Caso de estudio de AMC STUDIO RM
A principios de este año tuvimos la oportunidad de estar con Justin Glanvill y Nick Szebor de AMC Consultants para analizar cómo Datamine Studio RM ayudó a superar sus desafíos de modelado e ingeniería. Como cliente de larga data de Datamine, AMC confía en la capacidad de nuestro software para implementar metodologías de modelamiento e ingeniería de datos que son altamente específicos y adaptables para cada operación.
“Pocos paquetes te ofrecen el nivel de control fundamental de tus datos de origen que te ofrece Datamine, herramienta muy valiosa en el mercado de consultoría porque tratamos con conjuntos de datos tan dispares y de una calidad tan diferente”. Justin Glanvill.
“Lo que las personas llaman funciones básicas son muy poderosas -los comandos adicionales, la capacidad de adaptar macros y scripts para el software-. Creo que ahí es donde encuentro los mejores beneficios de los paquetes de software. Esa capacidad de adaptabilidad pura nos permite llegar a los detalles de los datos y realmente obtener más de ellos que posiblemente con otro software”. Nick Szebor.
¿Qué desafíos enfrentaron?
Uno de los mayores desafíos que AMC enfrenta constantemente es tener que trabajar con conjuntos de datos muy antiguos que no son tan precisos o completos como los datos más nuevos. En estos casos, volver a rastrear y a capturar datos a menudo se ve como la solución ideal para producir los modelos geológicos más precisos y confiables; sin embargo, en la mayoría de los casos, esto no es económico ni logísticamente viable. El ejemplo que dio Justin fue el siguiente: “Un cliente tenía un gran conjunto de datos históricos de información geotécnica, y necesitaba incluir esta información en un modelo tridimensional para mejorar su planificación de soporte y requerimientos de soporte en el plan de la mina”. Este es un problema muy común en minas que han operado durante un largo período de tiempo -a menudo solo disponen de datos históricos incompletos o escasos-.
Recientemente, AMC pudo ayudar a mejorar el diseño y el cronograma de una gran mina subterránea mediante la elaboración de un modelo geotécnico confiable que contenía valores derivados de RQD y Q prime, todo mediante el uso de datos históricos dispersos en una base de datos de registros escritos a mano que originalmente no contenían mediciones directas de RQD.
¿Cómo se hizo?
Debido a que los datos históricos originalmente no incluían mediciones directas de RQD, en su lugar se utilizaron las descripciones cualitativas como reemplazo para derivar valores de indicadores discretos para representar la calidad de la roca. Se utilizó una metodología de indicadores múltiples de kriging con los valores discretos para calcular un modelo. El procesamiento posterior adicional basado en un enfoque probabilístico, que incluyó simulaciones de Monte Carlo, se utilizó para refinar los resultados de MIK, que produjo un modelo defendible y práctico que representaba la calidad de la roca del depósito con la mayor precisión posible.
¿Cuáles fueron los beneficios finales?
Al utilizar este método en Studio RM e incorporar datos históricos en un modelo de RQD, no hubo necesidad de volver a recopilar datos nuevos mediante mapeo y perforación, lo que no solo les ahorró a sus clientes mucho tiempo, sino también muchos gastos adicionales. El modelo que generó AMC brindó a los ingenieros en la operación una plataforma estable y robusta para diseñar adecuadamente los Stopes y requerimientos de soporte. Sin estas herramientas de Studio RM, los ingenieros hubieran tenido que trabajar con supuestos de resolución más baja con mayores posibilidades de inexactitud, lo que podría cambiar el valor económico de los stopes los ratios de extracción planificadas y, la secuencia de extracción.
Al trabajar con el conjunto de herramientas disponible en Studio RM, AMC pudo generar resultados óptimos a través de eficiencias de tiempo y ahorro de costos que beneficiaron la planificación a corto y largo plazo para sus clientes.
Para ver el estudio de caso completo, visite nuestra página web:
