Uso de dados volumétricos para a melhoria da estimativa de teores em mineração subterrânea

Abstract

Todos os dados disponíveis devem ser usados para construir um modelo geostatístico. Em mineração subterrânea, os dados possuem diferentes suportes: dados de furos de sondagem são definidos em um suporte quase pontual, enquanto que dados de produção representam toneladas de minério lavradas durante um período de tempo. Devido à diferença de suporte, os dados de produção são frequentemente ignorados para atualizar o modelo de blocos de teores. Nesta dissertação, a abordagem de krigagem de blocos é proposta para combinar essas duas fontes de informação (dados em suporte pontuais e volumétricos). Um cenário sintético de mineração subterrânea é apresentado. Dois cenários de estimativa são analisados: o primeiro considera apenas dados de furos de sondagem, enquanto que o segundo considera dados de sondagem e de produção. Os resultados mostram que o uso de dados de produção melhora a estimativa de teores. A melhoria é mais pronunciada onde as amostras de sondagem estão localizadas esparsamente.

All available data should be used to build a geostatistical model. In underground mining, data have different support volumes: drillhole data are defined at a quasi-point support, while production data represent tonnes of ore mined during a period of time. Due to the support difference, production data is frequently ignored to update the block grade model. In this dissertation, the block kriging approach is proposed to combine these two sources of information (point and volumetric support data). A synthetic underground mining case is presented. Two estimation scenarios are evaluated: the first considers only drillhole data, while the second considers both drillhole and production data. Results show that the use of production data improves grade estimation. The improvement is more pronounced where diamond drillholes are sparsely located.