Resumen

La optimización del muestreo tecnológico en yacimientos lateríticos es necesaria para garantizar la representatividad de las muestras del mineral a procesar en las pruebas metalúrgicas, ellas aportan informaciones imprescindibles para el procesamiento industrial; optimizar la representatividad del muestreo fue el objetivo que se persiguió, empleando la modelación Matemática. Un análisis de requisitos sobre las particularidades de las operaciones mineras en la extracción de la muestra y las exigencias del proceso metalúrgico, permitió obtener tres modelos que optimizan la cantidad de puntos de muestreo, su ubicación geográfica, la selección de los intervalos de profundidad a extraer y la mezcla de las clases de materiales, estas últimas obtenidas de la clasificación multivariada realizada a los resultados del sondeo de exploración. Los modelos fueron implementados en la selección de la muestra de un sector destinado a la minería del 2011 de la Empresa Che Guevara, mejorando con ello la representatividad de la muestra.

Palabras clave: Componentes Principales, modelación matemática, muestreo tecnológico, optimización, yacimientos lateríticos.

Abstract

Technological sampling optimization of lateritic ore deposits is necessary to ensure the effective representativeness of the ore samples which will be processed in metallurgical testing, they provide important information for industrial processing; the main objective was focused to optimize sampling representativeness using mathematical model. The analysis of the specific mining operations requirements during sample extraction and the demands of the metallurgical process, permitted to obtain three models capable to optimize sampling points number, its geographic location as well as the depth intervals selection which will be removed and also the mixing of different materials obtained from multivariate classification analysis based on exploration drilling. The models were implemented during 2011, in a predicted mining sector of Che Guevara Nickel Plant, specifically in the sample selection, improving considerable sample representativeness.

Key words: Principal Component, Mathematical Modeling, Technological sampling, Optimization, Lateritic ore deposits.