Integration of different-quality data in short-term mining planning

Abstract

Decisions, from mineral exploration to mining operations, are based on grade block models obtained from samples. This study evaluates the impact of using imprecise data in short-term planning. The exhaustive Walker Lake dataset is used and is considered as the source for obtaining the true grades. Initially, samples are obtained from the exhaustive dataset at regularly spaced grids of 20 × 20 m and 5 × 5 m. A relative error (imprecision) of ±25% and a 10% bias are added to the data spaced at 5 × 5 m (short-term geological data) in different scenarios. To combine these different types of data, two methodologies are investigated: cokriging and ordinary kriging. Both types of data are used to estimate blocks with the two methodologies. The grade tonnage curves and swath plots are used to compare the results against the true block grade distribution. In addition, the block misclassification is evaluated. The results show that standardized ordinary cokriging is a better methodology for imprecise and biased data and produces estimates closer to the true grade block distribution, reducing block misclassification.

Decisões relacionadas à exploração mineral e à operação da mina estão subordinadas aos modelos de blocos obtidos a partir das amostras. Esse estudo avalia o impacto do uso de dados imprecisos no planejamento de curto prazo. O banco de dados exaustivo Walker Lake foi usado e considerado como o teor real do depósito. Inicialmente, as amostras foram obtidas de banco de dados com espaçamento regular de 20 × 20 m e 5 × 5 m. O erro relativo de ±25% (imprecisão) e 10% de viés foram adicionados aos dados espaçados a 5 × 5 m (dados geológicos curto prazo) em diferentes cenários. Para combinar esses diferentes dados (precisos e exatos em 20 × 20 m e imprecisos e enviesados em 5 × 5 m), duas metodologias foram investigadas: cokrigagem e krigagem ordinária. As curvas teor tonelagem e análise de deriva foram utilizadas para comparar os resultados com a distribuição de real dos blocos. Além disso, a classificação errônea dos blocos foi avaliada. Os resultados mostraram que o uso da cokrigagem ordinária estandarizada é a melhor metodologia em situações que existem dados imprecisos e enviesados e as estimativas produzidas são mais próximas da distribuição real dos blocos, reduzindo o erro de classificação dos blocos.