LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, noviembre, 2024, Volumen V, Número 6 p 886.

DOI: https://doi.org/10.56712/latam.v5i6.3054

Optimización de predicciones a corto plazo en minería
subterránea mediante la reconciliación de modelos de

bloques y datos de procesamiento en planta
Optimizing short-term predictions in underground mining through

reconciliation of block models and plant processing data

Mizrain Jonatan Sumoza Giron
mizrain86@gmail.com

https://orcid.org/0009-0004-6772-4422
Universidad Juárez del estado de Durango

México

Artículo recibido: 12 de noviembre de 2024. Aceptado para publicación: 25 de noviembre de 2024.
Conflictos de Interés: Ninguno que declarar.

Resumen

Este estudio presenta una comparación detallada entre las estimaciones de tonelaje y ley de oro y
plata generadas a partir del modelo de bloques y los resultados de producción reales reportados por
la planta de una mina, durante un mes de operación. Las áreas minadas se identificaron como zonas
1 a 9, y se evaluaron las discrepancias entre los valores teóricos del modelo y los valores de
producción real de oro y plata, observándose un impacto significativo de factores como la dilución.
Estudios previos subrayan la importancia de integrar una metodología de reconciliación en la
planificación minera para reducir las variaciones en las estimaciones. Por ejemplo, Wang et al. (2011)
destacan cómo la dilución puede afectar la precisión de los modelos, mientras que Chieregati et al.
(2019) discuten un marco de reconciliación que permita una evaluación precisa a corto plazo. Los
resultados de este estudio muestran que los factores de dilución reducen la ley promedio del mineral
extraído en comparación con las estimaciones originales. Con base en estos hallazgos, se propone
un enfoque de reconciliación optimizado que mejore la precisión en la planificación operativa y la
gestión de recursos, contribuyendo a una mayor sostenibilidad y eficiencia en las operaciones
mineras.

Palabras clave: reconciliación, modelos, estimación, recursos, minería, corto plazo, dilución

Abstract
This study presents a detailed comparison between the tonnage and grade estimates for gold and
silver generated by the block model and the actual production results reported by the processing plant
of a mine, over one month. The mined areas, identified as zones 1 to 9, were analyzed for discrepancies
between the model's theoretical values and the actual gold and silver production values, revealing a
significant impact of factors such as dilution. Previous studies underscore the importance of
integrating a reconciliation methodology into mining planning to reduce estimation discrepancies. For
example, Wang et al. (2011) emphasize how dilution can affect model accuracy, while Chieregati et al.
(2019) discuss a reconciliation framework enabling accurate short-term evaluations. The findings of
this study indicate that dilution factors reduce the average grade of extracted ore compared to original
estimates. Based on these findings, an optimized reconciliation approach is proposed to improve
accuracy in operational planning and resource management, contributing to greater sustainability and
efficiency in mining operations.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, noviembre, 2024, Volumen V, Número 6 p 887.

Keywords: reconciliation, models, estimation, resources, mining, short term, dilution

Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades,
publicado en este sitio está disponibles bajo Licencia Creative Commons.

Cómo citar: Sumoza Giron, M. J. (2024). Optimización de predicciones a corto plazo en minería
subterránea mediante la reconciliación de modelos de bloques y datos de procesamiento en planta.
LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades 5 (6), 886 – 895.
https://doi.org/10.56712/latam.v5i6.3054

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, noviembre, 2024, Volumen V, Número 6 p 888.

INTRODUCCIÓN

La reconciliación de modelos de bloques con datos reales de planta es crítica en la minería,
especialmente en el contexto de la mina estudiada, ya que permite verificar la precisión de las
estimaciones de recursos a corto plazo. Con desafíos geológicos únicos en esta mina, incluyendo alta
variabilidad en la ley y presencia de zonas de con alta dilución, la reconciliación de datos se convierte
en una herramienta indispensable para asegurar la consistencia entre el modelo de bloques y los
resultados de producción.

Diversos estudios sobre reconciliación de modelos han enfatizado su relevancia en la gestión de
recursos mineros. La reconciliación adecuada asegura una mejor precisión en la estimación de
recursos y mejora el monitoreo de factores de dilución y recuperación, permitiendo una gestión más
efectiva de los materiales procesados. Además, se ha demostrado que una reconciliación eficiente
ayuda a reducir los márgenes de error en las estimaciones y minimiza los costos asociados con la
subestimación o sobreestimación de recursos.

La falta de precisión en el modelo de bloques impacta directamente en la predicción de corto plazo y,
por ende, en la capacidad de respuesta operativa en la mina. Es crucial implementar una reconciliación
efectiva para detectar errores, mejorar la precisión del modelo y optimizar la eficiencia y productividad
de la extracción (Chieregati et al., 2019).

Este estudio busca mejorar la precisión en la estimación de recursos a corto plazo mediante la
reconciliación del modelo de bloques con los datos reales de planta. Se analiza como la dilución afecta
la exactitud de las leyes proyectadas, proponiendo un marco para una gestión más eficiente de
recursos en la operación minera.

METODOLOGÍA

La metodología del estudio está diseñada para analizar y comparar la precisión de las estimaciones
del modelo de bloques frente a los datos de producción reales de la planta, considerando las siguientes
etapas:

Definición de las áreas de estudio

Las áreas de trabajo se identificaron como zona 1 a zona 9, con un análisis más detallado en la zona
1.

Estas áreas se seleccionaron con base en su relevancia operativa y la disponibilidad de datos
históricos.

Recolección de datos

Se recopilaron datos del modelo de bloques, como estimaciones de leyes de oro y plata, tonelajes.

Se incluyeron los valores reportados por la planta, como toneladas procesadas, recuperaciones y leyes
obtenidas en cada zona.

Los levantamientos topográficos (CMS) se emplearon para medir con precisión los efectos de la
dilución y validar las toneladas extraídas.

Cálculo de factores de reconciliación

Se calcularon factores como el Factor R3, el cual relaciona las toneladas procesadas y la ley de planta
con las estimaciones del modelo.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, noviembre, 2024, Volumen V, Número 6 p 889.

Este cálculo permitió evaluar la efectividad del modelo de bloques en la predicción de corto plazo.

Análisis comparativo

Se llevaron a cabo comparaciones estadísticas entre los datos estimados y los reales, utilizando
gráficos y análisis descriptivos.

Las discrepancias se evaluaron para identificar patrones y posibles áreas de mejora.

Control de calidad y confidencialidad

Los datos analizados se trataron con estrictos protocolos de confidencialidad, asegurando el
cumplimiento de regulaciones de privacidad y anonimato.

Presentación de resultados

Los resultados obtenidos se documentaron en un formato claro, destacando las diferencias clave entre
el modelo y los valores de planta, así como las recomendaciones para mejorar la precisión de las
estimaciones futuras.

DESARROLLO

La investigación adopta un enfoque cuantitativo, centrado en el análisis comparativo entre los datos
de producción de planta y el modelo de bloques en la mina. La metodología utiliza técnicas de
reconciliación para evaluar la precisión de las estimaciones de leyes y tonelaje, así como los factores
de ajuste que se aplican para mitigar los efectos de dilución.

Se recopiló y analizó información de las áreas de trabajo identificadas como zona 1 a zona 9,
incluyendo un análisis detallado de la zona1, empleando levantamientos topográficos (CMS) para
incluir los efectos de la dilución.

Se emplearon datos históricos del modelo de bloques y los valores reportados por la planta, utilizando
el CMS para medir la dilución. Los datos incluyen toneladas extraídas, ley de oro y plata de la mina.

El análisis se realizó mediante comparaciones estadísticas entre las estimaciones y los valores reales
de planta. Se calcularon factores de reconciliación como el Factor R3, para evaluar la precisión del
modelo de bloques en la predicción de corto plazo.

Los análisis se realizaron manteniendo la confidencialidad de los datos de planta y siguiendo principios
de anonimato de los resultados, asegurando el cumplimiento de regulaciones de privacidad.

RESULTADOS

Estimaciones en Zonas Minadas

Se generan estimaciones de tonelaje y ley para las zonas minadas en el mes de producción. A
continuación, se muestra un ejemplo correspondiente a la zona1, la Figura 1 muestra una comparación
entre el minado histórico y la zona minada durante el mes de producción. La Figura 2 muestra el modelo
predictivo con las concentraciones de plata equivalente más las zonas minadas.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, noviembre, 2024, Volumen V, Número 6 p 891.

Tabla 1

Recursos minados zona1 mes de producción

Según la estimación del modelo en el mes de producción, se extrajeron 5,122 toneladas de mineral de
la zona1 (solo considerando el mineral), con una ley de oro estimada de 2.28 gramos por tonelada y
una ley de plata estimada de 282 gramos por tonelada, lo que resultó en una ley de plata equivalente
de 471 gramos por tonelada, según lo medido por el levantamiento topográfico (CMS). Además, se
extrajeron 4.911 toneladas de material de estéril, lo que elevó la extracción total a 10.034 toneladas.
Esto resultó en una ley de oro promedio estimada de 1,16 gramos por tonelada y una ley de plata de
144 gramos por tonelada, con una ley de plata equivalente de 240 gramos por tonelada.

Reporte de Recursos para todas las zonas minadas durante el mes de producción

Estudio para la Plata

Para el resto de las zonas minadas en el mes de producción, se aplicó la misma metodología utilizada
para la zona1. Este enfoque produjo los resultados de la estimación de la ley de plata que se muestran
en la Tabla 2 y gráfico 1.

Tabla 2

Leyes de plata de los recursos extraídos de todas las zonas

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, noviembre, 2024, Volumen V, Número 6 p 892.

Gráfico 1

Estimación de ley de plata por el modelo de bloques en zonas minadas

La tabla 2 y el gráfico 3 proporcionan una comparación de la ley y el tonelaje de los recursos en todas
las zonas, teniendo en cuenta los factores de dilución en el CMS. Al analizar la ley del recurso, se
observa que el contenido promedio de plata es de 428 gramos por tonelada. Sin embargo, al considerar
la dilución, este grado disminuye a 236 gramos por tonelada de plata. En cuanto al tonelaje del recurso,
se registra un total de 27.752 toneladas; Sin embargo, cuando se incluye la dilución, el tonelaje total
aumenta a 50.208 toneladas.

Reconciliación con la planta

El gráfico 2 presenta una comparación del tonelaje de recursos y la ley de plata, la ley de plata diluida
basada en CMS y el tonelaje y ley de plata reportado en la planta. Al comparar los datos el modelo
refleja una sobrestimación de un 6% en la ley de plata.

Gráfico 2

Comparación de ley de plata estimada por el modelo y la ley reportada en la planta

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, noviembre, 2024, Volumen V, Número 6 p 893.

Estudio para el oro

Se siguió el mismo procedimiento empleado en el estudio de la plata. La Tabla 3 y el gráfico 3
proporcionan una comparación de la ley y el tonelaje de los recursos en todas las zonas, teniendo en
cuenta los factores de dilución en el CMS. Al analizar la ley del recurso, se observa que el contenido
promedio de oro es de 4,53 gramos por tonelada. Sin embargo, al considerar la dilución, este grado
disminuye a 2,5 gramos por tonelada de oro. En cuanto al tonelaje del recurso, se registra un total de
27.752 toneladas; Sin embargo, cuando se incluye la dilución, el tonelaje total aumenta a 50.208
toneladas.

Tabla 3

Ley de Oro – Recursos Mineros para Todas las zonas

Gráfico 3

Estimación de ley de oro por el modelo de bloques en zonas minadas

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, noviembre, 2024, Volumen V, Número 6 p 894.

Reconciliación con la planta

El gráfico 4 presenta una comparación del tonelaje de recursos y la ley de oro, la ley de oro diluida
basada en CMS y el tonelaje y ley de oro reportado en la planta. Al comparar los datos el modelo refleja
una sobrestimación de un 10% en la ley de oro.

Gráfico 4

Comparación de ley de oro estimada por el modelo y la ley reportada en la planta

DISCUSIÓN

La dilución reduce significativamente la ley de los recursos estimados. La reconciliación permitió
identificar estas discrepancias, proporcionando una base para ajustar proyecciones futuras.

El estudio revela que mejorar la precisión del modelo de bloques a corto plazo puede optimizar
recursos, reducir pérdidas y asegurar una gestión operativa efectiva. La reconciliación adaptativa
permite ajustes en tiempo real, beneficiando la productividad y rentabilidad de proyectos mineros.

Este análisis se basa en datos de una sola planta y un periodo específico. Futuras investigaciones
deberían considerar periodos más amplios y diversas minas para validar estos hallazgos en distintos
contextos mineros.

Se recomienda implementar sistemas de monitoreo y reconciliación en tiempo real, mitigando efectos
negativos de la dilución, optimizando el control de leyes y tonelaje en operaciones de corto plazo.

CONCLUSIÓN

Este estudio resalta la importancia de la reconciliación en estimaciones de recursos a corto plazo en
la mina. La implementación de prácticas continuas de reconciliación puede mejorar la precisión del
modelo de bloques, optimizar la eficiencia operativa y garantizar una gestión de recursos sostenible.

LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, Asunción, Paraguay.

ISSN en línea: 2789-3855, noviembre, 2024, Volumen V, Número 6 p 895.

REFERENCIAS

Araújo, C. da P., Costa, J. F. C. L., & Koppe, V. C. (2018). Improving short-term grade block models:
alternative for correcting soft data. REM - International Engineering Journal, 71(1), 117–122.
https://doi.org/10.1590/0370-44672016710007

Articulo Reconciliacion

Chieregati, A. C., Pignatari, L. E. C., Pitard, F. F., & Delboni, H., Jr. (2019). Proactive reconciliation as a
tool for integrating mining and milling operations. International Journal of Mining Science and
Technology, 29(2), 239–244. https://doi.org/10.1016/j.ijmst.2019.01.001

CIM Estimation of Mineral Resources and Mineral Reserves Best Practice Guidelines. (2019). Cim.org.
https://mrmr.cim.org/media/1129/cim-mrmr-bp-guidelines_2019.pdf

Coombes, J. (2010). Art and science of resource estimation: Russian translation. Coombes Capability.

Herrera Valdez, J., & Mayorga Rojas, J. C. (2020). Acciones para reducir diferencias de reconciliación
entre el mineral recibido y el enviado a molienda. Revista del Instituto de investigación de la Facultad
de geología, minas, metalurgia y ciencias geográficas de la Universidad nacional mayor de San Marcos
(Impresa), 23(45), 29–35. https://doi.org/10.15381/iigeo.v23i45.18059

Rossi, M. E., & Deutsch, C. V. (2017). Mineral Resource Estimation. Springer.

Wang, W., Huang, S., Wu, X., & Ma, Q. (2011). Calculation and management for mining loss and dilution
under 3D visualization technical condition. Journal of software engineering and applications, 04(05),
329–334. https://doi.org/10.4236/jsea.2011.45037

Todo el contenido de LATAM Revista Latinoamericana de Ciencias Sociales y Humanidades, publicados en
este sitio está disponibles bajo Licencia Creative Commons .