Pesquisar
Close this search box.

História de Sucesso do Cliente: Sibanye-Stillwater & Isatis.neo

Empresa

Sibanye-Stillwater

Região

USA

Geologia

ISATIS.NEO

Pronto para elevar suas operações de mineração?
Entre em contato

Quando o Gerente de Unidade de Estimativa de Recursos e Relatórios do Grupo da Sibanye-Stillwater quer identificar melhor dois domínios geológicos intricados em um complexo depósito de Metais do Grupo da Platina em sua mina em Montana, EUA, ele utiliza a ferramenta avançada de clustering de amostras do Isatis.neo.

HISTÓRIA DO CLIENTE

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.

Eles optaram pela ferramenta de clustering de amostras para superar isso, combinando:
Teores
A espessura do corpo de minério

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.

Eles lidam com várias commodities, como:

A empresa foi fundada em 2013 e está presente em:

Como levar em consideração grandes áreas de alto teor no planejamento?

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.

A ferramenta de clustering do ISATIS.NEO é a solução.

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.

Os usuários podem selecionar:
O número de classes nas quais desejam que os dados sejam agrupados.
As variáveis utilizadas para a classificação.
Os pesos a serem atribuídos a elas.
"Vários falhamentos cortam o corpo de minério, mas não estávamos certos de qual usar para gerar a dominação. Estávamos buscando uma solução que nos permitisse identificar domínios geológicos de forma indiscutível e objetiva."
Antonio Umpire – Gerente de Unidade de Estimativa de Recursos e Relatórios do Grupo

UM PROCESSO EM VÁRIAS ETAPAS

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.

  • Inicialmente, ele tentou criar três domínios com base nos valores de teor de platina-paládio, o que identificou uma área com baixos teores.
  • Ele então tentou criar quatro domínios, o que forneceu uma classificação mais clara.
  • Por fim, Antonio introduziu a largura horizontal não diluída nos cálculos e criou cinco domínios para validar suas suposições.

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.

Clustering automático de amostras:

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.

Largura horizontal não diluída:

A dominação utilizando a variável “largura horizontal não diluída” valida a dominação calculada apenas com dados de PTPD.

Corte Otimizado

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.

Os resultados
Melhores recursos
Planejamento aprimorado

“Sem essa dominação detalhada, os pequenos pontos de teores extremos não teriam sido considerados na estimativa, e o planejamento não teria atingido as metas. Usando essa divisão, o planejamento será feito de acordo.”

Antonio Umpire – Gerente de Unidade de Estimativa de Recursos e Relatórios do Grupo

Pronto para elevar suas operações de mineração?
Entre em contato

Veja mais estudos de caso

Entre em contato