Le domaining géologique est crucial pour la modélisation des ressources. Cependant, il est difficile d’identifier les domaines lorsque les populations de teneurs sont complexes.
Sibanye-Stillwater a rencontré ce défi avec un gisement de PGM (métaux du groupe platine) présentant des zones de faible et très haute teneur et plusieurs failles. Ils ont réussi à séparer les deux populations de teneurs et à améliorer la qualité du modèle de blocs en générant deux domaines.
Sibanye-Stillwater est un groupe mondial de traitement des mines et des métaux avec un portefeuille diversifié de projets et d’investissements dans plusieurs pays.
Créée en 2013, l’entreprise opère en Argentine, Australie, Finlande, France, Inde, Afrique du Sud, USA et Zimbabwe. Leur portefeuille comprend l’or, le platine, le cuivre, le zinc, le plomb et le lithium.
Sibanye-Stillwater travaille sur un projet d’extension de gisement de PGM près de ses mines de Stillwater et East Boulder dans le Montana.
Le projet présente des teneurs extrêmement élevées réparties sporadiquement dans le gisement, entrecoupées de matériaux de moindre teneur et traversées par des lignes de faille. Ces facteurs rendent complexe l’établissement de domaines distincts.
Isatis.neo offre un outil de Sample Clustering basé sur le regroupement hiérarchique géostatistique.
Il regroupe automatiquement les échantillons de forage en classes homogènes basées sur plusieurs variables continues et catégorielles. Les utilisateurs peuvent sélectionner le nombre de classes souhaitées, les variables utilisées pour la classification et les poids à leur attribuer.
Antonio Umpire, familier avec Isatis.neo et son prédécesseur, Isatis, a utilisé l’outil Sample Clustering pour catégoriser les échantillons en un nombre spécifique de domaines.
Cette approche lui a permis d’identifier rapidement et précisément deux groupes distincts d’échantillons : à faible valeur et à très haute valeur.
L’outil de regroupement d’échantillons d’Isatis.neo regroupe automatiquement les échantillons selon leur similarité dans différentes variables. Dans ce cas, quatre classes ont été utilisées pour l’analyse de regroupement. Les clusters sont affichés sous forme de dendrogramme.
Une coupe transversale 2D montre le domaining en quatre classes, défini par le regroupement automatique d’échantillons d’Isatis.neo. La partie ouest identifie clairement les zones de faibles teneurs.
Le domaining utilisant la variable “largeur horizontale non diluée” valide le domaining calculé uniquement avec les données de platine-palladium (PTPD).
Antonio a appliqué un principe similaire dans un autre bloc de mine pour déterminer les valeurs de capping optimisées pour deux populations de teneurs, qui avaient également une distribution complexe. Cette technique lui a permis de séparer efficacement et objectivement les échantillons avec des teneurs normales de ceux avec des teneurs extrêmement élevées et de définir une valeur de capping appropriée pour chaque population.
Antonio Umpire – Responsable de l’estimation et du reporting des ressources
Planification
DATABLAST
Conçu spécifiquement par des professionnels de l'industrie, DataBlast permet une amélioration opérationnelle grâce à ses capacités de conception intégrées et complètes.
Conseil
Peabody a identifié des lacunes dans ses opérations et a amélioré sa capacité technique globale grâce aux consultants de Datamine.
Géologie
Studio RM
L'estimation avancée des ressources et l'efficacité opérationnelle à l'aide de Studio RM pour les opérations de sables minéraux permettent de rationaliser les processus et d'améliorer la précision de la modélisation des ressources. Cela se traduit par une meilleure productivité, une réduction des efforts manuels et une prise de décisi
Exploration
Discover
Dans le cadre des améliorations apportées depuis la mise en place de cette solution, le temps de traitement des données est beaucoup plus court.
Laboratoires
CCLAS
L’automatisation améliorée et le suivi des données rationalisé ont permis à Rio Tinto d’optimiser ses opérations, économisant jusqu’à un mois par an en efforts manuels.
Production
RECONCILOR
L’intégration réussie de Reconcilor et LiveMine a apporté des avantages significatifs à Bellevue.
Géologie
Minescape Geology
Atteindre plus de 95 % de précision dans un district minier historique complexe grâce au modèle de planification minière MineScape.
Production
SCENARIO
Découvrez pourquoi Whitehaven Coal a étendu l'utilisation de Scenario à l'ensemble de son portefeuille, à partir de projets pilotes sélectionnés.
Production
PRODUCTION
ACCOUNTING
Avec Production Accounting de Datamine, les sources de données sont transparentes, enregistrées et les parties prenantes savent d’où proviennent les données.
Géologie
ISATIS.NEO
Le découpage géologique est une étape cruciale du processus de modélisation des ressources. Découvrez comment notre solution peut rationaliser ce processus.
