OBJETIVOS

Un muestreo deficiente, compuesto por un submuestreo de laboratorio deficiente, conlleva a tener geoestadísticas cuestionables y genera graves problemas de conciliación entre el modelo geológico, la mina y las estimaciones de planta. Estos problemas también afectan el precio de los productos y la validez de los estudios ambientales. El resultado es una gran pérdida de dinero de parte de la empresa involucrada, que más adelante se convierte en un posible litigio. Es de suma importancia que los geólogos, mineros, metalúrgicos, químicos y especialistas en medio ambiente extraigan la máxima información de los datos disponibles, ya que depende de ello las grandes inversiones y decisiones cruciales. Las evaluaciones falsas llevan escenarios devastadores, tales como:

• Abandono de propiedades viables.
• Explotación de propiedades no rentables.
• Mala administración de propiedades viables.
• Incapacidad en la detección de fraude.

Es fundamental cuantificar la heterogeneidad de los constituyentes importantes en cualquier propiedad nueva. Si no se realizan pruebas adecuadas, se obtienen protocolos de muestreo y submuestreo sin validez, exceso de perforación y una base de datos sesgada que luego llevaría a una geoestadística falsa. La siguiente secuencia es parte de una práctica ineludible:

• ¿Cómo se distribuye el constituyente de interés en el material que se va a muestrear?.
• Realizar pruebas de heterogeneidad para cuantificar las características de muestreo del constituyente de interés.
• Optimizar los protocolos de muestreo y la forma en que se implementan, de acuerdo con los resultados de la prueba de heterogeneidad.
• Implementar protocolos utilizando un equipo de muestreo válido: el 75% del equipo de muestreo disponible en el mercado nunca hará el trabajo.
• Implementar un programa de control de calidad integral y sistemático para monitorear la precisión y exactitud del muestreo.

El excedido costo de la variabilidad de datos irrelevantes no es fácil de detectar, cuantificar ni corregir. Una estrategia para la gestión eficaz de la variabilidad permitirá a los administradores identificar y minimizar los problemas inoportunos de conciliación entre los modelos teóricos y la realidad: ¡Sus decisiones son tan buenas como sus muestras!

El curso ofrece formas simples de cuantificar las pérdidas de dinero de una precisión de muestreo dada, y proporciona una buena estrategia para evitar inexactitud del muestreo, del cual no existe una cura estadística. A menos que la precisión y la exactitud del muestreo estén claramente conectadas a las cuestiones económicas, es poco probable que los gerentes entiendan la necesidad de mejorar los protocolos de muestreo y cómo son implementados. Al final del curso, los asistentes estarán mejor equipados para presentar las ventajas económicas de un buen muestreo. Por lo tanto, el curso es un pre-requisito para la inversión bancaria: los banqueros deben escuchar y confiar la Teoría de Muestreo.

TEMARIO DEL CURSO

INTRODUCCIÓN

• Conceptos estadísticos fundamentales utilizados en la teoría del muestreo y en las prácticas de muestreo.
• Nueve tipos de errores de muestreo: debe abordar uno a la vez, de lo contrario, el muestreo será casi siempre inválido.
• Heterogeneidad de componentes principales y de traza.
• Ejemplos de pérdidas financieras comunes debido a malas prácticas de muestreo.
• Definición de objetivos de calidad de datos.
• Presentación de una nueva estrategia de calidad basada en Objetivos de Calidad de Datos.
• Sinergia entre los objetivos de calidad de los datos y los protocolos de muestreo.
• Definición de términos y símbolos básicos.

TEORÍA Y PRÁCTICA DE MUESTREO

• Errores generados por pesos de muestra.
• Optimización de protocolos de muestreo.
• Descripción de las pruebas de heterogeneidad para un caso normal y para un caso difícil.
• Errores generados por la segregación.
• Implementación práctica de muestreo.
• Revisión de las fuentes de sesgos de muestreo.
• Exploración del efecto Nugget “efecto pepita”.
• Selección de grados de corte, realistas y económicos.
• Revisión detallada de los sistemas de muestreo existentes:
  – Durante la exploración (núcleo de diamante, RC, …)
  – En minas (barrenos, …)
  – En plantas (sistemas de corriente cruzada, sondas in-stream, sinfines, …)
  – En laboratorios (divisores, trituradores, pulverizadores, palas, cucharas, espátulas, …)
  – Para el muestreo de productos en instalaciones de envío
  – Para muestreo del medioambiente.
• Precisión de Monitoreo y precisión de los protocolos de muestreo y submuestreo.
• Cuantificar el elevado costo de la precisión de muestreo.
• Sugerencias para mejores estándares de muestreo.

PROBLEMAS DE RECONCILIACIÓN ENTRE EL MODELO GEOLÓGICO, LA MINA Y LA PLANTA

• El mito de la reconciliación.
• Identificación de las principales fuentes de problemas de reconciliación.
• Aprovechar los datos existentes es una mina de oro de oportunidades.
• Comprender los diferentes tipos de heterogeneidad y la variabilidad que generan.
• Sea proactivo a través del pensamiento estadístico efectivo.

PRIORIDADES DE LA GERENCIA

• Encontrar las causas de los problemas y propiedades estructurales con las que debe convivir.
• Ocuparse en minimizar las causas de los problemas.
• Encontrar los efectos de los problemas y las propiedades circunstanciales que no pueda controlar.
• Ahorrar dinero gastando menos en los efectos de problemas.
• Manejar costos visibles
  – Lugares de prioridad históricos de costo visible
  – El punto de vista del contador
  – Descubrir costos invisibles
  – El costo elevado de la variabilidad de grado de los constituyentes
  – Reconciliar puntos de vista estadísticos y contables.

INTRODUCCIÓN A LA CRONOESTADÍSTICA

• Revisión crítica de los modos de muestreo y medición: aleatorio sistemático, aleatorio estratificado y aleatorio.
• Introducción al control del proceso estadístico variográfico.
• Variografía avanzada.
• Introducción al control del proceso estadístico variográfico.

LA MEDIA MÓVIL, UNA HERRAMIENTA PRAGMÁTICA, SIMPLE, PERO DELICADA

• Qué cantidad promediada es apropiado.
• El ruido aleatorio.
• El dato corregido.

EL GRÁFICO DE DIFERENCIA RELATIVA: LA MEJOR HERRAMIENTA PARA EL CONTROL DE CC

• Detección de un sesgo condicional en función de tiempo.
• Detección de un sesgo condicional en función de aumentar el contenido de los constituyentes.

UNA ESTRATEGIA DE MEJORA PARA EL MUESTREO EFECTIVO

• Aprender sobre la Teoría de Muestreo y Prácticas de Muestreo.
• Sistemas de muestreo de referencia utilizadas para el Balance de Material.
• La debilidad de las pruebas de sesgo de muestreo.

Dr. FRANCIS PITARD

Es un consultor experto en Muestreo, Control de Proceso Estadístico y en Gerenciamiento de Calidad. Es presidente de la Consultora Francis Pitard Sampling Consultants (www.fpscsampling.com) y Director Técnico de Mineral Stats Inc. (www.mineralstats.com) en Broomfield, Colorado USA. Brinda servicios de consultoría en diversos países. Dr. Pitard cuenta con seis años de experiencia en la Comisión Francesa de Energía Atómica y quince años en Amax Extractive R&D. Ha enseñado la Teoría de Muestreo, Control Estadístico de Procesos y Administración de la Calidad Total en las instalaciones de Educación Continua de la Escuela de Minas de Colorado, la Fundación de Minas Australiana, para la Facultad de Minas de la Universidad de Chile y la Universidad de Witwatersrand en Sudáfrica. Cuenta con un Doctorado en Tecnología de la Universidad de Aalborg en Dinamarca. Obtuvo la prestigiosa Medalla de Oro Pierre Gy a la excelencia por promover y educar sobre la Teoría de Muestreo (Cape Town, Sudáfrica, 2009). Es consultor e instructor de InterMet.