dc.contributorOrtiz Cabrera, Julián
dc.contributorFacultad de Ciencias Físicas y Matemáticas
dc.contributorDepartamento de Ingeniería de Minas
dc.contributorEmery, Xavier
dc.contributorEncina Montenegro, Víctor
dc.creatorYarmuch Guzmán, Juan Luis
dc.date.accessioned2012-09-12T18:18:44Z
dc.date.available2012-09-12T18:18:44Z
dc.date.created2012-09-12T18:18:44Z
dc.date.issued2007
dc.identifierhttps://repositorio.uchile.cl/handle/2250/104606
dc.description.abstractUna de las principales interrogantes en la minería corresponde a la estimación del recurso geológico que, en la etapa evaluativa, determina la cantidad de reservas y condiciona el potencial económico del yacimiento. La predicción de corto plazo resulta problemática cuando sólo se cuenta con datos de largo plazo. El objetivo general del presente trabajo de título es diseñar y evaluar un algoritmo que simule la extracción de un banco, prediciendo la variabilidad de la ley de alimentación a planta para distintos modelos geoestadísticos. Para ello, se define una metodología para simular la extracción y se implementa una rutina computacional acorde a la metodología propuesta. La primera parte del trabajo consiste en una descripción del formalismo geoestadístico, técnicas de estimación y simulación geoestadística. Además, se hace una revisión bibliográfica de lo realizado en cuanto a planificación minera, modelos de leyes que incorporan información de corto y largo plazo y estudios sobre simulación de la extracción. Se continúa presentando la metodología desarrollada para simular la extracción de un banco minero y cómo se aplica ésta para estudiar la capacidad de distintos métodos geoestadísticos de largo plazo para predecir la variabilidad de alimentación a planta en el corto plazo. Finalmente, se desarrolla un caso de estudio para aplicar la metodología propuesta, utilizando datos reales de una mina a cielo abierto de cobre. Si bien la metodología propuesta para simular la extracción resulta ser una solución simplificada del problema, es capaz de reproducir los rasgos más importantes de la extracción real. Se concluye que la capacidad predictiva mostrada por kriging ordinario utilizando datos de largo plazo es muy inferior a la capacidad predictiva expuesta por la simulación mediante el método secuencial Gaussiano, con y sin incorporación de estadísticas de múltiples puntos. Asimismo, el estudio no muestras pruebas concluyentes de una superioridad en la capacidad predictiva entre la simulación secuencial Gaussiana tradicional y la simulación secuencial Gaussiana que incorpora estadísticas de múltiples puntos.
dc.languagees
dc.publisherUniversidad de Chile
dc.rightshttp://creativecommons.org/licenses/by-nc-nd/3.0/cl/
dc.rightsAttribution-NonCommercial-NoDerivs 3.0 Chile
dc.subjectIngeniería en Minas
dc.subjectMinería
dc.subjectPlanificación a corto plazo
dc.subjectGeoestadística
dc.subjectAlgoritmo de extracción
dc.subjectOptimización de caminos
dc.subjectKriging ordinario
dc.subjectSimulación secuencial Gaussiana
dc.subjectEstadística de multiples puntos
dc.subjectVariabilidad de ley de alimentación a planta
dc.subjectVariabilidad de tonelaje de alimentación a planta
dc.subjectVariabilidad de finos de alimentación a planta
dc.subjectVariabilidad de beneficio económico
dc.titleModelo Mejorado de Corto Plazo para Predecir la Variabilidad en la Ley de Alimentación a Planta
dc.typeTesis


Este ítem pertenece a la siguiente institución