Professional Documents
Culture Documents
FACULTAD DE INGENIERÍA
DEPARTAMENTO INGENIERÍA DE MINAS
Comisión revisora
La Serena, 2018
EJECUCIÓN DE UN PROGRAMA DE ASEGURAMIENTO Y CONTROL DE CALIDAD DE MUESTRAS DE SONDAJE (QA/QC)
Y SU APLICACIÓN EN LA EXPLORACIÓN Y EVALUACIÓN DE UN PROYECTO MINERO DE ORO Y PLATA
Jordan Alexis Contreras Gálvez
________________________________________________________________________________________
AGRADECIMIENTOS
Esta página está dedicada a mis seres queridos, a todos aquellos que formaron parte de mi
desarrollo tanto en lo personal como en lo profesional, a todos quienes aportaron con un
granito de arena para que pudiese alcanzar este importante logro en mi vida.
Quiero agradecer a mis padres, Sr. Luis Contreras y Sra. Marisol Gálvez, por creer en mí
desde pequeño, por darme la oportunidad de estudiar y apoyarme en todo lo necesario para
alcanzar mis metas. Además por inculcarme valores como el respeto, la honestidad y
enseñarme a caminar por la vida con la frente en alto y con humildad, recordando siempre
mis raíces y de dónde vengo.
A mi hermano, familiares y amigos quienes me apoyaron durante todos estos años con sus
buenos deseos y energías positivas.
A mi pareja, Verónica Suárez, quien ha sabido apoyarme en los mejores y peores momentos,
otorgándome su amor incondicional y regalándome lo más preciado que tengo en esta vida,
mi hija Amanda, quien fue motivación fundamental para terminar con mi carrera profesional.
Finalmente agradecer a mi profesor guía, Sr. Mario Gaete, por acoger mi proyecto de
memoria de título y a Miriam Galleguillos, secretaria de la Escuela de Ingeniería quien ha
guiado mis pasos en la universidad durante todos estos años.
RESUMEN
ABSTRACT
In this report, a detailed study and analysis about main concepts of Quality Assurance and
Control (QA/QC) concerning mining exploration were carried out. Also, its role in error
prevention and detection with emphasis on sampling, preparation, chemical analysis of
samples and recording of information in a drilling campaign of a particular project was
detailed.
Main sources of error, appropriate procedures for its detection, error evaluation methods,
requirements and new international regulations in force regarding the quality of geological
information to support a mining exploration project were described.
Finally, from a set of data as a result of a drilling campaign and its subsequent laboratory
analysis, it was developed a “QA/QC” program. It was made through the confection of tables
and graphs to evaluate precision, accuracy and contamination in an exploration campaign
which informed about the different errors or discrepancies that were evident through the
development of the project.
ÍNDICE GENERAL
5.4 Discusión sobre los resultados del programa “QA/QC” .................................... 100
RECOMENDACIONES………………………………………………………………...127
BIBLIOGRAFÍA…………………………………………………………………….…..130
GLOSARIO……………………………………………………….……………………..134
ANEXOS…………………………………………………………………………………137
INDICE DE FIGURAS
Figura 4 Depósitos epitermales de alta y baja sulfuración: una tabla comparativa ............. 12
Figura 14 En gris diques. En verde sills, estructuras cortando las vetas. ............................ 21
Figura 46 Gráfico Q-Q plot para normalidad de datos de error relativo ........................... 104
Figura 47 Prueba de Grubbs para error relativo de 84 % en duplicado de pulpa .............. 106
Figura 48 Prueba de Grubbs para error relativo de 48 % en duplicado de pulpa .............. 106
Figura 49 Gráfico Q-Q plot para normalidad de datos de error relativo ........................... 108
Figura 51 Gráficos Q-Q plot para normalidad de datos. Original – Duplicado ................. 113
INDICE DE TABLAS
Tabla 4 Diferencia entre aseguramiento de calidad (QA) y control de calidad (QC) .......... 33
Tabla 5 Programa de control de calidad: ratios de inserción sugerida por varios autores ... 38
Tabla 25 Estadísticos descriptivos para error relativo en duplicados de pulpa ................. 101
Tabla 26 Prueba de Kolmogorov-Smirnov para error relativo en duplicados de pulpa ..... 102
Tabla 27 Prueba de Shapiro-Wilk para errores relativos de duplicados de pulpa ............. 103
Tabla 30 Estadísticos descriptivos para error relativo en duplicados de pulpa sin datos
atípicos ........................................................................................................................... 107
Tabla 40 Prueba T Student para dos grupos de muestras. Residuos estandarizados Original -
Duplicado ....................................................................................................................... 117
Tabla 42 Prueba de T Student para dos muestras independientes Original - Duplicado ... 119
Tabla 43 Muestras usadas para estimación de recursos con respaldo de “QAQC” en Veta La
Fina (Fragmento) ............................................................................................................ 121
Tabla 44 Resultados de precisión en Duplicados de Pulpa para Veta La Fina según propuesta
de Marat Abzalov. .......................................................................................................... 124
1 CAPÍTULO I: INTRODUCCIÓN
Tomando en cuenta el caso de Bre-X en 1997, relacionado con el yacimiento aurífero ficticio
de Busang en Indonesia, cuyo evento sacudió la credibilidad de los inversionistas frente a
cualquier proyecto y originó la proliferación de códigos y normas internacionales que
estandarizarían los procesos de toma y análisis de muestras, se comprende la importancia del
muestreo y de las distintas operaciones que se desarrollan a lo largo de la evaluación de un
yacimiento, debido a que con esta información, se obtienen argumentos válidos, con los
cuales se rechaza o se perfora un prospecto, se realiza o no una inversión, se envía un tonelaje
a botadero o a planta de beneficio. Para tomar estas decisiones, se hace necesaria la
implementación y optimización de procedimientos que aseguren y controlen la calidad de
dicha información con el fin de evaluar y uniformar los estándares de trabajo. Estos
procedimientos o estándares de trabajo se pueden implementar gracias al “ACC:
Aseguramiento y Control de Calidad” o comúnmente denominado por el acrónimo en inglés
“QA/QC: Quality Assurance and Quality Control”.
Se han registrado leyes variables de Oro en vetas de hasta 200 (g/t), mientras que para la
Plata se han observado leyes de hasta 1.300 (g/t), por lo cual se han insertado muestras de
control para comprobar la exactitud, precisión y la contaminación en estos datos de leyes.
La problemática general está en que SMC no dispone de resultados procesados que alerten
sobre errores o discrepancias en sus datos, por lo tanto el proyecto “Veta La Fina” aparenta
ser una buena oportunidad de inversión que comprende 77.000 toneladas de mineral con
leyes promedio de 15 (g/t) y 266 (g/t) para el oro y la plata respectivamente, según la
estimación de recursos disponibles hasta el momento.
de los estándares exigidos tanto nacional e internacionalmente hablando, lo que trae como
consecuencia la ausencia de confianza, a la hora de “vender” el proyecto.
Finalmente, todo apunta a que el grado de confianza que se le tiene a la estimación de recursos
se verá afectado, ya que al realizar este programa de “QA/QC” se revelarán resultados que
de seguro modificarán parcialmente la estimación de recursos ya realizada.
Se trabajará con datos reales, otorgados por una compañía minera. Sin embargo no se podrá
revelar su identidad ni el nombre del proyecto por cuestiones de confidencialidad industrial.
Existen inversionistas interesados y el proyecto aún está en evaluación, por lo tanto la
compañía minera se identificará con el nombre de “SPEKTRA MINING COMPANY”
(SMC) y el proyecto de exploración llevará como título “Veta La Fina”.
1.3 Objetivos
Para llevar a cabo esta propuesta será necesario un constante trabajo en equipo en el que se
involucren todos los colaboradores del proyecto, desde topógrafos, perforadores, muestreros,
geólogos hasta el mismo estimador de recursos con el objetivo de implementar un sistema de
trabajo enfocado en la retroalimentación en cada uno de los procesos.
Además será necesario el acceso a bases de datos que contienen información de alto grado
de confidencialidad, por lo cual se deberá de extremar las medidas de seguridad a fin de evitar
la filtración de esta.
El aseguramiento y control de calidad puede ser aplicado en todo proceso de una empresa,
además de ser medida de forma cualitativa y/o cuantitativamente. No obstante, la
investigación presente se limitará a la aplicación del “QA/QC” en cuatro eslabones
fundamentales en la recopilación de datos del proyecto de exploración minera “Veta La
Fina”. Estos cuatro eslabones corresponden a la toma de muestras, preparación mecánica de
muestras, el análisis de muestras y el registro de la información en la base de datos.
Se comprende la dificultad que existe en cambiar un sistema de trabajo que lleva años
ejecutándose, pero se hará lo necesario para garantizar calidad en los resultados.
1.5 Nomenclatura
Números: Se hará uso del sistema español, el cual define como separador de miles
al punto (.) y al separador de decimales a la coma (,).
Ejemplo: siete millones seiscientos cuarenta y un mil quinientos once coma sesenta y uno.
7.641.511,61
“Veta La Fina” es un proyecto de exploración minera que comprende a una veta principal y
a un grupo de pequeñas vetas asociadas al mismo control estructural, las cuales se encuentran
en plena actividad exploratoria a fin de determinar la continuidad de estas. El proyecto consta
de minerales de oro y plata como elementos de interés y comprende 77.000 toneladas de
mineral con leyes promedio 15 (g/t) de Oro y 266 (g/t) de Plata según la estimación
preliminar de recursos que se posee hasta el momento.
Geología regional
JK3
Jurásico Superior – Cretácico Inferior.
Secuencias volcánicas: lavas basálticas a riolíticas, domos, brechas y
aglomerados andesíticos a dacíticos con intercalaciones clásticas continentales y
marinas. En la Precordillera, regiones I, III y IV: formaciones Punta del Cobre y
Arqueros; en la Cordillera Patagónica, región XII: formación Hardy.
Ki2c
Cretácico Inferior – Cretácico Superior.
Secuencias sedimentarias y volcánicas continentales, con escasas intercalaciones
marinas: brechas sedimentarias y volcánicas, lavas andesíticas, ocoítas,
conglomerados, areniscas, limolitas calcáreas lacustres con flora fósil; localmente
calizas fosilíferas marinas en la base. En cordillera de la Costa, regiones IV, V y
Metropolitana: formaciones Quebrada de Marquesa y Veta Negra.
Kiag
Cretácico Inferior alto – Cretácico Superior bajo (123-85 Ma).
Dioritas y monzodioritas de piroxeno y hornblenda, granodioritas, monzogrnitos
de hornblenda y biotita. En la Cordillera de la Costa, regiones II a IV, al este del
sistema de Fallas Atacama – El Romeral y asociados a mineralización de Fe-Cu-
Au (Candelaria); en la Cordillera de la Costa, regiones V a X
Kia2
Cretácico Inferior alto – Cretácico Superior bajo.
Secuencias sedimentarias volcánicas: rocas epiclásticas, piroclásticas y lavas
andesíticas y basálticas con intercalaciones lacustres, localmente marinas. En la
Precordillera y Cordillera de la Costa, regiones III a Metropolitana: formaciones
Cerrillos, Viñita (Occidental) y Las Chilcas.
Ksh
Cretácico Superior (84-66 Ma).
Pórfidos andesíticos-dioríticos, dacíticos y riolíticos entre las Cordillera de la
Costa y Principal, regiones III y IV, asociadas a secuencias volcánicas de edad
similar.
PEg
Paleoceno – Eoceno (63-38 Ma).
Monzodioritas de piroxeno y biotita, granodioritas y monzogranitos de
hornblenda y biotita, dioritas, gabros y pórfidos riolíticos y dacíticos, asociados a
mineralización de Cu-Au. En Precordillera, regiones II y III: San Cristóbal, Inca
de Oro; en la Cordillera principal, región IV; en la Cordillera Patagónica, región
XII: islas Hoste y Londonderry.
(Sernageomin, 2003)
Fuente: Sistema de calderas anidadas Condoriaco (Cretácico Superior-Eoceno Inferior), IV región de Coquimbo, Chile.
(Carlos Emparan y Germán Pineda, 1997) .
Fuente: Depósitos Hidrotermales de Alta y Baja Sulfidización. Una tabla comparativa. (Antoni Camprubí*, 2003)
cercano a Este Oeste (Veta La Fina). Estas vetas presentan potencias variables de 0,3 a 8 (m)
y longitudes entre 300 (m) a 1.500 (m) aproximadamente.
“Veta La Fina”
Veta La Fina, es una de las estructuras que conforman un grupo de estructuras silíceas que
fueron explotadas antiguamente por pequeños mineros, esta veta no tiene explotación antigua
y su selección como blanco de exploración se basó en muestreos superficiales de su
afloramientos mejor expuestos, los que entregaron valores económicos por oro y plata con
potencias entre 0,3 a 3 (m).
El sistema de vetas del proyecto “Veta La Fina” está emplazado en rocas andesíticas que
afloran en superficie y en un pórfido monzodioritico ubicado a partir de los 60 metros
aproximadamente de profundidad. Tanto las andesitas como el pórfido son premineral por lo
que no afecta la mineralización en las vetas.
de cuarzo, también se observa cuarzo bandeado con diseminación fina y en venillas de sulfuro
gris (argentita) acompañado de pirita.
La zonación vertical consiste de una zona de óxidos que va desde la superficie hasta los 40
metros aproximadamente. Donde es más frecuente el contenido de oro grueso (según análisis
por retalla). Después continúa la zona de sulfuros donde el oro está ubicado en las piritas
que contienen inclusiones de oro nativo y electrum.
En la parte central del clavo mineralizado se puede apreciar una zona de intenso vetilleo que
se forma entre las vetas y en las zonas de debilidad entre la andesita y el pórfido. Estos
vetilleos ocurren fundamentalmente con mayor intensidad en las andesitas y en menor grado
dentro del pórfido.
Hasta la fecha se han realizado 23 sondajes diamantina, planificados cada 20 (m), en la zona
de sulfuros, ubicada a 40 (m) bajo la superficie (ver figura 5), mientras que la zona de óxidos
cuenta con pocos sondajes y cuya malla se está completando actualmente.
Zona de Óxidos
Las potencias de estas vetas son variables y van desde 0,30 (m) a 3,0 (m).
La sección marcada, muestra las ocurrencias de oro nativo (25 y 80 micrones) en fracturas
con arcillas y limonitas.
Entre las limonitas rojizas, en las zonas oquerosas de la muestra se reconocieron dos
ocurrencias de oro nativo. Un pequeño grano de 25 micrones y otro pelillo alargado de 80
micrones de color amarillo cobrizo, de alta reflectivad y trazas de pulimiento. La coloración
generalmente corresponde a oro supérgeno removilizado, que va formando un aglutinado
con limonitas supérgenas, liberadas de la oxidación de la pirita.
Zona de Sulfuros
Los lugares indicados con los círculos, corresponden a las zonas con pirita que contienen
inclusiones de oro nativo, junto a otras inclusiones de calcopirita y galena.
Secuencia paragenética
Abundancia relativa
Pirita (1-2%)> esfalerita > calcopirita, galena > ultra trazas de oro encapsulado en pirita (no
se observa oro libre
Modelamiento
Una vez cargada la base de datos de sondajes al software minero Maptek Vulcan, se realizó
un barrido interpretativo E-W, N-S y desde la cota 1250 (m) a la 1450 (m) de tal forma de
encontrar la mejor disposición de la mineralización vetiforme para el emplazamiento de las
secciones que se usaron para el modelamiento. Estas secciones se ubicaron espacialmente en
la cota 1370 (m) y se dispusieron una tras otra de manera perpendicular a la dirección de las
vetas del proyecto, tal como se muestra en la siguiente figura.
Con estas secciones se modelaron las distintas vetas que conforman el proyecto. No obstante
se fuerzan algunas continuidades con el fin de comprender el sistema de estructuras
mineralizadas, que más tarde se reconocerán a partir de nuevos sondajes recomendados.
• Medidos : a lo menos un bloque fue estimado con 2 sondajes y el valor del intercepto
más cercano está a no más de 10 metros
• Indicados: a lo menos un bloque fue estimado con 2 sondajes y el valor del intercepto
de la muestras más cercana está a no más de 25 metros.
No existe un marco legal que atribuya una transgresión del tipo dolosa o culposa que aluda
al tema del “QA/QC”. Sin embargo existen normativas tanto nacionales como
internacionales vigentes que regulan la divulgación de resultados de exploración, recursos y
reservas minerales, las cuales cumplen con el objetivo de estandarizar los informes técnicos
publicados sobre los proyectos de exploración. Son recomendaciones, criterios mínimos o
directrices que deben cumplir los informes técnicos antes de ser publicados.
Estas normativas contemplan las disposiciones del proyecto completo, abordando cada una
de sus fases. No obstante, en la presente memoria se hará referencia solo a lo que concierne
al aseguramiento y control de calidad enfocado al muestreo, preparación y análisis químico.
No cualquier persona tiene la facultad para realizar un informe público sobre resultados de
exploración. La persona responsable de informar públicamente lleva el nombre de “Persona
Competente Calificada” y “es una persona inscrita en el Registro Público de Personas
Competentes Calificadas, con título universitario, con al menos 10 años de antigüedad
profesional en alguna de las especialidades asociadas con el negocio minero en el ámbito
geo-minero-metalúrgico, con un mínimo de 5 años de experiencia relevante en área
específica, como el análisis de datos geo-científicos, modelamiento, estimación y
valorización de prospectos, recursos y reservas minerales, y que, además, posee un
conocimiento amplio de los sustentos geo-minero-metalúrgicos asociados con el tipo y
estilos de la mineralización bajo estudio y de toda la cadena de valor del negocio minero”
(Comisión Minera de Chile, 2015).
Los informes técnicos escritos bajo las especificaciones del “NI 43-101” y otros documentos
relacionados como la política de la compañía “43-101CP” (Canadian Securities
Administrators, 2005b) y el formulario de reporte técnico NI 43-101F, deben indicar si una
persona calificada ha verificado los datos sobre los que se basa esta información, incluidos
el muestreo, el análisis y las pruebas. Los procedimientos de seguridad del muestreo deben
describirse detalladamente.
Las normas internacionales equivalentes también abordan estos problemas. Un informe que
cumpla con los requisitos de “JORC” debe describir minuciosamente la calidad de la toma
de muestras, la selección apropiada de muestras y los procedimientos para su análisis, así
como también los procedimientos de control y calidad y seguridad de las muestras (JORC,
2004).
Además, el reporte final de Mining Standards Task Force, creado en respuesta a la estafa de
Bre-X, recomienda que se recoja del laboratorio un cierto número de pulpas de muestra
seleccionadas o el lote completo y se vuelva a presentar en el mismo laboratorio y que las
mismas pulpas sean enviadas a otro laboratorio para obtener ensayos comparativos. (TSE-
OSC, 1999)
Los códigos más utilizados por las empresas mineras se mencionan en el siguiente
listado:
Cabe destacar, que estos códigos son equivalentes unos con otros y difieren en pequeños
detalles cualitativos, cuantitativos, económicos, entre otros. Por esta razón solo se hará
referencia al Código de JORC, ya que es el Pionero y los demás se basan en este.
El Código de JORC
Tabla 3. Descripción de criterios evaluados en informes públicos según Jorc Code (fragmento)
Criterio Explicación
2.2 Calidad
Por otro lado Kaoru Ishikawa dice: “Es el control total de calidad conseguido a través de la
participación total de toda la empresa, donde se organizan los grupos con el fin de estudiar
y se estudia para no repetir errores” (Ishikawa, 1986).
Todo proyecto de exploración trabaja con una unidad de información que es el espacio real
o virtual donde se interrelacionan los llamados proveedores y clientes en una cierta cadena
de valor. A este universo de recursos se le conoce mejor con el nombre de “base de datos”.
Fuente: Modificación de Calidad de información por Mg. Sc. J. Rocío Pinto Calderón.
Ahora, es de vital importancia que la información que se maneja en este ciclo, contenga un
alto estándar de calidad y confianza en sus datos, de tal manera que satisfaga la credibilidad
y la seguridad de que se está trabajando con información verídica y representativa del
prospecto minero mediante procesos eficaces de muestreos, tabulación y análisis según el
caso que se ha de investigar.
Los estándares antes mencionados son regulados e implementados por protocolos propios de
cada empresa. Sin embargo deben satisfacer los requisitos de los códigos y normas
internacionales, de tal forma que cada compañía minera deba adaptar sus procedimientos
conforme a lo estipulado en ellas. Todo esto, con el objetivo de facilitar la entrada de
inversionistas en el proyecto evaluado, ya que existirá un alto grado de confianza en el
modelo geológico, las toneladas de mineral y leyes con las cuales se realizó la estimación de
recursos y reservas de dicho proyecto.
Por otra parte Bloom escribe que “los programas de aseguramiento de la calidad deben ser
implementados rutinariamente como parte de cualquier programa de exploración que esté
generando resultados analíticos. Dicho programa debería verificar la validez de la
recogida de muestras, la seguridad, la preparación, el método analítico y la precisión”
(Bloom, 1999)
QA QC
Las etapas y los parámetros monitoreados en cada una de ellas se muestran a continuación:
Las tres primeras fases pueden ser monitoreadas a través de la inserción aleatoria de varios
tipos de muestras de control. Algunas muestras de control deben ser tomadas y/o insertadas
por parte del personal del proyecto directamente durante el proceso de muestreo.
laboratorio, con diferente número, y en el mismo lote que la muestra original. Los
duplicados gruesos se usan para evaluar el error de cuarteo o sub-muestreo.
c) Blancos gruesos: Son muestras de material estéril, el cual se debe garantizar que
efectivamente sea estéril y normalmente se usa cuarzo. poseen granulometría gruesa,
que deben ser sometidas a todo el proceso de preparación en conjunto con las demás
muestras ordinarias, y que deben ser preparadas a continuación de muestras
fuertemente mineralizadas. Los blancos gruesos permiten evaluar si se produce
contaminación durante la preparación (SMC, Protocolo QAQC SMC, Protocolo).
Además de los tipos descritos, que se insertan con anterioridad o durante la preparación,
también es necesario insertar en los lotes otros tipos de muestras previamente procesadas:
Una alternativa más simple es la comprobación regular, con el mismo método, de una
proporción representativa (al menos 5%) de los datos introducidos” (Simón A. , 2011).
Propiedad de HC, Nevada (J-Pacific Gold): Muestras gemelas del 5%, 5%;
Duplicados gruesos, 5%; Duplicados de pulpa, 5%. Total: 15%. Fuente: Durgin
(2005).
Pueblo Viejo, República Dominicana (Placer Dome): 10% de SRMs y espacios en
blanco. Fuente: AMEC (2005).
Tabla 5 Programa de control de calidad: ratios de inserción sugerida por varios autores
Proporción de
Autor Detalle muestras de
control sugeridas
Rogers Duplicados, MRS, Blancos: uno cada veinte,
Aprox. 20%
(1998) chequeos externos: 5%
Vallé 10% en duplicados y MRS, y una cifra más baja Aprox. 15%
(1998) para los demás muestreos (?) (?)
2%-5% duplicados de campo, 2%-5% duplicado
Neuss grueso, 5%-10% duplicado de pulpa interno, 5%-
Aprox. 19%-25%
(1998) 10% duplicado de pulpa externo, más un MRS y
un blanco en cada envío
5% duplicado de rechazo grueso, 5% de duplicados
Long (1998 de pulpa, 5% de MRS, un blanco por lote (aprox.
Aprox. 21%
– 2000) 3%), ensayos de chequeo y una porción de
duplicados de pulpa (3%)
En un lote de veinte muestras: un blanco, un MRS,
Sketchley un duplicado; Además todos los duplicados de
Aprox. 20%
(1999) pulpa deben ser reevaluados en el laboratorio de
verificación
En un lote de veinte muestras: un blanco, un MRS,
Bloom
un duplicado, y además se debe enviar una cada Aprox. 20%
(1999)
diez pulpas a laboratorio externo
Fuente: Control Sample Insertion Rate: Is There an Industry Standar? Armando Simón Méndez. AMEC, 2007.
Se observó una tendencia general para el uso de una tasa de inserción de 4% a 5% para cada
tipo de muestras de control (duplicados, MRS, blancos, ensayos de verificación), aunque en
algunos casos se ignoran subtipos de muestras particulares. La tasa de inserción es inferior
al 17% sólo cuando los ensayos de control no están incluidos. Un promedio aceptable es
aproximadamente 18%, con pequeñas diferencias en algunos tipos particulares de muestras.
Un programa integral de control de calidad debe incluir todos los tipos y subtipos de muestras
de control, de manera que se evalúe adecuadamente la precisión, la exactitud y la posible
contaminación en los diversos puntos de la secuencia de muestreo, preparación y ensayo.
Los programas de control de calidad deben ajustarse a las necesidades específicas de cada
proyecto y al tamaño medio de los lotes analíticos. Mientras que en principio se recomienda
una tasa de inserción global del 20%, las proporciones individuales de los diversos tipos de
muestras de control deben reflejar aquellos problemas con mayor probabilidad de ocurrencia.
Duplicado de Pulpa 2%
MRS MRS: Alto, Medio, Bajo 6% 6%
Blancos Gruesos 2%
Blancos 4%
Blancos Finos 2%
Muestra de chequeo Muestra de chequeo 4% 4%
Fuente: A Discussion on Currente Quality Control Practices in Mineral Explorations, INTECH, A. Simón, 2011.
“Un requisito importante en todos los programas de control de calidad es que la identidad
y las leyes de las muestras de control deben permanecer ciegas al laboratorio analítico”
(Rogers, 1998) (TSE-OSC, 1999) (Long, 2000).
Una vez que la entidad a controlar es consciente de los detalles relevantes del proceso de
control, como la identidad de las muestras de control, se pierde la objetividad, el control ya
no puede ser válido y por lo tanto puede ser cuestionado. Esto pone en duda la capacidad de
la Persona Calificada para asegurar que la precisión y exactitud del ensayo sean aceptables
para apoyar estimaciones de recursos.
Vallé indicó que “pocas compañías mineras tienen políticas explícitas y sistemáticas de
aseguramiento de la calidad en su área de exploraciones. Identificó tres enfoques
principales: “laissez faire”, “catch-as-catch-can” y “control de calidad sistemático”,
siendo este último muy poco frecuente”. Además según el autor, esta situación no ha
mejorado significativamente en los últimos años (Vallée, 1998).
Debido al efecto de las regulaciones actuales, es que las grandes y pequeñas empresas están
cada vez más interesados en implementar tales programas, exclusivamente cuando se
requiere de financiamiento público o privado externo.
a) Precisión
Las normas ISO definen la precisión como “Grado de concordancia entre resultados de
mediciones obtenidas de una serie repetida de análisis, sobre una muestra homogénea,
bajo condiciones establecidas” (ISO 3534-1, 1995).
La precisión en la exploración geológica puede estar relacionada con tres etapas principales
en el proceso de recolección de datos analíticos: muestreo (precisión de muestreo), sub-
muestreo (precisión de sub-muestreo) y ensayo (precisión analítica). Cada uno de ellos se
evalúa a través de diferentes tipos de muestras duplicadas, pero en todos los casos, de acuerdo
con la definición, las muestras originales y las muestras duplicadas deben considerar
intervalos de muestreo similares, procedimientos similares de muestreo, preparación de
muestras, y ser ensayados en el mismo laboratorio. Las mismas técnicas analíticas, el mismo
equipo, los mismos reactivos y el mismo personal. Esta situación ideal sólo puede lograrse
si el original y las muestras duplicadas se incluyen en el mismo lote.
La precisión se evalúa a través del error relativo (RE), definido como el valor absoluto de la
diferencia entre los valores original y duplicado, dividido entre el promedio entre ambos
valores, medido en por cientos. Se recomienda tratar la precisión como una característica
cualitativa (baja precisión, alta precisión), y el error relativo como un parámetro cuantitativo
(Simón A. , Aseguramiento y Control de la Calidad en la Exploración Geológica, 2006) .
b) Exactitud
Las Normas ISO definen la exactitud como “Grado de concordancia entre el resultado
notificado y el valor de referencia aceptado” (ISO 3534-1, 1995).
Al establecer el grado de estos materiales, el valor verdadero nunca se conoce; Sin embargo,
en condiciones muy controladas, la ley o "mejor valor" de un elemento particular de un STD
puede establecerse con un nivel de confianza suficiente, que suele corresponder al nivel de
confianza del 95%, a través de múltiples mediciones en una serie de Laboratorios acreditados
(Simón A. , 2011).
c) Precisión vs Exactitud
Fuente: Revista española de metrología, Emilio prieto, Jefe de área de longitud ( (Prieto, 2012).
“Exactitud es lo que define cuán cercana está una medida del valor real. La precisión, en
cambio, es una medida de cómo de cerca están entre sí un conjunto de medidas” (Cortijo,
2017).
Fuente: Black to Green Consulting, Monitoreo ambiental: ¿exactitud o precisión? (Cortijo, 2017).
d) Contaminación
Las muestras en blanco se pueden presentar como “Blanco Grueso”, insertadas en la corriente
de muestra antes de la preparación, o como “Blanco Fino”, material pulverizado que se
inserta después de la preparación y antes de realizar el ensayo químico. Para que sea eficaz,
las muestra en blanco siempre deben insertarse después de muestras altamente mineralizadas.
Con recomendación del geólogo a cargo del proyecto, se perfora el punto de interés a fin de
interceptar el cuerpo mineralizado. En esta etapa se extrae la muestra de testigo para envío a
preparación mecánica y posterior análisis, según lo especificado en la “Solicitud de corte” y
“envío de muestras DDH”
La solicitud de Corte y Envío de Muestras DDH será emitida por Geólogo y/o Asistente, una
vez realizado el mapeo geológico, e indicara los metros a cortar, análisis requeridos y
posición de muestras de control; además se registrará los números de muestras tanto de la
etapa de envío a preparación mecánica (N° Original), como de envío a análisis químico (N°
Muestra). Se indicará también muestras para determinación de densidad.
El corte de testigos DDH para muestreo geoquímico se realiza con una sierra diamantada o
con maquina hidráulica de presión, según el diámetro del testigo, en forma longitudinal,
enviando a laboratorio una mitad y dejando la otra mitad como respaldo.
metodología utilizada por la compañía para determinar densidad en sus dependencias, será
aquella basada en el método de Arquímedes, la que se detalla en el procedimiento respectivo
para cada yacimiento.
Arquímedes buscando descubrir una forma de medir la densidad de los cuerpos descubrió el
siguiente principio:
Al sumergir un cuerpo en un recipiente con agua, esta ejercerá un empuje vertical sobre el
cuerpo y teniendo en cuenta la tercera ley de Newton (acción y reacción) se puede determinar
que entonces el cuerpo reaccionará sobre el agua con idéntica fuerza y sentido contrario.
De esta manera, si se coloca el recipiente con agua sobre una balanza, se podrá medir el
exceso de masa que la balanza registra, cuando se introduce el cuerpo en el agua.
La densidad está definida por la masa contenida por unidad de volumen y corresponde a una
propiedad “intensiva” de los cuerpos, es decir, que no depende de la cantidad de materia de
estos. Por lo cual, cada elemento tiene una densidad que le es característica y única (Falco-
Franceschelli-Maro, 2001).
Una vez cortadas las muestras, incluyendo el duplicado gemelo, se procede a etiquetar y
embolsar las muestras, registrando el número de ticket correspondiente en la solicitud de
corte y envío (N° Original).
Se incluye dentro de esta secuencia, una bolsa de muestra vacía, para la cual se solicita al
laboratorio extraer una muestra de “Duplicado de Rechazo Grueso (DUP-RG)” la que se
prepara de igual forma que la original, a partir del rechazo de la primera división, entrando
en el proceso posterior de pulverizado y finalmente analizada como una muestra
independiente. El análisis de esta muestra tiene como objetivo controlar la calidad y
homogeneidad de la muestra luego de la etapa de chancado y el posterior cuarteo o división
de la muestra para pulverizado. La bolsa vacía se inserta inmediatamente después de la
muestra original a duplicar.
El geólogo a cargo del control de calidad de las muestra DDH, revisa que los resultados sean
coherentes con la descripción geológica del sondaje, y que los valores de las muestras de
control se encuentren dentro de lo esperado.
Si Entonces
El principal “supuesto” de los métodos utilizados para la estimación de recursos es que las
leyes de las muestras son correctas y pueden utilizarse como un valor verdadero, es decir,
que no tienen error o que no tienen incertidumbre. No obstante en la práctica, las muestras
tomadas son pequeñas en relación al conjunto de las partículas que se están muestreando y
esto hace que exista un error en el valor de las muestras respecto a las leyes del conjunto de
partículas que se desea representar (Ortiz, U. de Chile).
La teoría de muestreo, introducida por Pierre Gy y luego extendida y llevada a la práctica por
Francis Pitard y Dominique Francois Bongarcon, permite cuantificar la magnitud del error
que se comete en las diversas etapas de un protocolo de muestreo, además de dar
recomendaciones respecto a los procedimientos utilizados en los procesos de toma y
preparación de muestras.
El número de errores ha crecido con el tiempo y ahora es de diez, todos los cuales Gy
identificó y estaban implícitos en su análisis de los errores, aunque no los había nombrado
explícitamente. Sin embargo, para efectos de esta investigación no se realizarán extensas
definiciones ni procedimientos para cuantificar estos errores, de tal forma que solo se
describen y se resumen posteriormente en un esquema.
Los primeros cinco errores aleatorios nunca pueden ser completamente eliminados, pero
pueden minimizarse mediante un cuidadoso diseño del sistema de muestreo. La eliminación
de los últimos cuatro errores de muestreo es posible, pero si no se aplican diligentemente las
prácticas de muestreo correctas, también pueden ser fuente de sesgos importantes. Los diez
errores pueden agruparse en tres categorías, cada una de las cuales identifica los factores que
más las afectan (Minnitt-Rice-Spangenberg, 2007):
En el siguiente cuadro se presentan los principales tipos de errores de muestreo con sus
posibles causas y formas de minimización:
Fuente: Curso Aseguramiento y Control de Calidad Chile 2013. AMEC ( (Simón A. , Taller de Aseguramiento y Control
de la Calidad en la Exploración Geológica, 2013)
Las definiciones de todos los errores se dejarán en glosario y anexos por si el lector desea
indagar más sobre el tema, ya que la finalidad de este estudio es conocer las posibles causas
que puedan generar errores en el muestreo.
En la siguiente figura se presenta un esquema que resume los tipos de errores en el muestro:
Ahora se presentan cuatro fuentes principales de error, que se identifican en SMC como foco
descriptivo según los objetivos planteados al inicio de esta investigación, detallando algunas
etapas del muestreo como posible origen de malas prácticas, errores humanos o errores que
son parte de la naturaleza de los yacimientos, los cuales son posibles de disminuir, corregir
y otros que son imposibles de eliminarlos por completo.
a) Heterogeneidad Geológica
Entre los problemas más comunes relacionados con la heterogeneidad geológica se destacan
el uso de redes de exploración inadecuadas y variabilidad de las leyes en los depósitos
minerales debido al tipo y naturaleza del yacimiento.
b) Toma de muestras
Entre los principales errores que se cometen durante esta operación se encuentran los
siguientes: El testigo es duramente maltratado en el proceso de extracción de la muestra,
proceso en el cual se visualizó que se generan grietas, fisuras y pérdida de material, el cual
afecta la calidad de la regularización y geomecánica de los testigos. El muestreo
predominante de metros de testigos mineralizados se les adiciona, aleatoriamente, dilución
de metros no mineralizados en base a criterios del geólogo a cargo, es decir, el envío de
muestras a preparación y análisis representa la zona mineralizada, pero no a la veta como tal
económicamente hablando.
c) Medición de Parámetros
Otros errores frecuentes, en este caso por omisión, son la falta de información útil, como la
identificación de las personas responsables de ciertas acciones importantes, datos sobre los
métodos analíticos, la recuperación y la ausencia de contra-chequeo de la información.
A continuación se presenta una tabla general de los errores en las distintas etapas del
muestreo, asociada a un porcentaje de error relativo y sesgo:
Error Relativo
Actividad Sesgo (%) Fase
(%)
Muestreo 100 – 1.000
1.000 Muestro Primario
Transporte y Almacenamiento 1 - 100
Preparación mecánica,
10 - 100
Reducción Muestreo
50
Preparación Química (Digestión Secundario
5 a 20
y Disolución)
Análisis Químico 0,1 - 5 0,1 - 1 Análisis Químico
Fuente: Compilado a partir de Gy (1999:10); Gy and Francois-Bongarcon (1999) y Pasi (2006) (Gy, 1998)
Para analizar los resultados del programa de control de calidad será necesario realizar algunas
pruebas estadísticas con el fin de comprobar algunas hipótesis que son propias de dicho
programa y que sirven para verificar la naturaleza de los datos con los cuales se trabaja.
Estas pruebas se realizan con la ayuda de dos software estadísticos llamados “IBM SPSS
STATICS 23” y “XLSTAT 2017”, debido a la dimensión de los cálculos y formulismos que
no son necesarios de incluir en este documento.
Para comprobar la hipótesis nula de que la muestra ha sido extraída de una población con
distribución de probabilidad normal se puede realizar un estudio gráfico y/o analítico.
a) Prueba de Kolmogorov-Smirnov
Dónde:
b) Prueba de Shapiro-Wilk
𝐷2 Ecuación 3
𝑊=
𝑛𝑆 2
Donde:
La hipótesis nula del contraste es que las dos muestras, de tamaño n1 y n2, respectivamente,
proceden de poblaciones continuas idénticas:
La hipótesis alternativa puede ser unilateral o bilateral y únicamente supone que la tendencia
central de una población difiere de la otra.
El estadístico de esta prueba proviene de muchas otras fórmulas que no es posible de mostrar
para efectos de este estudio. Sin embargo, si el lector desea investigar puede dirigirse a la
bibliografía para consultar (Universidad de Barcelona, 2005).
Se debe definir el plan de muestreo y los procedimientos básicos detallados para que la toma
de muestras sea exitosa. Cada una de las actividades debe tener un manual, protocolo o
procedimiento estandarizado, implementado y conocido por las personas a cargo de su
ejecución, de tal forma que se asegure la calidad (QA) de la toma de muestras en los distintos
procesos de la cadena de valor.
Luego, se debe llevar un estricto control sobre los registros que se ingresan a la base de datos,
ya que si bien en la práctica se introducen elementos de control de calidad (QC) en los
procesos de muestreo, casi siempre el análisis de los resultados se hace en forma diferida,
cuando ya no se puede corregir el proceso sino solo actuar sobre los datos. Debido a esto, es
fundamental que los controles se realicen en cada uno de los procesos de manera urgente,
obteniendo resultados rápidos que indiquen si existen problemas con dichos datos.
Dicho esto, se puede aplicar el QA/QC en distintos procesos de la exploración minera, ya sea
en la gestión de procedimientos que definen un plan de muestro asegurando la calidad de los
datos o en terreno verificando si se están ejecutando los protocolos de calidad. Además, se
pueden insertar muestras de control de calidad que sirven para chequear laboratorios internos
y externos a la compañía, así como también corroborar datos de leyes que han sido enviadas
para análisis químico.
Para asegurar que la calidad del muestreo sea exitosa la compañía posee una serie de
procedimientos que se resumen en la siguiente tabla.
Luego de obtener las muestras, se procede a la preparación de las sub-muestras que serán
enviadas al laboratorio químico para su posterior análisis. En esta etapa se insertan las
muestras de control tal como se visualiza en la tabla.
Protocolos de
preparación
Duplicados Gruesos (≤ 20% Error).
(producción de Pulverización
muestras de muestras. Chequeo Granulométrico.
analíticamente
homogéneas).
Inserción de Estándar.
Protocolos de
controles
análisis. Duplicados.
internos.
Se realiza una revisión de las distintas muestras de control a las que se les asocia la variable
que evalúa cada una de estas.
3.2.1 Blancos
El procedimiento de evaluación para muestras de control del tipo Blanco Grueso y Blanco
Fino corresponde a la determinación de un Límite de Detección (LD) del elemento de interés
estudiado, de tal forma que si el análisis de la ley arroja resultados de blancos con alguna
concentración por sobre LD estos se anotarán como datos contaminados, pero solo se
registraran los datos que estén por sobre un Límite de Seguridad (LS) que en este caso
corresponde a 5 veces LD para Blancos Gruesos y 3 veces LD para Blancos Finos, dejando
en evidencia que el LD para Au es 0,01 (g/t) y para Ag es 1 (g/t) .
Se construirán gráficos que relacionen muestras blancas versus las muestras precedentes a
estas, de tal forma de identificar cual o cuales son las muestras contaminadas y al mismo
tiempo relacionarlas con la fuente de dicha contaminación.
𝑌 2 = 𝑚2 ∗ 𝑋 2 + 𝑏2 Ecuación 4
El error relativo entre cada par de muestra original y duplicado se calcula en base a la
siguiente formula:
|𝑂𝑖 − 𝐷𝑖 | Ecuación 5
𝑅𝐸 = 2 ∗
(𝑂𝑖 + 𝐷𝑖 )
Donde Oi es el valor original y Di es el valor del par duplicado. La precisión es tratada como
un parámetro cualitativo, inversamente proporcional a RE, que es un parámetro cuantitativo,
cuanto mayor es el RE, más pobre es la precisión, y viceversa.
En esta figura se muestran las distintas alternativas que se pueden emplear como líneas de
falla siendo el caso 1 la mejor opción:
Caso1: Método Hiperbólico, es el mejor ajuste para procesar duplicados de leyes muy
bajas, ya que disminuye los errores que se pueden ocasionar por diferencias mínimas
entre pares de muestras.
Caso2: Error Relativo, se evidencias problemas para analizar leyes demasiado bajas.
Caso3: Paralelo a Error Relativo + intersección en eje Y, se ajusta solo para leyes
extremadamente bajas, e incluye gran parte de muestras fuera de control en rangos
normales de error para leyes promedio y leyes altas.
Fuente: (Simón A. , Evaluation of Twin and Duplicate Samples: The Hyperbolic Method: Discussion, 2004)
3.2.3 Estándares
Para evaluar las muestras de control del tipo estándar se deben construir gráficos de control
o “Shewhart” para cada tipo de estándar y elemento analizado. Los valores reportados se
deben plotear de manera secuencial y el gráfico incluir líneas con valores constantes en el eje
“Y” correspondientes a valores contantes:
𝑃𝑅𝑒𝑣𝑒 Ecuación 6
𝑆𝑎(%) = −1
𝑀𝑉
Donde PReve representa el promedio de los valores obtenidos, calculado tras excluir los
valores erráticos, y MV representa el mejor valor del estándar para el elemento estudiado. El
sesgo es considerado aceptable si su valor absoluto es inferior a 5%, arriesgado si se
encuentra entre 5% y 10%, e inaceptable cuando supera el 10%.
Para evaluar los duplicados externos comúnmente se construyen gráficos de dispersión X-Y,
en los que se plotean los resultados de dichos duplicados en el eje Y, y de las muestras
originales en el eje X, y posteriormente se representa la curva de regresión lineal entre ambas
series. Con este fin, se recomienda utilizar el método de Reducción al Eje Mayor (Reduction
to Major Axis, o RMA; Sinclair, 1999), que ofrece un ajuste insesgado de las dos series de
resultados, mediante un procedimiento matemático que trata ambas series como
independientes entre sí.
En este caso, el sesgo Sp-s del laboratorio primario con relación al secundario es calculado del
siguiente modo:
Donde pRMA es la pendiente de la curva de regresión obtenida por el método RMA (Simón A.
, Aseguramiento y Control de la Calidad en la Exploración Geológica, 2006) .
Se puede aproximar un ajuste imparcial usando el ajuste de la regresión lineal dos veces,
asumiendo primero uno, y entonces el otro resultado del par es la variable independiente.
Esto dará dos líneas con tendencias diferentes que se cruzan (después de resolver
algebraicamente una de las ecuaciones lineales de manera que ambas estén en la forma y =
mx + b, es decir, una ecuación se re-expresa como x = y / m - b / m). Una estimación de la
tendencia lineal de los datos puede ser obtenida calculando la bisectriz de las dos regresiones
lineales. Sin embargo, la bisectriz no es el ajuste óptimo de los datos si la varianza de un
conjunto de resultados es diferente que el otro. En otras palabras, la tendencia de los datos
debe tener en cuenta que un conjunto de los resultados apareados puede ser más "errático"
que el otro.
Test de Grubbs
Tal como se ve en la figura anterior, existen outliners que afectan la evaluación de los
duplicados de chequeo externo, aumentando el error global cuando algunos datos se desvían
considerablemente.
Independiente de los protocolos que hacen imperativo repetir las muestras fuera de los rangos
normales, es necesario eliminar estos datos de tal forma que quede un registro pero no afecten
los cálculos ni la visualización del error global de estas muestras de control. El problema está
en ¿Qué criterio usar para considerar un resultado de muestra como un outliners?
Se basa en dos fórmulas que abordan por izquierda y por derecha una serie de datos ordenados
de menor mayor, en este caso serán las diferencias entre muestra original y duplicado.
(𝑋𝑚𝑒𝑑 − 𝑋𝑖 ) Ecuación 11
𝐺𝑖 =
𝑆
(𝑋𝑖 − 𝑋𝑚𝑒𝑑 ) Ecuación 12
𝐺𝑛 =
𝑆
5) Se calcula y compara con las tablas según los resultados de Gi y Gn (para valores por
la izquierda y por la derecha respectivamente) con la tabla de Grubbs y si el valor
supera el valor de Grubbs es considerado un outliners (Grubbs, 1974).
Partiendo de la base de que los datos no son información sin que estos hayan sido procesados,
es que se automatizarán los procesos de análisis con el fin de minimizar el tiempo necesario
para dicha actividad.
Se crean nuevas planillas en software Excel y macros de “VBA” que procesan datos de
muestras de control, de tal forma que exista una hoja de cálculo llamada “input” en la que se
ingresen los valores de forma directa desde el certificado de análisis de laboratorio, que los
datos se procesen automáticamente en las demás hojas a partir formulas y condiciones según
la bibliografía estudiada y los protocolos internos de SMC, para finalmente obtener una hoja
de cálculo que entregue toda la estadística y los resultados de cada lote de muestras de control
con el fin de evaluar la precisión, exactitud y la contaminación de los datos de un proyecto
en particular.
basan son suficientemente precisos y exactos. Por otro lado, la clasificación de los recursos
se basa en la confianza de las estimaciones locales y globales.
Una mala precisión debido a la presencia de oro grueso podría conducir a una grave
sobreestimación de la ley si este problema no se detecta y se aborda oportunamente. Del
mismo modo, la exactitud de los ensayos pobres requiere a menudo correcciones dolorosas,
a veces afectando la factibilidad del proyecto. Sólo hay una forma de evitar sorpresas
desagradables cuando surge el momento crítico: implementar desde el primer día un
programa integral de control de calidad, y seguirlo estrictamente durante toda la vida del
proyecto.
Se realizaron 47 sondajes diamantinos que juntos conforman un largo total de 5270 (m)
perforados.
Cabe destacar que solo el 14 % de las muestras (254 muestras) interceptan la zona de vetas
como tal, el resto de las muestras procesadas entrega información sobre el entorno en que se
ubican espacialmente dichas vetas.
Para el control de la calidad se han insertado 154 muestras de control distribuidas entre
Blancos, Duplicados y Materiales de Referencia. Los detalles de inserción se reflejan en la
siguiente tabla.
4.1 Blancos
Los blancos son muestras de material estéril, desprovistas del elemento que está siendo
analizado. Los blancos ayudan a monitorear la contaminación y desarreglo de las muestras
durante la preparación y análisis de la muestra.
Para “Blancos Gruesos” o “Coarse Blanks”, se pueden utilizar arena silícea o rocas frescas
que no tengan ninguna alteración o mineralización. Blancos gruesos se deben insertar
óptimamente después o entre muestras de alta ley. Los blancos gruesos deberán dar valores
menores que o igual 5 veces el valor del límite de detección; y el 90% de las veces.
En total se revisaron 94 controles del tipo blanco grueso y se prepararon gráficos de Blanco
versus muestra precedente para Au y Ag.
0,12
0,10
0,06 Regression
0,04
0,02
0,00
0,00 20,00 40,00 60,00 80,00 100,00 120,00
Muestra precedente
5,00
4,00
Ag
3,00 Línea Seguridad
Blanco
Regression
2,00
1,00
0,00
0,00 200,00 400,00 600,00 800,00 1000,00 1200,00 1400,00
Muestra Precedente
Como “Blancos Finos” o “Pulp Blanks” se utiliza material estéril molido (pulpas) y deben
ser insertados directamente después de muestras de alta ley. Los blancos de pulpas deberán
dar valores menores que o iguales al triple del valor del límite de detección.
En total se revisaron 17 controles del tipo blanco fino y se prepararon gráficos de Blanco
versus muestra precedente para Au y Ag.
0,05
0,04
Línea Seguridad
0,03 Au
Blanco
Regression
0,02
0,01
0,00
0,00 10,00 20,00 30,00 40,00 50,00
Muestra precedente
3,00
2,50
2,00 Ag
Línea Seguridad
Blanco
1,50 Regression
1,00
0,50
0,00
0,00 200,00 400,00 600,00 800,00 1000,00 1200,00 1400,00 1600,00
Muestra precedente
El resumen de muestra de control de blancos finos indica que se ha obtenido una tasa de
contaminación del 5,9 % tanto para el elemento Au y 0,0 % para Ag.
No se realizaron controles del tipo “Duplicado Grueso” en el proyecto estudiado, por lo tanto
la precisión del sub-muestreo, la preparación y el cuarteo del laboratorio interno de SMC
queda sin respaldo para poder emitir un juicio sobre este.
% falla
(%) fallas
Fallas permitida para
Elemento Pares Fallas permitidas Estado
(%) cada par de
por lote
muestras
Error dentro de
Au 1 0 0,0% 30% 10%
rangos normales
Error dentro de
Ag 1 0 0,0% 30% 10%
rangos normales
8,0
7,0
45º Line
5,0
Línea de Falla
4,0 Fallas
30 Muestras
Gemelas
25 45º Line
Max Ag (ppm)
Línea de Falla
20
Fallas
15
Número de muestras
10
1
Fallas
5
0 0,0%
0
0 10 20 30
Min Ag (ppm)
Figura 33 precisión de muestras gemelas – Ag (ppm)
“Re-ensaye” o “Duplicado Fino”, indican la precisión del análisis químico del laboratorio.
“Duplicados Finos” es la segunda parte de las pulpas de las muestras que se separan al final
de la preparación completa y después de pulverizar las muestras.
Se prepararon gráficos de Max – Min para los elementos Au y Ag (Fig. 34 y 35 para Au, 36
y 37 para Ag). Siendo la tasa de error para Au de 33,3 %, considerando 7 fallas del total de
muestras analizadas. Para el caso de Ag la tasa de error es de 23,8 %, equivalente a 5
muestras que sobrepasan el error relativo de análisis.
120,0
100,0 Fallas
80,0
Número de muestras
60,0 21
40,0 Fallas
20,0 7 33,3%
0,0
0,0 50,0 100,0 150,0 200,0
Min Au (ppm)
Figura 34 Precisión de duplicados de pulpa – Vista General – Au (ppm)
3,5 Fallas
3,0
2,5 Línea de Falla
2,0
Número de muestras
1,5 21
Fallas
1,0
7 33,3%
0,5
0,0
0,0 2,0 4,0
Min Au (ppm)
Figura 35 Precisión de duplicados de pulpa – Vista Detalle – Au (ppm)
1000
Fallas
800
600 Numero de muestras
400 21
200 Fallas
5 23,8%
0
0 500 1000 1500 2000
Min Ag (ppm)
Figura 36 Precisión de duplicados de pulpa – Vista General – Ag (ppm)
Pulp Duplicates
40,0
45º Line
Falla
20,0
Numero de muestras
21
10,0
Fallas
5 23,8%
0,0
0,0 10,0 20,0 30,0 40,0 50,0
Min Ag (ppm)
Figura 37 Precisión de duplicados de pulpa – Vista Detalle – Ag (ppm)
Las muestras de control de duplicados de pulpa tienen como objetivo evaluar la precisión en
el análisis químico de las muestras y según el cuadro anterior se poseen errores muy por
encima de lo permitido.
4.3 Estándares
Se prepararon gráficos de control para cada elemento y para cada STD (Fig. 24 y 25).
Los resultados de análisis de “STD Bajo” presentan sesgos del orden de 10 % a 12 %, lo que
indica que el grado de exactitud de laboratorio para el proyecto “Veta La Fina” es inaceptable
según el análisis de leyes bajas para el oro y la plata. Materiales de referencia iguales a 0,05
(g/t) y 34 (g/t) respectivamente.
Los resultados de análisis de “STD Alto” presentan sesgos aceptables por debajo del 5 %, lo
que indica un buen grado de exactitud para leyes altas en el proyecto “Veta La Fina”
Este dicho fue adaptado de un escrito del siglo XVIII por Thomas Reid titulado: “Ensayos
en los Poderes Intelectuales del Hombre”. La cita real dice así: "En cada cadena de
razonamiento, la evidencia de la última conclusión no puede ser mayor que el eslabón más
débil de la cadena, sin importar la fuerza del resto." Frase que ha tomado gran participación
en el área industrial para evaluar los procesos y el desempeño de las empresas (Reid, XVIII).
Tomando en cuenta la frase anterior es que se realiza una analogía para determinar, calificar
y cuantificar la evaluación de la calidad de los datos que sustentan el proyecto de exploración
“Veta La Fina” según los criterios de precisión, exactitud y contaminación, de tal forma que
cada aspecto estará condicionado por el resultado más conservador, solo para evidenciar el
riesgo a los cuales se enfrenta la compañía.
El resultado final de este capítulo difiere de lo esperado por la compañía minera y este análisis
puede variar a medida que se revelan nuevos resultados que se generarían de los últimos lotes
con muestras de control enviados a raíz de la problemática visualizada por el equipo de
trabajo al momento de evidenciar niveles de precisión y sesgos de tal magnitud según los
resultados del capítulo IV.
5.1 Precisión
Sub-Muestreo y
Muestreo Análisis Químico
Preparación
0 % de error
Error no 33,3% de
(solo 1
mensurable error
muestra)
La precisión del proyecto está condicionada por el error más alto, de tal forma que la
precisión es inversamente proporcional al error más alto obtenido.
5.2 Exactitud
La exactitud de los datos que sustentan el proyecto “Veta La Fina” se evalúa a través de
“Estándares” cuando se trata del laboratorio interno y a través de “Duplicados de Chequeo
Externo” cuando se trata de un laboratorio secundario.
Dup. Chequeo
Estándares
Externo
5.3 Contaminación
La contaminación global en los datos de leyes que soportan el proyecto de “Veta La Fina” es
de 5,9 % y responde de muy buena forma a la tolerancia permitida del 10 % de datos
contaminados respecto del total.
El programa de aseguramiento y control de calidad del proyecto “Veta La Fina” presenta una
inserción de muestras de control insuficientes, cercano al 8 %. Mientras que el porcentaje de
inserción esperado corresponde al 20 % del total de las muestras analizadas.
Se posee tan solo una muestra del tipo Duplicado Gemelo, la que figura dentro de los rangos
aceptables, pero no se puede estimar una precisión del proceso con solo una muestra. Por
otra parte no existen muestras de control de Duplicado Rechazo Grueso ni de Duplicado de
Chequeo Externo, por lo cual no se puede evaluar la precisión en la preparación física ni la
exactitud del laboratorio primario.
Estadísticos descriptivos:
Indicador Valor
D 0,269
valor-p 0,078
alfa 0,05
Interpretación de la prueba:
Puesto que el valor-p calculado es mayor que el nivel de significación alfa=0,05, no se puede
rechazar la hipótesis nula Ho lo que implica que el grupo de muestras sigue una distribución
normal.
4
Normal(0,140;0,188)
0
0% 10% 20% 30% 40% 50% 60% 70% 80% 90%
Error Relativo
Figura 45 Histograma. Distribución de errores relativos de duplicados de pulpa
Indicador Valor
W 0,647
valor-p (bilateral) < 0,0001
alfa 0,05
Interpretación de la prueba:
Puesto que el valor-p computado es menor que el nivel de significación alfa=0,05, se debe
rechazar la hipótesis nula Ho, y aceptar la hipótesis alternativa Ha.
Según esta prueba se concluye que los datos no siguen una distribución normal y difiere de
lo propuesto por Kolmogorov-Smirnov. Además se comprueba con gráfico Q-Q plot que los
datos no siguen la distribución normal esperada
0,7
0,3
0,1
-0,3
Error Relativo
No obstante, se espera que estos datos respondan a una distribución normal o que al menos
se pueda demostrar que provienen de una misma población de datos. Para esto será necesario
aplicar la prueba de U de Mann –Whitney para datos no paramétricos (que no siguen una
distribución normal), donde se compara las muestras “Original” vs “Duplicado”.
Esta prueba sirve para comprobar si los datos utilizados en la evaluación del proyecto
corresponden a una misma población de muestreo, es decir que estadísticamente provienen
de una muestra homogénea y trabaja con datos que no responden a una distribución normal.
Hipótesis de estudio:
Ho: Los datos provienen de una misma población o distribución muestral homogénea.
Ha: Los datos provienen de distinta población o distribución muestral heterogénea.
Indicador Valor
U 217
U (estandarizado) -0,075
Valor esperado 220,500
Varianza (U) 1579,994
valor-p (bilateral) 0,940
alfa 0,05
Interpretación de la prueba:
Puesto que el valor-p calculado es mayor que el nivel de significación alfa=0,05, no se puede
rechazar la hipótesis nula Ho.
Por lo tanto, según la prueba de U de Mann-Whitney se puede decir que los datos “Original”
vs “Duplicado” provienen de una misma población muestral homogénea.
Se ha determinado que los datos de error relativo son resultado de dos muestras (Original-
Duplicado) que provienen de una misma población y que además no responden a una
distribución normal. Esto se debe a valores atípicos o valores que no son esperados dentro
del proceso de análisis en cuestión.
Duplicado Au
Original Au (g/t) Diferencia Error Relativo Muestra
(g/t)
0,24 0,59 0,35 84% 21
39,62 24,33 15,29 48% 20
4 Z-scores
3
1
Z-score
0
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21
-1
-2
-3
-4
Observaciones
Figura 47 Prueba de Grubbs para error relativo de 84 % en duplicado de pulpa
Z-scores
4
3
2
Z-score
1
0
-1 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20
-2
-3
-4
Observaciones
Ahora se procede a determinar la normalidad de los datos excluyendo las dos muestras
extraídas recientemente y se calculan los nuevos estadísticos descriptivos.
Estadísticos descriptivos
Tabla 30 Estadísticos descriptivos para error relativo en duplicados de pulpa sin datos atípicos
Indicador Valor
W 0,941
valor-p
0,275
(bilateral)
alfa 0,05
Interpretación de la prueba:
Puesto que el valor-p calculado es mayor que el nivel de significación alfa=0,05, no se puede
rechazar la hipótesis nula Ho.
0,2
0,15
0,1
0,05
0
-0,05 0,05 0,15 0,25
-0,05
Error Relativo
Según este resultado de prueba de hipótesis se puede decir que los datos responden o tienden
a una distribución normal.
Con estos dos datos excluidos del lote de muestras de control de “Duplicado de Pulpas” se
procede a calcular nuevamente el error relativo a fin de evaluar la precisión del análisis
químico de las muestras.
Estos errores siguen siendo sumamente amplios para afirmar una precisión aceptable en el
proyecto “Veta La Fina”, es decir, si se acepta un error máximo del 10 % sobre el total de los
pares de leyes, tener un 26 % y un 21 % de error genera bastante incertidumbre con respecto
a las demás leyes analizadas con las cuales se está realizando la estimación de recursos.
Conociendo los resultados anteriores, donde se arrojan resultados con los cuales el proyecto
corre un alto riesgo, se realiza una última prueba estadística para evidenciar si el promedio
de leyes originales de pulpa es mayor que el promedio de las leyes de duplicados de pulpa.
Ho: Existe una diferencia significativa entre la media de las leyes originales de pulpa
versus la media de las leyes de duplicados de pulpa.
Ha: No existe diferencia significativa entre las medias de leyes originales de pulpa
versus duplicados de pulpa.
Comprobar Normalidad de los datos con test de Shapiro Wilk y Kolmogorov – Smirnov e
igualdad de varianzas de los dos grupos de muestras.
Estadísticos descriptivos:
Hipótesis de estudio:
H0: La distribución de las dos muestras es la misma.
Ha: Las distribuciones de las dos muestras son diferentes.
Indicador Valor
D 0,095
valor-p (bilateral) 1,000
alfa 0,05
Interpretación de la prueba:
Puesto que el valor-p calculado es mayor que el nivel de significación alfa=0,05, no se puede
rechazar la hipótesis nula Ho y se concluye que la distribución de las dos muestras es la
misma. Por lo demás, es posible ver los empates de los datos y sus desviaciones en el
siguiente gráfico
0,9
Frecuencia relativa acumulativa
0,8
0,7
0,6
0,5
0,4
0,3
0,2
0,1
0
0 20 40 60 80 100 120 140 160 180
Original - Duplicado
Original Duplicado
Indicador Valor
W 0,526
valor-p (bilateral) < 0,0001
alfa 0,05
Interpretación de la prueba:
Puesto que el valor-p computado es menor que el nivel de significación alfa=0,05, se debe
rechazar la hipótesis nula Ho, y aceptar la hipótesis alternativa Ha.
Hipótesis de estudio:
Indicador Valor
W 0,501
valor-p (bilateral) < 0,0001
alfa 0,05
Interpretación de la prueba:
Puesto que el valor-p computado es menor que el nivel de significación alfa=0,05, se debe
rechazar la hipótesis nula Ho, y aceptar la hipótesis alternativa Ha.
Se puede visualizar en las gráficas la no normalidad de los dos grupos de datos para Original
y Duplicado.
190
Cuantil - Normal (15,01; 31,88)
Cuantil - Normal (15,01; 31,88)
140
140
90
90
40
40
-10 -10
-60 40 140
-60 40 140
-60 -60
Original Duplicado
Hipótesis de estudio:
Ho: Las varianzas son idénticas.
Ha: Al menos una de las varianzas es diferente de la otra.
Indicador Valor
F (Valor observado) 0,107
F (Valor crítico) 4,085
GL1 1
GL2 40
valor-p (bilateral) 0,745
alfa 0,05
Interpretación de la prueba:
Puesto que el valor-p calculado es mayor que el nivel de significación alfa=0,05, no se puede
rechazar la hipótesis nula Ho.
Según Shapiro-Wilk
P-valor < Alfa, se acepta Ha los datos no representan una distribución normal.
Pero, tan solo se tienen 21 datos, por lo cual no se puede asegurar que los datos no responden
a una distribución normal.
2.- Alta presencia de oro grueso, lo que afecta la precisión de muestreo debido a la naturaleza
del yacimiento
4.- Laboratorio físico, la ausencia de control de duplicados gruesos repercute de tal forma
que no se conoce la precisión del sub-muestreo y preparación de las muestras (análisis
granulométrico)
Igualdad de Varianza
Se llega a la conclusión de que los datos no siguen una distribución normal pero que si tienen
igualdad en sus varianzas. Por lo tanto no se puede aplicar el test de T Student para comparar
las medias aritméticas de estos dos grupos de datos (Original-Duplicado) sin antes realizar
una transformación de estos, para demostrar que tienden a la distribución esperada.
Los datos de leyes originales y duplicados no se ajustan a una distribución normal, por lo
cual se procede a realizar una transformación lognormal para hacer posible la aplicación del
test de T Student y evidenciar si las medias de estos dos grupos son idénticas o su diferencia
no es significativa.
Bajo una transformación Lognormal y utilizando los residuales como una manera de
justificar el supuesto de normalidad se procede a aplicar el test de T Student.
Figura 52 Gráficos Q-Q plot para residuos estandarizados Original – Duplicados. Normalidad
Estadísticos descriptivos
Tabla 39 Estadísticos descriptivos para transformaciones de datos Original – Duplicado (Residuos estandarizados)
Hipótesis de estudio:
Tabla 40 Prueba T Student para dos grupos de muestras. Residuos estandarizados Original - Duplicado
Indicador Valor
Diferencia 1,39x10-17
t (Valor observado) 0,000
|t| (Valor crítico) 2,021
GL 40
valor-p (bilateral) 1,000
alfa 0,05
Interpretación de la prueba:
Puesto que el valor-p calculado es mayor que el nivel de significación alfa=0,05, no se puede
rechazar la hipótesis nula Ho. La diferencia entre las medias es igual a 0.
0,4 t(obs)=0
0,35
0,3
Densidad
0,25
0,2
0,15
-t(crit)=- t(crit)=2,02
2,021 0,1 1
a/2=0,025 0,05
a/2=0,025
0
-6 -4 -2 0 2 4 6
t
Figura 53 Prueba T Student bilateral para dos muestra independientes. Residuos estandarizados Original – Duplicado
Estadísticos descriptivos:
Hipótesis de estudio:
Ho: No existe diferencia significativa entre las medias de leyes originales de pulpa
versus duplicados de pulpa.
Ha: Existe una diferencia significativa entre la media de las leyes originales de pulpa
versus la media de las leyes de duplicados de pulpa.
Indicador Valor
Diferencia 1,595
t (Valor observado) 0,152
|t| (Valor crítico) 2,021
GL 40
valor-p (bilateral) 0,880
alfa 0,05
Interpretación de la prueba:
Por lo tanto no existe diferencia significativa entre la media de las leyes originales y
duplicados de pulpa.
Se han revisado los planos de todas las secciones en las que se ubica espacialmente “Veta La
Fina” y se han extraído todas las muestras correspondientes a las intersecciones de los
sondajes con dicha veta.
Luego, se ubicó cada muestra con su respectivo lote de envió de muestras para análisis
químico, comparándolas con la base de datos y se revisó mediante el programa de “QA/QC”
a fin de determinar cual fuera el error en la precisión, exactitud y contaminación más alto
posible.
Fragmento de tabla (Anexo 1) que contiene las muestras que sustentan el control de calidad
de la estimación de recursos de “Veta la Fina”.
Tabla 43 Muestras usadas para estimación de recursos con respaldo de “QAQC” en Veta La Fina (Fragmento)
La mayoría de las evaluaciones se han realizado en base a los protocolos implementados por
la propia compañía. Estos resultados están ligados a la poca información que se maneja sobre
el control de calidad, siendo la mayoría, del autor referente del “QA/QC” Sr Armando Simón.
Existen otros referentes, que siendo muy escasos, solo divulgan la información o replican lo
expuesto por A. Simón. Aunque, después de meses de estudio se ha encontrado una
información valiosa propuesta por el geólogo ruso Marat Abzalov, quien postula que es
posible aceptar hasta un 20 % de error entre pares de “Duplicados de Pulpa” cuando se
evidencia que el proyecto posee oro de granulometría media a gruesa.
Figura 55 Mejores y aceptables niveles de error en la precisión propuestos como referencia para evaluar proyectos
mineros.
Los resultados para la precisión de “Duplicados de Pulpa” para “Veta La Fina” según lo
propuesto por Marat Abzalov se muestran en la siguiente tabla
Tabla 44 Resultados de precisión en Duplicados de Pulpa para Veta La Fina según propuesta de Marat Abzalov.
Aunque se ha permitido un error relativo del 20 % para cada par de muestras, aun así los
fallos superan el 10 % de fallas por lote con un 14,3 % y un 19 % para el oro y la plata
respectivamente.
Cuando se revisan los diagramas de resultados del “QAQC” al final de una campaña
de exploración y se evidencian periodos con problemas de precisión, exactitud y/o
contaminación ya no se puede actuar.
El trabajo del “QAQC” es silencioso, cuando todo se hace bien no se nota. En cambio
cuando hay problemas toma mucha relevancia, ordenando la repetición de un grupo
de muestras o de un lote completo dependiendo de la robustez del programa
implementado.
Es necesario tener en cuenta que los programas de muestreo han sido diseñados para
una mena principal, como por ejemplo cobre, oro, plata o fierro. Por lo tanto no se
puede asegurar la representatividad de una mena secundaria o elementos
contaminantes.
La precisión global del proyecto queda acotada tan solo a las muestras del tipo
“Duplicado de Pulpa”, las que conforman el 1.1 % de un total recomendado del 2 %.
El grupo está conformado por 21 pares de muestras dentro de las cuales se visualizan
7 muestras fallidas para el Oro con un error total de 33,3 % y 5 muestras fallidas para
la Plata con un error total de 23,8 %. Valores que son demasiado altos y están por
encima del valor aceptable del 10 % según la teoría de Armando Simón. No obstante
se ha retirado de los grupos de datos dos muestras para el Oro con valores atípicos
para reflejar cual sería la precisión sin estos dos pares de datos y los resultados serían
los siguientes: 26,3 % de error para el Oro y 21,1 % de error para la Plata. Finalmente
se realiza una nueva evaluación de la precisión en base a la teoría de Marat Abzalov
el cual propone un 20% de error aceptable para pares de muestras y los resultados son
los siguientes: 14,3 % de error para el Oro y 19 % de error para la Plata.
La exactitud global del proyecto se limita a los resultados de estándares altos y bajos,
los cuales no presentan ningún dato fuera de rango o desviación, pero que sí,
presentan un sesgo no menor de 4,65 % para STD-Alto, al borde de que el proyecto
sea arriesgado (>5 % arriesgado) y de 12,13% para STD-Bajo lo que lo hace
inaceptable (>10 %: inaceptable). Aunque se evidencia que las leyes bajas son mal
registradas ya que para el Oro faltaría ingresar datos con más decimales y la fuente
de la información los coarta, mientras que para la plata, si bien el material de
referencia posee una ley de 34 (g/t), por planilla y según gráfico se pensaría que se
está cometiendo un error sistemático ya que por la tendencia de los datos, pareciera
que se están analizando leyes de 31 (g/t).
Con respecto a las pruebas estadísticas realizadas, se esperaba que los datos de errores
relativos tuvieran una distribución normal o gaussiana, pero se comprobó que los
datos no se agrupaban en torno a un error, y que los errores relativos iban del orden
del 0 % al 84 %. Por la poca cantidad de datos no se pudieron extraer mayores
conclusiones y se aplicaron pruebas estadísticas para datos no paramétricos y
simulaciones análogas de “T de Student con transformaciones log-normales”
concluyendo que: Las distribuciones de datos “Original” y “Duplicados” eran las
mismas y fueron extraídas de una misma población de datos. Además se demostró
que las medias de los grupos “Original” y “Duplicados” eran similares y su diferencia
no era significativa con 95 % de confianza. Las medias de estos datos fueron de 16,6
(g/t) de Oro para “Original” y de 15,01 (g/t) de Oro para “Duplicados”.
Análogamente se extrae de planillas de Excel que las medias para la Plata son de 336
(g/t) para “Original” y 307 (g/t) para “Duplicado”.
Para Finalizar, se torna difícil concluir sobre la viabilidad del proyecto “Veta La Fina”
cuando se tienen tan pocos datos y errores como los demostrados, pero se pueden
visualizar 3 posibles fuentes de este error:
1.- Alta presencia de oro grueso, lo que afecta el error de muestreo debido a la
naturaleza del yacimiento.
2.- Análisis químico, métodos de análisis, error, azar (falta de chequeo externo).
3.- Laboratorio físico, la ausencia de control de duplicados gruesos repercute de tal
forma que no se conoce la precisión del sub-muestreo y preparación de las muestras
(análisis granulométrico).
RECOMENDACIONES
obtener resultados inmediatos, los permites actuar de manera urgente frente a las
distintas complicaciones que se puedan presentar y se debe hacer de manera contante
y con predicción de estos eventos, de forma proactiva como filosofía de vida y no de
manera reactiva cuando ya no se puede solucionar.
Finalmente la compañía tiene varios proyectos Stand-by los cuales desea retomar. Se
han realizado perforaciones exploratorias las cuales no han sido muchas, pero se
recomienda reanalizar algunas muestras desde ya para comprobar la precisión de sus
leyes y reanalizar la prioridad de estos proyectos. Resulta que si en la primera fase de
exploración, no se reanalizan las muestras se puede sobrevalorar un prospecto y
repercutir negativamente en la planificación estratégica de la gerencia de
exploraciones.
BIBLIOGRAFÍA
Antoni Camprubí*, E. G.-P. (2003). Depósitos epitermales de alta y baja sulfuración: una
tabla comparativa. Boletin de la Sociedad Geologica Mexicana.
Bloom, L. (1999). The role of the economic geologist in evaluating assay data quality.
manuscript.
keylor Castillo Moreno et Al. (2017). National instrument (NI 43-101). Universidad Nacional
de Cajamarca.
Long, S. (2000). Assay Quality Assurance-Quality Control Program for Drilling Projects at
the Prefeasibility to Feasibility Report Level. Mineral Resource Development Inc.,
Internal Report.
Rogers, R. (1998). Forensic Geology and Mineral Exploration Projects. Exploration and
mining Geology. Vol. 7, No. 1-2 25-27, ISSN 0964-1823.
Scott, L. (2007). Method of Reduction to Mayor Axis (RMA). Discussion and References.
Principal Geochemist, AMEC.
Simón, A. (30 de Septiembre de 2004). Evaluation of Twin and Duplicate Samples: The
Hyperbolic Method: Discussion. Lima, Perú.
Taylor-Kuyatt. (1994). Guidelines for Evaluating and Expressing the Uncertainty of NIST
Measurement Results. Washington: NIST Technical Note 1297.
TSE-OSC. (1999). Mining Standards Task Force, Toronto Stock Exchange and Ontario
Securities Commission. TSE-OSC.
UNE ISO 8402. (1995). ISO 8402 Gestion de Calidad y Aseguramiento de calidad, AENOR,
Asociación Española de Normalización y Certificación. España: Comité técnico
AEN/CTN 66.
Vallée, M. (1998). Smapling Quality Control. In: Quality Assurance, Continuous Quality
Improvement and Standards in Mineral Resourc Estimation. Exploration and Mining
Geology, Vol 7.
GLOSARIO
A
D
Assays
Datos de leyes, litología, densidad, alteración, DDH
Método de perforación desondajesdelos
etc. por cada tramo de testigo ensayado y
cualesse extraeun testigo de roca como
mapeado geológicamente, 82
muestra., 24, 45, 46, 49, 62
Azimut
Dip
Dirección con respecto al Norte geográfico., 65
Buzamiento de un zondaje con respecto a un
B plano horizontal., 65
Batch E
Lote de muestras enviadas a laboratorio., 64
Epitermal de Baja Sulfidización
NI 43-101
Una norma desarrollada por los
T
Administradores de Valores Canadienses Trend
(CSA) y administrados por las comisiones Hacia donde se inclina una alineación, 21
ANEXOS
Anexo 4 Registro de muestras de control de calidad en cada uno de los sondajes realizados
Sond_2017_38 155,45 3 1 - - - - 1 1
Sond_2017_39 110,00 2 1 - - - - 1 1
Sond_2017_40 98,35 2 1 - - - - 1 -
Sond_2017_41 106,60 1 1 - - - - - 1
Sond_2017_42 62,10 1 1 - - - - 1 -
Sond_2017_43 76,85 1 1 - - - - - 1
Sond_2017_44 132,00 2 3 - - - - 1 1
Sond_2017_45 122,40 2 2 - - - - 1 1
Sond_2017_46 85,85 1 1 - - - - 1 1
Sond_2017_47 53,00 1 1 - - - - - -
Sond_2017_48 99,98 1 3 - - - - 1 -
Totales 5.272,72 98 17 0 1 21 - 9 8
Fuente: Elaboración propia.
Veta La Fina
QA-QC Review
Límite de seguridad
5 x veces LD
Au Ag
0,05 5
(ppm) (ppm)
Instrucciones:
Celdas en blanco debe ingresar valor
Celdas amarillas para títulos predefinidos
Celdas azules para resultados automáticos
Celdas rojas indican alerta sobre lím. detección
Celdas rojas indican alerta sobre Valor de seguridad
Veta La Fina
QA-QC Review
Límite de seguridad
3 x veces LD
Au Ag
0,03 3
(ppm) (ppm)
Instrucciones:
Celdas en blanco debe ingresar valor
Celdas amarillas para títulos predefinidos
Celdas azules para resultados automáticos
Celdas rojas indican alerta sobre lím. detección
Celdas rojas indican alerta sobre Valor de seguridad
Anexo 9 Parámetros de entrada para muestras de control del tipo “Duplicados Gemelos” y
Datos.
Código de colores
Ingresar datos o compoletar si es necesario
Títulos, no cambiar
Resultados, no cambiar Cía. Minera San
Precaución, leer instrucciones
parámetros predefinidos
Anexo 10 Parámetros de entrada para muestras de control del tipo “Duplicados de Pulpa”
y Datos.
Anexo 11 Parámetros de entrada para muestras de control del tipo “Estándar Alto” y
Datos.
Anexo 12 Parámetros de entrada para muestras de control del tipo “Estándar Bajo” y
Datos.