor, proporcionando uma maior capacidade de gerar e usar parâmetros e atributos de bloco a bloco, e os geólogos gastando mais tempo com os detalhes de um modelo de blocos e menos tempo (muitas vezes, nenhum tempo) examinando e interpretando seções transversais e planos em documento físico.

Sobre a questão de seções transversais, deve-se observar que a prática comum da maioria dos geólogos é interpretar um depósito por seção vertical. Jun Cowan observa que essa é provavelmente uma prática ruim para interpretação de corpos de minério (https://www.linkedin.com/pulse/why-i-give-geological-cross-sections-cold-shoulder-jun-cowan/), pois a maioria dos depósitos minerais raramente tem uma estrutura de controle horizontal.

Os geólogos rotineiramente traçam e interpretam seções transversais verticalmente. (É o que eles foram ensinados a fazer). Mas os padrões geológicos que precisam ser informados não podem ser compreendidos se a seção transversal não for um plano de simetria do padrão de mineralização 3D.

Cowan ressalta que esquecemos as técnicas básicas e eficazes de identificação de padrões de simetria que existem em rochas deformadas que controlam a mineralização. A análise de simetria - uma habilidade essencial considerada pré-requisito da análise cinemática e desenvolvida há quase 90 anos - não é mais praticada pelos geólogos modernos.

A indústria de mineração em geral rotineiramente ignora a simetria dos depósitos minerais, apesar do fato de que a maioria das tendências mineralizadas imita a simetria estrutural subjacente das rochas hospedeiras. Raramente os geólogos de recursos analisam os padrões de mineralização para terem informações sobre a simetria estrutural. Portanto, não é incomum que a simetria dos depósitos minerais e, portanto, os controles da mineralização, passem despercebidos por muitos anos.

Um exemplo típico de um depósito mineral com suas orientações de seção transversal padrão (roxo) (em outras palavras, paralelo à cerca de furos de sondagem) e o plano de simetria (verde) é mostrado na Figura 29. O eixo estrutural linear, coincidente com o eixo longo de mineralização, é paralelo à seta vermelha.

Esse depósito não é adequado para interpretação geológica que utiliza seções transversais tradicionais paralelas às cercas de furos de sondagem. Esse não-paralelismo entre os planos de seção transversal e a seção de simetria é típico da maioria dos depósitos minerais.

Figura 29: Exemplo típico de seção padrão de corte transversal versus posição do plano de simetria.

As Figuras 30 e 31 mostram como seções não padronizadas (normal ao mergulho do corpo de minério) podem ser usadas para descobrir aspectos das estruturas de mineralização de controle.

Figura 30: Exemplo de como a estrutura pode ser interpretada com amostras de teor plotadas em projeção para um plano de simetria

Figura 31: Um conjunto de dados de teor sintético com "minério" em vermelho e "estéril" em azul para ilustrar o poder da seleção correta do plano de simetria

a) Teores baixos cercam o teor alto, de modo que a geometria do minério não pode ser decifrada facilmente. b) A Projeção de Intensidade Máxima em uma direção de visualização arbitrária não produz nada que seja geologicamente coerente. c) Apenas a orientação de mergulho para baixo revela um perfil de dobra. (Cowan, 2014)

5.5. SELETIVIDADE — SMU — DILUIÇÃO — PERDA

Em geral, estimar blocos consideravelmente menores que a grade média de perfuração (digamos, apreciavelmente menos da metade do tamanho) é potencialmente muito arriscado. Em situações de alto efeito pepita (ouro hospedado em locais epitérmicos e de cisalhamento, por exemplo), até mesmo blocos com dimensões que se aproximam do espaçamento da perfuração ainda podem ser altamente arriscados.

A prática comum de estimar blocos pequenos demais é sintomática da má compreensão de geoestatística básica.

O conceito de SMU é discutido mais detalhadamente em uma próxima seção, pois essa é uma área onde um engenheiro pode influenciar após um modelo geológico já ter sido entregue.

Em associação com a SMU estão as questões paralelas de diluição e perda. Novamente, isso é discutido mais adiante em uma próxima seção, pois está muito nas mãos do engenheiro(a) garantir que a diluição e a perda tenham sido consideradas adequadamente.

6.1. VISÃO GERAL

A definição convencional de SMU é o menor volume de material no qual é determinada a classificação entre minério e estéril.

SMU é um conceito que vem de estimativa geoestatística de estimativa e se refere à menor unidade que pode ser minerada seletivamente. Essa unidade irá variar com o estilo de mineralização, o método de mineração e o tamanho do equipamento. Normalmente, ela pode ser bastante pequena em operações seletivas (em outras palavras, algumas cargas de caminhão – algumas centenas de toneladas em uma mina de ouro com cava a céu aberto típica), mas, na prática, ter um grande número de pequenos blocos interpolados deixará a maioria dos blocos vizinhos com teores idênticos ou muito próximos. Assim, na prática, muitos profissionais de geoestatística evitarão estimar um bloco menor que um quarto a um quinto do espaçamento de perfuração, o que é bom para modelos de recursos globais. Isso normalmente está acima de qualquer volume de bloco parcial relacionado a limites geológicos.

No entanto, ao fazer a otimização de cava ou o planejamento da vida útil da mina, é desejável representar os graus reais de seletividade possíveis na prática. É aqui que as estimativas da provável proporção do bloco mineralizado que poderia ser extraído seletivamente se tornam importantes. A chave para essas estimativas é prever as tonelagens de material da SMU ou de unidades de tamanho maior que poderiam ser extraídas seletivamente. Isso poderia ser apenas uma porção do bloco que foi estimado ou um agrupamento de blocos que foram estimados.

Os geólogos de recursos usarão técnicas que envolvem a consulta de uma curva de teor e tonelagem de um depósito e erro de estimativa para calcular essas proporções.

Portanto, o conceito da SMU é selecionar o menor tamanho de célula regular que pode ser extraído na prática por equipamentos de mineração de tamanho apropriado. O tamanho do equipamento é selecionado para combinar com a escala da operação. Essa abordagem baseia-se na premissa de que equipamentos grandes geralmente não conseguem explorar SMUs de tamanho pequeno. Além disso, há uma suposição geralmente feita de que a quantidade de equipamentos de mineração deve ser minimizada, com a escolha do maior equipamento possível.

Normalmente, a consideração da escolha de SMU inclui:

• Tamanho do bloco pai, modelo de recursos
• A largura ou profundidade média do depósito
• Altura da bancada de produção ou altura do corte (flitch)
• Altura final do talude
• Efeito da diluição e dos contaminantes na análise econômica do projeto
• Capacidade de produção e, portanto, uma noção preconcebida sobre o tamanho do equipamento de escavação e transporte

Na realidade, a seleção de SMU parece ser um campo complexo e “obscuro”. Após ampla leitura, não há um método acordado em todo o setor para selecionar a SMU, e muitas vezes é um "palpite" do geólogo de recursos. Isso é especialmente verdadeiro para um novo modelo de recursos do projeto, onde o trabalho nem mesmo foi realizado para decidir qual seria o formato da mina e o tamanho do equipamento.

Deve-se observar também que é impraticável e impossível selecionar livremente uma única SMU de minério entre o estéril, assim como é impossível rejeitar livremente uma única SMU de estéril entre o minério. (Portanto, haverá efeitos de perda e diluição acima e além da seleção de tamanho de SMU.) No entanto, mesmo grandes equipamentos de mineração a granel podem ter a capacidade de minerar a alguns metros de um limite, se as condições forem favoráveis.

Leuangthong et al (2004) discute um método de seleção da SMU com base em uma definição da SMU como "o tamanho do modelo de blocos que prevê corretamente as toneladas de minério, toneladas de estéril e teor diluído que a usina receberá com prática de controle de teor antecipada". Isso faz muito sentido, pois é a situação ideal que um engenheiro de planejamento e programação de mina quer: um tamanho de SMU que forneça uma correspondência razoável com a produção real (se possível).

Leuangthong et al (2004) acreditam que esse tamanho deve de alguma forma não apenas estar relacionado à capacidade do equipamento de selecionar material, mas também deve ser baseado nos dados disponíveis para classificação (furos de desmonte ou perfuração de controle de teor dedicado), nos procedimentos usados para traduzir esses dados em limites de escavação exploráveis e na eficiência com a qual o equipamento de mineração escava esses limites de escavação.

Inúmeras fontes de diluição também devem ser contabilizadas, incluindo a diluição interna devido à variabilidade de teor dentro da SMU, diluição externa resultante de contatos geológicos/geométricos e diluição operacional que leva em conta erros de produção, pressões e demandas de cronograma.

Embora o conceito de usar o SMU para obter uma correspondência entre o recurso e a produção real seja uma meta extremamente valiosa, há outras questões com essa abordagem: efeitos como blocos de escavação de tamanho prático mínimo (maiores que a SMU), efeitos de imperfeição de mineração (como deslocamento causado por explosão) e o “efeito de dados” (falta de dados suficientes de amostras geológicas). Tudo isso leva a problemas de reconciliação - o mais comum é que o modelo de recurso acaba superestimando o metal no modelo de recurso quando comparado ao modelo de controle de teor de perfuração mais restrito (e, portanto, maior informação sobre a quantidade de dados). O autor observou que, para as cerca de dez minas para as quais ele viu informações detalhadas de reconciliação, cerca de 70% tinham modelos de recursos que superestimaram o metal contido em mais de 10% (e até 35% de diferença).

É comumente observado pelos profissionais de recursos/reservas que trabalham em ambientes operacionais de minas que as minas tendem a extrair mais toneladas em teores mais baixos do que o indicado pelo modelo de recurso (provavelmente 90% ou mais do tempo). Se isso leva a uma previsão excessiva ou insuficiente do metal contido dependerá da forma da curva de tonelagem de teor e do teor de corte usado. Mas, em todos esses casos, a tonelagem mais alta levará a custos mais altos do que o previsto por cada unidade de metal. O autor sempre suspeitou que a seleção da SMU era uma grande parte desse problema (não o único, claro).

Ao procurar aconselhamento sobre a seleção de SMU, observou-se que, em um estudo realizado em Buzwagi (Rocca et al, 2007), foram utilizadas as seguintes condições:

• A largura da caçamba é inferior a 75% da dimensão mais estreita do bloco de SMU.
• Um mínimo de duas cargas de caminhão são necessárias por bloco, ou seja, aproximadamente 10 caçambas de escavadeira por SMU.

Portanto, essas condições podem ser uma base razoável para avaliar a SMU a ser usada.

Para aplicar uma SMU a um modelo de OK, o modelo precisará ser regularizado para o tamanho da SMU. Na Deswik, isso significa criar uma nova estrutura de modelo (e blocos vazios) no tamanho do novo modelo de blocos e usar o comando de regularização para preencher esse novo modelo de blocos com os dados do modelo de blocos não regularizado (É preciso pensar em como diferentes materiais que estão sendo “misturados” em uma SMU precisarão ser considerados, pois, por definição, uma SMU só pode ser de um tipo de material).

Para aplicar uma SMU a um modelo MIK, várias abordagens são usadas. Se, como usuário do modelo, você estiver satisfeito com o tamanho da SMU selecionado pelo geólogo quando a correção de alteração de suporte foi aplicada, então é necessário apenas garantir que as proporções de minério e de estéril em cada bloco sejam no mínimo iguais ou maiores do que o tamanho da SMU que está sendo usado. Se o tamanho fundamental da SMU usado pelo geólogo de recursos na construção do modelo MIK for muito pequeno, então será melhor voltar ao geólogo de recursos e pedir um novo modelo no tamanho da SMU previamente acordado. (As correções de mudança de suporte exigem software especializado e conhecimento técnico especializado).

6.2. EFEITO DA SMU EM UMA OTIMIZAÇÃO DE CAVA

Para entender o efeito do uso de uma SMU apropriada versus não usar uma SMU, o autor realizou uma análise de uma otimização de cava com modelo regularizado de SMU em comparação com o modelo de blocos irregular original (usando o modelo padrão de blocos de treinamento do Deswik). Este pequeno estudo destacou o tamanho do erro de volume potencial na concha de RF=1 resultante com um modelo de blocos excessivamente seletivo.

O modelo de blocos irregular subdividido em células até o limite do veio de minério tem blocos de tamanho até 0,06 m³. A distribuição do tamanho dos blocos (incluindo todos os blocos divididos em células) é mostrada por frequência e por volume na Figura 32.

Figura 32: Distribuição do tamanho de blocos de minério por frequência e volume no modelo dividido em células não regularizado.

O tamanho da SMU selecionado para a análise foi de 250 m³. O processo de regularização é tal que cada bloco (100%) no modelo de blocos agora tem um tamanho de 250 m³.

As duas conchas potenciais de RF=1 são mostradas na Figura 33 em comparação com o modelo de blocos excessivamente seletivo irregular à esquerda e o modelo de blocos regularizado da SMU à direita.

Para o modelo de blocos excessivamente seletivo irregular, a concha de RF=1 resultante (concha da seção vermelha na Figura 33) foi 15% maior (em volume) do que a concha de RF=1 do modelo de blocos regularizado por SMU (concha da seção azul na Figura 33) e, mais importante, com um valor calculado 122% maior por tonelada total movida na concha (um valor que não será alcançado na prática).

Figura 33: Seção transversal de conchas de RF=1 do Pseudoflow para o modelo de blocos irregular bruto vs modelo de blocos regularizado de SMU.

Observe que para este estudo:

(a) A recuperação da usina era uma função do teor e, portanto, o valor por bloco variou em uma porcentagem maior do que apenas a mudança de teor.

(b) O teor médio de minério dos filões de minério mudou apenas cerca de 2% com a regularização por SMU (1,59 g/t vs. 1,63 g/t), mas o resultado da otimização mudou muito mais – indicando a sensibilidade do projeto à diluição.

(c) O volume de material do filão de minério que passa por um teor específico mudou com a regularização por SMU, conforme mostrado na Figura 34. (O modelo de SMU teve um volume maior abaixo de cada teor de corte e, portanto, um volume menor acima de cada teor de corte em comparação com o modelo de blocos com subcélulas bruto.) O efeito da regularização por SMU mudará, portanto, de forma diferente com base no teor de corte necessário.

Figura 34: Alteração no volume abaixo de um teor de corte específico para modelo regularizado por SMU versus modelo de blocos bruto.

6.3. VANTAGENS E DESVANTAGENS DO USO DE SMU PARA AVALIAÇÃO DE PERDAS POR DILUIÇÃO 

A reconciliação dos recursos ao longo da cadeia de processo de mineração até os resultados do processamento (e vendas) determinará se o uso da SMU é apropriado para a estimativa dos efeitos de diluição e perda para a mineração na prática.

Há situações em que o uso de uma SMU regular pode não ser apropriado.

As vantagens de usar uma SMU incluem:

• Possui tempos de cálculo relativamente rápidos, permitindo que uma variedade de tamanhos de SMU seja testada.
• Pode ser usado em combinação com outros ajustes de recuperação e diluição de mineração.
• Inclui teores de mineralização de diluição de células de limite. Isso é particularmente importante em depósitos cujos limites de teor apresentam transições graduais.
• Ele inclui a modelagem da perda de minério nos limites de depósito.
• Ele permite a avaliação econômica de teores de células diluídas por meio de software de otimização. Essa é uma consideração importante para blocos de minério com teor marginal em profundidade.

(Bannister, 2016)

As desvantagens de usar uma SMU incluem:

• Equipamentos de mineração podem extrair formas diferentes de cuboides retangulares.
• As estimativas de diluição e recuperação de mineração são baseadas na mineração precisa do cuboide de SMU, não na geometria do depósito interpretado.
• Depósitos com fortes limites geológicos físicos e visuais não são reconhecidos na estimativa de diluição.
• Os sistemas de controle de teores propostos, como perfuração adicional, mapeamento e pontuação de minério, não são considerados.
• As exatidões do modelo geológico e de marcações de levantamento não são consideradas.
• O deslocamento de minério resultante de levantamento e lançamento causados pela detonação não é considerado.
• A perda de minério devido a efeitos de borda no minério detonado não é considerada (base não escavada de blocos de minério adjacentes a blocos de estéril).
• Diluição do minério devido a efeitos de borda no minério detonado (a parte superior do bloco de estéril cai no bloco de minério durante a escavação).
• O desvio de despacho de minério não está incluído.
• A orientação da SMU para os limites de depósito e centroides das células têm influência significativa na recuperação e diluição de mineração.
• As alterações de orientação das células SMU consomem muito tempo e geralmente não são realizadas.

(Bannister, 2016)

7.1. VISÃO GERAL

Para a conversão das informações contidas em um "modelo de bloco" de um recurso mineral em um conjunto recuperável de tonelagens e teores de mineração (as reservas de minério), vários fatores modificadores, incluindo diluição e perda, precisam ser considerados.

Invariavelmente, alguma forma de diluição ou perda ocorrerá no processo físico de mineração. A menos que uma reconciliação de recursos sugira o contrário (por exemplo, um resultado de reconciliação positivo mostrando mais toneladas, teor ou metal do que o modelado), isso invariavelmente será devido a uma subestimação no modelo de recursos subjacente que está mascarando os efeitos de diluição e perda.

As abordagens que foram usadas para estimar a diluição e a perda incluem:

• Estimativas percentuais de fatores (com base em fatores históricos de chamada de mina ou "estimativas por intuição" permitidas no setor)
• Expansões de área de superfície / camadas de diluição
• O uso de uma SMU – regularizada na grade de modelo de blocos ou irregular ao longo de um limite de contato

Qualquer que seja o método usado, recomenda-se a reconciliação com as toneladas de alimentação da planta de tratamento, o teor de minério e o produto mineral real produzido que permitam o ajuste do método para fornecer resultados aceitáveis.

Os fatores modificadores que precisam ser considerados incluem o seguinte:

a. Fatores de reconciliação entre o modelo de reserva e o modelo de controle de teor

Isso se refere às diferenças entre o modelo de controle de teor de curto prazo (perfuração de malha fechada) e o modelo de recurso mineral de longo prazo (perfuração de recursos menos densa). Os fatores geralmente são determinados pela reconciliação entre os dois tipos de modelos.

A diluição e a perda modeladas por esse processo são decorrentes do conhecimento incerto do corpo de minério, que é melhorado com o aumento da densidade de perfuração.

b. Diluição interna

Esta é a inclusão de estéril com um bloco de minério. Afirma-se que um modelo MIK inclui esse efeito, mas analise a seção de descrição do modelo MIK deste documento para ver algumas das modificações adicionais que possam ser necessárias.

c. Diluição externa e perda

Isso se refere à adição de materiais ao longo das bordas das SMUs econômicas dentro de um bloco e ao longo das bordas de blocos com outros blocos.

O suavizamento da marcação de blocos de escavação também leva à diluição e perda. Foi observado que algumas operações estimaram esse efeito manualmente digitalizando uma série de polígonos de blocos de escavação no modelo de recursos para uma série de bancadas planejadas.

d. Fatores de mineração imperfeitos (diluição e perda)

Isso se refere aos efeitos de as coisas não serem perfeitas na mineração.

• O minério – especialmente o minério detonado – será deslocado de seus locais de perfuração de controle de teor.
• O revestimento e o nivelamento de estradas e patamares moverão minério e estéril ao redor, resultando em diluição e perda.
• Devido à geometria, a operação do equipamento de escavação não pode ser fisicamente combinada com a forma e o tamanho do corpo de minério e, portanto, as escavadeiras irão extrair fragmentos de blocos adjacentes, laterais e verticais. Os blocos do modelo de controle de teores são verticais, mas a escavadeira cava uma face no ângulo do escoamento do talude.

Podem ocorrer erros de operadores de mineração, incluindo material estéril enviado para a usina e vice-versa, e a escavação insuficiente/excessiva de blocos de minério marcados.

Todos esses fatores precisam ser considerados e contabilizados na conversão de um recurso mineral em uma reserva de minério.

Os resultados líquidos dessas fontes operacionais imperfeitas de diluição e perda são difíceis de estimar e exigem o uso de reconciliações operacionais reais de mineração para serem quantificados adequadamente.

7.2. DILUIÇÃO SUAVE/PERDA DE MARCAÇÃO

Um exemplo de suavização de demarcação que causa diluição e perda é mostrado na Figura 35 e na Figura 36. Neste exemplo, os blocos de controle de qualidade dentro de um bloco de recurso pai que foram determinados como minério são mostrados na Figura 35. No entanto, os geólogos de controle de qualidade indicarão isso como uma forma de escavação mais prática, por exemplo, como mostrado na Figura 36.

Figura 36: Exemplo de marcação provável por geólogos de controle de qualidade do minério dos blocos de minério perfurados dentro de um bloco-pai de recurso

7.3. ABORDAGEM DE DILUIÇÃO DE CAMADA

Na abordagem de camada de diluição para diluição e perda, os blocos podem ser expandidos por uma “camada” de material ou zonas de minério podem ser expandidas.

Expansões em bloco – Modelos OK

Nessa abordagem, o processo é mostrado esquematicamente na Figura 37.

Uma área de sobreposição com cada um dos blocos vizinhos é avaliada e a tonelagem e o teor dessa sobreposição são adicionados ao bloco central. A nova tonelagem e teor do bloco são uma média ponderada das toneladas e teores do bloco original e das toneladas e teor adicionados de cada um dos blocos vizinhos. A tonelagem precisa então ser reequilibrada para que ocorra uma perda de volume equivalente, de modo que nenhum volume extra apareça no bloco. A conservação da massa e a conservação do metal devem ser respeitadas.

Figura 37: Esquemático de expansão de uma célula do modelo de blocos por uma camada de diluição.

Além dos quatro blocos ao norte, sul, leste e oeste, os blocos acima e abaixo podem precisar ser considerados.

O algoritmo pode ser configurado para ter tamanhos de “camada” diferentes em direções diferentes.

Expansões de blocos – Modelos MIK

Abaixo está um método de aplicação de uma camada de diluição no contexto de um modelo MIK.

Suponha que qualquer volume proporcional de material acima de um teor de corte (indicador) selecionado em um bloco tem a mesma razão X-Y que o bloco pai. Adicione uma camada de diluição de tamanho “d” em torno da proporção de minério, conforme a Figura 38. A camada de diluição será do teor do incremento abaixo do valor do indicador selecionado. Se houver tonelagem insuficiente no incremento abaixo, o próximo incremento será adicionado até que a tonelagem seja atingida.

Se o fator de tonelagem resultante for maior que “1”, então ele será definido como “1”. (Em outras palavras, a tonelagem em bloco será conservada).

Esse ajuste é feito para cada valor de indicador, um de cada vez, resultando em um conjunto modificado (“diluído”) de proporções e teores de indicador.

Figura 38: Diagrama do algoritmo de aplicação da camada de diluição para um bloco do MIK.

Expansões de wireframes

Nesse método, os wireframes usados para gerar os domínios de minério do modelo de recurso são expandidos para além do domínio de minério.

Blocos de estéril dentro do novo wireframe expandido são sinalizados como blocos de minério a serem incluídos na mineração como minério; pode ser necessária a divisão em células para isolar esses blocos.

Esses “blocos de diluição” podem então ser incorporados a um planejamento como minério quando as tarefas de blocos de bancada são criadas. Eles também podem ser marcados como lotes de minério quando os modelos forem regularizados para uso na preparação do modelo de otimização de cavas do Pseudoflow.

Figura 39: Diagrama da aplicação de camada de diluição e expansão do wireframe 

As limitações desse método incluem:

• Wireframes sobrepostos e wireframes pregueados confundem o processo de expansão de wireframe.
• A construção original de wireframes precisa considerar esse uso posterior.
• Não é adequado para corpos de minério pregueados.
• É necessário verificar cada wireframe final.

7.4. TÉCNICAS FORA DO MODELO EM BLOCOS DE DILUIÇÃO

Deve-se observar que o objetivo da modelagem de diluição e perda é garantir que nossas previsões usando o modelo de blocos de recurso/reserva sejam o mais próximas possível do que acreditamos que realmente acontecerá na prática operacional. A melhor maneira de conseguir isso é tentar replicar os mecanismos e extensões de diluição e perda o mais fielmente possível, como ocorrem na prática, e conciliar os resultados da modelagem com o histórico, quando disponível.

Para alcançar esse objetivo, às vezes será melhor modelar a diluição e a perda fora do modelo de blocos e em formas de mineração específicas ou formas de corpos de minério específicos que podem ser usados para planejamento.

Uma abordagem usada para modelar a diluição com sucesso foi o uso do "Stope Optimizer" subterrâneo (https://www.deswik.com/product-detail/deswik-stopeoptimizer/) para avaliar formas de minério exploráveis em bancadas de mina a céu aberto, sendo a altura da bancada a altura da câmera (stope) da lavra.

Figura 40: Seção de uma cava a céu aberto que mostra o uso do Stope Optimizer para determinar formatos mineráveis para exportação em um planejamento.

8.1. ENTENDA SEU MODELO DE BLOCOS

É extremamente importante entender bem o modelo de blocos antes de começar a trabalhar com ele. Pode levar alguns dias se você receber um modelo que nunca viu antes.

Solicite uma tabela de resumo de campo aos geólogos no mínimo, de preferência obtenha um relatório completo do modelo de recursos.

Certifique-se de saber o significado de cada um dos campos. São campos inteiros, duplos, de texto ou de caracteres? Existem campos "calculados", como os campos do Surpac, que são calculados "dinamicamente"? Todos são necessários para o seu trabalho? Quais valores padrão são usados? Sugerimos que você analise as estatísticas de cada um dos campos no modelo.

Qual é a estrutura do modelo? A estrutura está no lugar certo? Os blocos são regulares ou irregulares? Está rotacionado? Qual é o menor tamanho até o maior?

O modelo de blocos está completo dentro da estrutura ou há apenas alguns dos blocos dentro da estrutura, com grande parte da estrutura vazia?

Não suponha que o geólogo lhe entregou um modelo de blocos completamente pronto para você começar a trabalhar. Por exemplo, ele pode ter valores default de "-99" para densidade ou teor, e pode haver blocos ainda no modelo com esses valores default. Não é preciso ter muitos blocos de densidade "-99" incluídos em um modelo de blocos para que uma análise forneça tonelagens extremamente incorretas!

Além disso, esteja ciente de que os modelos de blocos geológicos podem apresentar problemas. Os dois problemas mais comuns são suporte geológico insuficiente (por exemplo, limites litológicos incertos e densidade insuficiente da amostra) e integridade deficiente dos dados (QA/QC ruim, ausência de componentes na amostragem como contaminantes friáveis finos em um núcleo de rocha dura). Consulte a Seção 5, Problemas a serem considerados, anteriormente neste documento.

8.2. CHECAGENS DO MODELO DE BLOCOS ANTES DE USAR 

Gostaríamos de pensar que os modelos estão totalmente validados e prontos para uso quando são entregues, mas a experiência sugere o contrário. Então, é uma boa ideia fazer as seguintes checagens de um modelo de blocos antes de usá-lo:

• Verifique se você tem o modelo de blocos mais recente. Grave o nome de arquivo fornecido e confirme se esse é o modelo correto a ser usado.
• Obtenha um resumo dos campos de modelo do geólogo de modelagem de recursos. Certifique-se de que o modelo que lhe foi fornecido tenha esses campos (ou pelo menos os que você precisa).
• Salve o modelo como um modelo de nome diferente do modelo do geólogo de recursos (um nome relacionado ao planejamento, com data) e exclua os campos desnecessários (por exemplo, “número de amostras” usado na estimativa de teor e outros campos relacionados à elaboração de modelo de recurso). Isso tornará o modelo menor e mais gerenciável.
• Verifique se os campos mínimos necessários estão presentes: Densidade, Categoria de recurso (Medido, Indicado, Inferido), Teores de minério e Classificações de tipo de rocha/material.
• Entenda a estrutura do modelo: origem, limites do modelo e tamanho do bloco pai. Estes dados devem ser anotados.
• Determine o tipo de método de estimativa de interpolação de teor usado na construção do modelo de bloco: OK, MIK, CS.
• Verifique o mínimo e o máximo de todos os campos numéricos.

É comum encontrar valores do "indicador default" "-99" ainda em blocos (especialmente blocos de ar). Se esses valores ocorrerem, e houver um motivo óbvio (como um bloco de ar) para isso, corrija-os você mesmo (em outras palavras, defina-os como "zero"). Caso contrário, envie-os de volta ao geólogo para correção.

Certifique-se de que o intervalo de números faça sentido, especialmente teores e densidades. O autor já viu modelos com teores superiores a 100% em blocos. Estes não seriam valores de ppm. Eram porcentagens decorrentes de equações geoquímicas que manipularam ensaios portáteis do PIMA e não foram validados se fazem sentido.) Verifique se há valores negativos.

• Verificar se há divisão em sub-blocos.
• Realize algumas verificações visuais básicas:
• Verifique visualmente se o teor=0 em áreas não definidas.
• Verifique visualmente se as categorias de recursos minerais parecem apropriadas.
• Verifique visualmente as consistências dos campos. Por exemplo, se Densidade=0, verifique se o teor também é igual a 0.
• Determine se os valores do modelo são "bloco inteiro" ou "bloco parcial". (“Bloco parcial” significa que pode haver vários tipos de material dentro de um único bloco e há campos que especificam a proporção de cada material naquele bloco.)
• Verifique o relatório de recursos (ou com a pessoa que gerou o modelo) para ver se há qualquer diluição aplicada ao recurso.
• Verifique o modelo global de toneladas e teor executando relatórios em CAD para o recurso total em três ou mais teores de corte diferentes e por classe de recurso. Compare com os totais declarados no relatório de recursos do geólogo responsável. (Isso pode ser para um modelo inteiro ou para um subconjunto específico, como dentro de uma envoltória de recurso mineral.)
• Descubra qual tamanho de SMU foi usado pelo geólogo (se aplicável) na criação do modelo.
• Determine como a densidade foi estimada. (Isso vai lhe dar um entendimento dos níveis de exatidão. Eles foram interpolados por krigagem? Eles são uma média simples em massa para o tipo de rocha? Eles estão baseados em um cálculo de mineralogia?)
• Para modelos MIK, verifique se há erros de ordenamento e corrija-os (ou providencie sua correção). Às vezes, podem causar estragos em seu trabalho posterior.
• Verifique wireframes quanto aos limites de oxidação em relação aos tipos de material dos modelos de blocos.
• Verifique no wireframe os domínios geológicos codificados no modelo.

Abzalov, M.Z. (2006) Localised uniform conditioning (LUC): A new approach for direct modeling of small blocks. Mathematical Geology, 38(4). DOI: 10.1007/s11004-005-9024-6.

Badiozamani, K. (1992). Computer Methods. In Hartman, H.L. (Ed.), SME Mining Engineering Handbook (pp. 598-626). Littleton: Society for Mining, Metallurgy, and Exploration, Inc.

Bannister, K. (2016). Estimation of Open Cut Mining Recovery and Mining Dilution. Consultado de http://www.kbpl.com.au/ KBPL%20Mining%20Recovery%20and%20Dilution.pdf.

Bertinshaw, R. & Lipton, I. (2007). Estimating mining factors in open pit mines. In (The Australasian Institute of Mining and Metallurgy: Perth). 6^th Large Open Pit Mining Conference 2007 : 10-11 setembro de 2007, Perth, Austrália Ocidental, pp. 13-17.

Caers, J. (2000). Adding local accuracy to direct sequential simulation. Mathematical Geology, 32(7):815-850. DOI: 10.1023/A:1007596423578.

Coombes, J. (2008). The Art and Science of Resource Estimation – a practical guide for geologists and engineers. Perth: Coombes Capability.

Cowan, E.J. (2014). ‘X-ray Plunge Projection’— Understanding Structural Geology from Grade Data. In AusIMM Monograph 30: Mineral Resource and Ore Reserve Estimation — The AusIMM Guide to Good Practice, segunda edição, pp. 207-220.

De-Vitry C., Vann, J. e Arvidson, H. (2007). A Guide to Selecting the Optimal Method of Resource Estimation for Multivariate Iron Ore Deposits. In Iron Ore 2007, 20-22 August, 2007, Perth Austrália: pp 67-77, (Melbourne: The Australian Institute of Mining and Metallurgy).

Dimitrakopoulos, R., Martinez, L. & Ramazan, S. (2007). A maximum upside / minimum downside approach to the traditional optimization of open pit mine design. Journal of Mining Science, 43(1), pp. 73-82. DOI:10.1007/s10913-007-0009-3.

Dominy, S.C., Noppé, M.A. & Annels, A.E. (2002). Errors and Uncertainty in Mineral Resource and Ore Reserve Estimation: The Importance of Getting it Right. Exploration and Mining Geology, 11(1-4), pp. 77-98.

Dowd, P. (2018). Quantifying the Impacts of Uncertainty. In Daya Sagar, B.S., Cheng, Q. e Agterberg, F. (Eds). Handbook of Mathematical Geosciences. Cham: Springer Open. DOI: 10.1007/978- 3-319-78999-6_18.

Hardtke, W., Allen, L. & Douglas, I. (2011). Localised Indicator Kriging. In Baafi, E.Y., Kininmonth, R.J. & Porter, I. (Eds). Application of Computers and Operations Research in the Minerals Industry, 24-30 September 2011, University of Wollongong, New South Wales, Australia : proceedings, pp 141-147. Wollongong, NSW: Australian Institute of Mining and Metallurgy.

Heidari, S.M. (2015). Quantification of Geological Uncertainty and Mine Planning Risk using Metric Spaces (Tese de Doutorado) The University of New South Wales, Sydney, Australia.

Hoppe, R.W. (1978). Stekenjokk: a mixed bag of tough geology and good mining and milling practices. In Sisselman, R. (Ed.). Engineering and mining journal operating handbook of underground mining, pp 270–274. New York: E/​MJ Mining informational Services.

Jackson, S., Frederickson, D., Stewart, M., Vann, J., Burke, A., Dugdale, J., & Bertoli, O. (2003). Geological and grade risk at the Golden Gift and Magdala Gold Deposits, Stawell, Victoria, Australia. In Dominy, S. (Ed.). Proceedings /​ 5th International Mining Geology Conference, pp. 207-214. Melbourne: The Australasian Institute of Mining and Metallurgy.

Journel, A.G., Kyriakidis, P.C. & Mao, S. (2000). Correcting the smoothing effect of estimators: A spectral postprocessor. Mathematical Geology, 32(7):787-813. DOI: 10.1023/A:1007544406740.

Leuangthong, O., Neufeld, C., & Deutsch, C.V. (2003). Optimal selection of selective mining unit (SMU) size. International Conference on Mining Innovation (MININ), pp. 1-16. Santiago, Chile.

McCarthy, P. (2003)/ Managing technical risk for mine feasibility studies. In Proceedings Mining Risk Management Conference 2003, pp. 21-27. Melbourne: The Australasian Institute of Mining and Metallurgy.

Odins, P. (2011). HARP modelling – a new method of representing complex stratigraphic deposits, in Eighth International Mining Geology Conference Proceedings 2011, pp 395-402. Melbourne: The Australasian Institute of Mining and Metallurgy.

Rocca, F., Sebbag, M. & Taimre, T. (2007). Buzwagi open pit study. In 6th Large Open Pit Mining Conference 2007 : 10-11 September 2007, Perth, Western Australia, pp. 119-128. Carlton, Victoria: Australasian Institute of Mining and Metallurgy.

Stephenson, P. (2015). Mineral Resources, Mineral Reserves or Pie in the Sky?. Webinar Presentation, Toronto, Ontario, 27 November 2015, AMC Consultants.

Stephenson, P. 2009. “Mineral Resource/Reserve Classification and Reporting, Including Comparison of NI43-101 with other National reporting Standards”, apresentação à Associação de Engenheiros e Geocientistas Profissionais da Colúmbia Britânica, 21 de outubro de 2009

Stephenson, P. R., Allman, A., Carville, D.P., Stoker, P.T., Mokos, P., Tyrrell, J. & Burrows, T. (2006). Mineral Resource Classification – It’s Time to Shoot the ‘Spotted Dog’!. In Dominy, S. (Ed.). Proceedings Sixth International Mining Geology Conference, Darwin, Australia, August 2006, pp. 91-95. Carlton, Victoria: Australasian Institute of Mining and Metallurgy.

Vann, J. (2005). Recoverable Resource Estimation. Curso rápido de um dia, QG, julho de 2005.

Vann, J., Guibal, D., Harley, M. (2000). Multiple Indicator Kriging - Is it Suited to My Deposit?. In 4th International Mining Geology Conference, 14-17 de maio de 2000, Coolum, Qld, pp 187-194. Carlton, Victoria: Australasian Institute of Mining and Metallurgy.