A dominação geológica é uma etapa crucial no processo de modelagem de recursos. No entanto, os domínios podem ser desafiadores de identificar quando as populações de teores são excessivamente complexas. A Sibanye-Stillwater enfrentou esse desafio em um depósito de PGM (metais do grupo da platina) com zonas complexas de baixo e muito alto teor e várias falhas. Eles geraram dois domínios que separaram com sucesso as duas populações de teores e melhoraram a qualidade do modelo de blocos.
A Sibanye-Stillwater é um grupo global de mineração e processamento de metais, com um portfólio diversificado de projetos e investimentos que abrangem múltiplos países.
Estabelecida em 2013, a Sibanye-Stillwater atualmente opera na Argentina, Austrália, Finlândia, França, Índia, África do Sul, Estados Unidos e Zimbábue. Especializada em uma variedade de commodities, o portfólio da Sibanye-Stillwater inclui ouro, platina, cobre, zinco, chumbo e lítio.
A Sibanye-Stillwater está trabalhando em um projeto de extensão do corpo de minério de PGM próximo às suas minas Stillwater e East Boulder em Montana. O projeto apresenta teores extremamente altos que estão distribuídos de forma esporádica ao longo do depósito, intercalados com material de baixo teor e cortados por falhas geológicas. Esses fatores contribuem para a complexidade de estabelecer domínios distintos.
O Isatis.neo oferece uma poderosa ferramenta de clustering de amostras baseada em clustering hierárquico geoestatístico.
Ela agrupa automaticamente as amostras de sondagem em classes homogêneas com base em várias variáveis contínuas e categóricas. Os usuários podem selecionar o número de classes nas quais desejam que os dados sejam agrupados, as variáveis usadas para a classificação e os pesos a serem atribuídos a elas.
Antonio Umpire, que está familiarizado com o Isatis.neo e seu predecessor, Isatis, utilizou a ferramenta de clustering de amostras para categorizar as amostras em um número específico de domínios.
Essa abordagem permitiu que ele identificasse de forma rápida e precisa dois grupos distintos de amostras: com valores baixos e com valores extremamente altos. A ferramenta de clustering do Isatis.neo agrupa automaticamente as amostras de acordo com sua semelhança em diferentes variáveis. Neste caso, foram usadas quatro classes para a análise de clustering. Os clusters são exibidos como um dendrograma.
Seção transversal 2D mostrando a dominação em quatro classes, definidas pelo clustering automático de amostras do Isatis.neo. A parte oeste identifica claramente os teores mais baixos.
A dominação utilizando a variável “largura horizontal não diluída” valida a dominação calculada apenas com dados de PTPD.
Antonio aplicou um princípio similar em outro bloco de mina para determinar os valores de corte otimizados para duas populações de teores, que também apresentavam uma distribuição complexa. Essa técnica permitiu que ele separasse de forma eficiente e objetiva as amostras com teores normais daquelas com teores extremamente altos e definisse um valor de corte adequado para cada população.
Antonio Umpire – Gerente de Unidade de Estimativa de Recursos e Relatórios do Grupo
A integração bem-sucedida do Reconcilor e LiveMine trouxe benefícios significativos para a Bellevue.
Projetado especificamente por profissionais da indústria, o DataBlast permite a melhoria operacional por meio de suas capacidades integradas e abrangentes de design.
A Peabody identificou lacunas em suas operações e melhorou sua capacidade técnica geral com os consultores da Datamine.
A estimativa avançada de recursos e as eficiências operacionais utilizando o Studio RM para operações de areias minerais permitem processos simplificados e uma maior precisão na modelagem de recursos. Isso resulta em melhor produtividade, redução do esforço manual e tomadas de decisão mais informadas em toda a operação.
A automação aprimorada e o rastreamento de dados simplificado capacitaram a Rio Tinto a otimizar suas operações, economizando até um mês anualmente em esforços manuais.
Como parte das melhorias desde a implementação dessa solução, o tempo de processamento dos dados é muito mais curto.
Com o Production Accounting da Datamine, as fontes de dados são transparentes, registradas e os stakeholders sabem de onde os dados vieram.
Veja por que a Whitehaven Coal expandiu o uso do Scenario, de projetos-piloto selecionados para todo o seu portfólio.
A definição de domínios geológicos é uma etapa crucial no processo de modelagem de recursos. Descubra como nossa solução pode otimizar esse processo.
Alcançando mais de 95% de precisão em um complexo distrito histórico de mineração com o modelo de planejamento de mina MineScape.