FACULTAD DE

INGENIERÍA
Carrera de Ingeniería de Minas

“DETERMINACIÓN DE LA ALTURA DE BANCO ÓPTIMO

COMPARANDO LOS ALGORITMOS DE LERCHS-
GROSSMANN Y CONO FLOTANTE EN EL SOFTWARE
MINEPLAN EN UN YACIMIENTO DE COBRE, CUZCO 2021”

Tesis para optar el título profesional de:

Ingeniero de Minas
Autor:
Bach. Edgardo Julinio Leon Espinoza

Asesor:
Ing. Víctor Eduardo Alvarez León

Cajamarca - Perú

2021
 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

DEDICATORIA

A Dios por haberme brindado la sabiduría en aquellos

momentos difíciles, a mis padres, Rodil León y Maribel

Espinoza por haberme dado la vida, apoyado en cada

peldaño de mi vida personal y profesional, siendo mi

soporte frente a cualquier situación adversa. A mi

enamorada Liggia, quien con sus consejos me ha

permitido centrar e ir cumpliendo mis objetivos. A mis

familiares, amigos, que me han brindado su apoyo y

han sido partícipes en mi vida.

Edgardo Julinio

León Espinoza, E. Pág. 2

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

AGRADECIMIENTO

En primer lugar, agradezco a Dios por haberme iluminado

y brindando la sabiduría para enfrentar cualquier reto.

Mi gratitud infinitamente al Programa Nacional de Becas

y Crédito Educativo (PRONABEC) por haber sido mi

soporte económico y haberme brindado las pautas

necesarias para realizar mi objetivo de vida.

Mi reconocimiento a los docentes de la Universidad

Privada del Norte quienes me inculcaron sus

conocimientos y valores para superarme día a día.

Finalmente, mi especial agradecimiento Al Ing. Víctor

Álvarez León, a quien estimo y agradezco su apoyo en mi

formación universitaria, siendo asesor de la presente

investigación.

Edgardo Julinio

León Espinoza, E. Pág. 3

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Tabla de contenidos

DEDICATORIA .................................................................................................................. 2

AGRADECIMIENTO ........................................................................................................ 3

ÍNDICE DE TABLAS ......................................................................................................... 6

ÍNDICE DE FIGURAS ....................................................................................................... 7

ÍNDICE DE ANEXOS ........................................................................................................ 9

RESUMEN……………………………………………………………………………......11

CAPÍTULO I. INTRODUCCIÓN ................................................................................... 12

1.1. Realidad problemática ............................................................................................. 12
1.2. Formulación del problema ....................................................................................... 24
1.3. Objetivos .................................................................................................................. 24
1.3.1. Objetivo general ........................................................................................ 24
1.3.2. Objetivos específicos ................................................................................. 24
1.4. Hipótesis .................................................................................................................. 25
1.4.1. Hipótesis general ....................................................................................... 25

CAPÍTULO II. METODOLOGÍA .................................................................................. 26

2.1. Tipo de investigación ............................................................................................... 26
2.2. Población y muestra ................................................................................................. 27
2.3. Técnicas e instrumentos de recolección y análisis de datos..................................... 27
2.3.1. Técnicas e instrumentos de recolección de datos ...................................... 27
2.3.2. Técnicas e instrumentos de análisis de datos ............................................ 28
2.4. Procedimiento .......................................................................................................... 28

CAPÍTULO III. RESULTADOS ..................................................................................... 42

3.1. Estimación del modelo de recursos mediante kriging ordinario. ............................. 42
3.2. Evaluación de diferentes alturas de banco mediante el algoritmo de optimización de
Lerchs-Grossmann ................................................................................................... 44
3.3. Evaluación de diferentes alturas de banco mediante el algoritmo de optimización de
Cono Flotante. .......................................................................................................... 45
3.4. Análisis comparativo entre los indicadores del algoritmo de Lerchs-Grossmann y
Cono Flotante. .......................................................................................................... 46
3.4.1. Resultados del número de bloques de la evaluación de altura de banco
mediante los algoritmos de Lerchs-Grossmann y Cono Flotante ............. 46

León Espinoza, E. Pág. 4

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

3.4.2. Resultados del tonelaje de la evaluación por altura de banco mediante los
algoritmos de Lerchs-Grossmann y Cono Flotante................................... 47
3.4.3. Resultados de la ley media de la evaluación por altura de banco mediante
los algoritmos de Lerchs-Grossmann y Cono Flotante ............................. 48
3.4.4. Resultados del valor neto de la evaluación por altura de banco mediante los
algoritmos de Lerchs-Grossmann y Cono Flotante................................... 49
3.4.5. Resultados de la altura óptima de banco por zona mineralizada mediante lo
algoritmos de Lerchs-Grossmann y Cono Flotante................................... 50

CAPÍTULO IV. DISCUSIÓN Y CONCLUSIONES ..................................................... 54

4.1. Discusión.................................................................................................................. 54
4.2. Conclusiones ............................................................................................................ 56

REFERENCIAS ................................................................................................................ 58

ANEXOS ............................................................................................................................ 62

León Espinoza, E. Pág. 5

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

ÍNDICE DE TABLAS

Tabla 1. Límites del proyecto y dimensiones del bloque .................................................... 33

Tabla 2. Volumen por cada mineralización del yacimiento de cobre ................................. 36

Tabla 3. Parámetros de interpolación del ajuste de variograma esférico ............................ 37

Tabla 4. Parámetros económicos para utilizar los algoritmos de optimización .................. 39

Tabla 5. Reporte de recursos mineros del yacimiento de cobre según el grado de

confiabilidad ........................................................................................................................ 43

Tabla 6. Reporte de las evaluaciones con el algoritmo de Lerchs-Grossmann ................... 44

Tabla 7. Reporte de las evaluaciones con el algoritmo de Cono Flotante .......................... 45

León Espinoza, E. Pág. 6

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

ÍNDICE DE FIGURAS

Figura 1. Sección de bloques............................................................................................... 21

Figura 2. Sección del límite económico del pit ................................................................... 21

Figura 3. Sección del pit optimizado con Lerchs-Grossmann ............................................ 21

Figura 4. Perfil de bloques .................................................................................................. 22

Figura 5. Representación gráfica de la aplicación del algoritmo del cono flotante ............ 23

Figura 6. Representación gráfica de la extracción de bloques con Cono Flotante.............. 23

Figura 7. Archivo collar de la base de datos de exploración ............................................... 29

Figura 8. Archivo Survey de la base de datos de exploración ............................................ 30

Figura 9. Archivo Assay de la base de datos de exploración .............................................. 31

Figura 10. Archivo Geology de la base de datos de exploración ........................................ 32

Figura 11. Visualización 3D de los sondajes de exploración del yacimiento de cobre (Ver

anexo 33). ............................................................................................................................ 34

Figura 12. Modelo de mineralización del yacimiento de cobre en 2D ............................... 35

Figura 13. Visualización de la compositación por banco.................................................... 36

Figura 14. Vista NE del Modelo de leyes de Cu representado en un modelo de bloques (Ver

anexo 34). ............................................................................................................................ 38

Figura 15. Optimización con el algoritmo de Lerchs-Grossmann ...................................... 40

Figura 16. Optimización con el algoritmo de Cono Flotante .............................................. 41

Figura 17. Modelo de recursos según en grado de confiabilidad ........................................ 42

Figura 18. Número de bloques según la altura de banco .................................................... 46

Figura 19. Tonelaje según la altura de banco ...................................................................... 47

Figura 20. Ley media de Cu según la altura de banco ........................................................ 48

León Espinoza, E. Pág. 7

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Figura 21. Valor Neto del yacimiento según la altura de banco ......................................... 49

Figura 22. Valor Neto por mineralización para una altura de banco de 10 metros ............. 50

Figura 23. Tonelaje por mineralización para una la altura óptima de banco de 10 m ........ 51

Figura 24. Ley media de Cu por mineralización para la altura óptima de banco de 10 m .. 52

Figura 25. Valor por tonelada mineralización para una altura óptima de banco de 10 m ... 53

León Espinoza, E. Pág. 8

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

ÍNDICE DE ANEXOS

Anexo 1. Base de datos de exploración en documento de texto ......................................... 62

Anexo 2. Box Plot de leyes de Cu según el tipo de mineralización .................................... 63

Anexo 3. Vista 3D de sondajes diamantinos de un yacimiento cuprífero........................... 64

Anexo 4. Compositación por banco de 15 metros para muestras de cobre. ........................ 65

Anexo 5. Generación del modelo geológico, que puede mostrar la representación

tridimensional de la litología, alteración. ............................................................................ 66

Anexo 6. Modelo de bloques, matriz tridimensional que permite estimar valores. ............ 67

Anexo 7. Interpolación de leyes mediante el método geoestadístico de kriging ordinario. 68

Anexo 8. Estimación de recursos a través del nivel de confiabilidad o certeza. ................. 69

Anexo 9. Pit económico de un yacimiento epitermal de alta sulfuración mediante el

algoritmo de Lerchs-Grossmann. ........................................................................................ 70

Anexo 10. Pit económico de un yacimiento epitermal de alta sulfuración mediante el

algoritmo de Cono Flotante. ................................................................................................ 71

Anexo 11. Evaluación con Lerchs-Grossmann para una altura de banco de 5 m. .............. 72

Anexo 12. Evaluación con Lerchs-Grossmann para una altura de banco de 6 m ............... 73

Anexo 13. Evaluación con Lerchs-Grossmann para una altura de banco de 7 m .............. 74

Anexo 14. Evaluación con Lerchs-Grossmann para una altura de banco de 8 m ............... 75

Anexo 15. Evaluación con Lerchs-Grossmann para una altura de banco de 9 m ............... 76

Anexo 16. Evaluación con Lerchs-Grossmann para una altura de banco de 10 m ............. 77

Anexo 17. Evaluación con Lerchs-Grossmann para una altura de banco de 11 m ............. 78

Anexo 18. Evaluación con Lerchs-Grossmann para una altura de banco de 12 m ............. 79

Anexo 19. Evaluación con Lerchs-Grossmann para una altura de banco de 13 m ............. 80

León Espinoza, E. Pág. 9

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 20. Evaluación con Lerchs-Grossmann para una altura de banco de 14 m ............. 81

Anexo 21. Evaluación con Lerchs-Grossmann para una altura de banco de 15 m ............. 82

Anexo 22. Evaluación con Cono Flotante para una altura de banco de 5 m ....................... 83

Anexo 23. Evaluación con Cono Flotante para una altura de banco de 6 m ....................... 84

Anexo 24. Evaluación con Cono Flotante para una altura de banco de 7 m ....................... 85

Anexo 25. Evaluación con Cono Flotante para una altura de banco de 8 m ....................... 86

Anexo 26. Evaluación con Cono Flotante para una altura de banco de 9 m ....................... 87

Anexo 27. Evaluación con Cono Flotante para una altura de banco de 10 m ..................... 88

Anexo 28. Evaluación con Cono Flotante para una altura de banco de 11 m ..................... 89

Anexo 29. Evaluación con Cono Flotante para una altura de banco de 12 m ..................... 90

Anexo 30. Evaluación con Cono Flotante para una altura de banco de 13 m ..................... 91

Anexo 31. Evaluación con Cono Flotante para una altura de banco de 14 m ..................... 92

Anexo 32. Evaluación con Cono Flotante para una altura de banco de 15 m ..................... 93

Anexo 33. Visualización 3D de sondajes de exploración del yacimiento de cobre ............ 94

Anexo 34. Modelo de leyes de Cu representado en un modelo de bloques ........................ 95

León Espinoza, E. Pág. 10

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

RESUMEN

El presente trabajo de investigación tiene como objetivo principal determinar la altura de

banco óptimo comparando los algoritmos de Lerchs-Grossmann y Cono Flotante en el

software MinePlan en un yacimiento de cobre, Cuzco 2021. En la metodología se ha

realizado una investigación con un enfoque cuantitativo, diseño no experimental, tipo

descriptivo, porque se realizó un detalle comparativo de algoritmos de optimización para

determinar la altura óptima de banco. La recopilación de información documentaria se

obtuvo de buscadores científicos confiables como Redalyc, Repositorios de Universidades

y la base de datos de la empresa minera en estudio. El procedimiento comparativo consistió

en simular en el software MinePlan la base de datos del yacimiento, la aplicación de la

compositación por banco, el modelamiento geológico de la mineralización, la interpolación

del modelo de leyes, la estimación del modelo de recursos, para posteriormente realizar las

evaluaciones con los algoritmos; se usaron alturas de banco desde 5 a 15m. Se concluye que,

al realizar las comparaciones entre los algoritmos de optimización, el modelo de Lerchs-

Grossmann permitió determinar una altura de banco óptimo de 10m, con un máximo valor

neto del yacimiento de US$ 2,519’257,455 con un tonelaje estimado de 529’563,300 Tm y

una ley media de Cu de 0.4312%. Por otro lado, el algoritmo del Cono Flotante permitió

determinar una altura de banco óptimo de 10m, con un valor neto del yacimiento de

2,496’558,561 US$ con un tonelaje estimado de 516’149,300 Ton, y una ley media de Cu

de 0.433%.

Palabras clave: Lerchs-Grossmann, Cono Flotante, altura de banco, valor neto, yacimiento.

León Espinoza, E. Pág. 11

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

CAPÍTULO I. INTRODUCCIÓN

1.1. Realidad problemática

Hoy en día, las empresas mineras buscan mejores resultados en sus etapas,

operaciones, en relación con el transcurso del tiempo; el avanzado paso del desarrollo

de la ciencia, tecnología, al igual que el exigente mercado mundial, presionan a las

empresas a estar involucradas en la optimización. Es por ello, que las empresas vienen

implementando modelos de investigación en todas sus áreas funcionales, haciendo uso

de tecnología, hardware, software, algoritmos que solucionen diversos problemas.

Asimismo, los resultados óptimos se ven reflejados en términos económicos,

ambientales, sociales; lo cual garantiza la sostenibilidad empresarial.

En tal contexto, se cree pertinente analizar la principal problemática presentada en la

etapa de prefactibilidad de un yacimiento de cobre, donde se busca determinar la altura

óptima de banco para maximizar el valor económico. Para ello, es relevante emplear

el software MinePlan que presenta los algoritmos de Lerchs-Grossmann y Cono

Flotante. Cabe resaltar, que la etapa antes mencionada es determinante, puesto que

abarcan desde la estimación de recursos, evaluación técnica-económica de reservas, lo

cual responde que tan viable es explotar un yacimiento; facilitando así un análisis

financiero en sus diversos indicadores de evaluación.

De acuerdo a lo mencionado, el yacimiento de la presente investigación es un pórfido

cuprífero, que presenta tres dominios de mineralización; óxidos, sulfuros primarios y

sulfuros secundarios, en los cuales, el cobre es el metal de principal interés económico.

León Espinoza, E. Pág. 12

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

La determinación de la altura de banco tiene un carácter imprescindible, puesto que no

sólo depende de parámetros geotécnicos, geométricos, técnicos, operativos, sino de

una evaluación económica que está directamente relacionada con la estimación de

recursos (Buendia, 2020). Para llevar a cabo ese proceso y determinar la altura de

banco óptimo, se utiliza la comparación de los algoritmos Lerchs-Grossmann y Cono

Flotante; los cuales son los más conocidos y aplicados en minería a cielo abierto. La

comparación se basa en medir los resultados de cada algoritmo en indicadores como

valor neto, tonelaje, ley media, valor por tonelada.

La aplicación de los algoritmos de optimización como Lerchs-Grossmann y Cono

Flotante son fundamentales dentro de la optimización económica en prospectos a cielo

abierto. El primer algoritmo se aplica para la optimización del pit respecto a los niveles

de explotación buscando siempre el mayor beneficio económico. Por el contrario, el

algoritmo del Cono Flotante consiste en fijar una ley de corte y buscar desde la

superficie el primer bloque o conjunto de bloques que lo supere. Una vez encontrado,

se suma el valor neto de todos los bloques que le corresponde (Yucra, 2013).

Para autentificar lo establecido en la presente investigación, se cuenta con diversos

antecedentes basados en estudios de carácter científico realizados con anterioridad,

que se rigen en la aplicación de algoritmos matemáticos como Lerchs-Grossmann y

Cono Flotante haciendo uso de un software minero, en búsqueda de resultados óptimos

que repercuten en indicadores de desempeño financiero de diversas unidades mineras

a cielo abierto, con el fin de dar validez a la presente investigación.

León Espinoza, E. Pág. 13

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Buendia (2020) en su tesis, “Aplicación de simulación geoestadística utilizando

software minero para la determinación de altura óptima de banco en Tajo Chaquicocha

– Minera Yanacocha”. Cuyo objetivo fue determinar el tamaño de banco óptimo a

través de la simulación geoestadística para obtener el mayor beneficio. Los resultados

muestran que se utilizó el algoritmo de Lerchs-Grossmann en el software MineSight,

determinando la altura óptima de banco de seis metros (6m) con el máximo valor neto

para el proyecto aurífero con US$ 699’006,994. En conclusión, la tesis demuestra que

la altura óptima de banco depende del máximo valor neto de un yacimiento.

Chura (2019) en su tesis titulada “Optimizar el planeamiento a largo plazo de la mina

a tajo abierto Tacaza – CIEMSA empleando los softwares mineros Gemcom Whittle

y MineSight”. Los resultados indican que mejoró la valorización del yacimiento de

cobre habiéndose utilizado el algoritmo de Lerchs-Grossmann en los softwares

MineSight y Whittle, optimizando el planeamiento a largo plazo con una rentabilidad

operativa de US$ 43’466,233 un VAN operativo de US$ 3’692,765 una rentabilidad

financiera de US$ 33’106,283 un Valor Actual Neto Financiero de US$ 4’960,628 con

un TIR del 18%, para una altura de banco de cinco metros (5m).

Chara (2018) en su tesis titulada “Optimización del NPV aplicando la temporalidad

del modelo económico para incrementar el beneficio en Compañía Minera Antapaccay

S.A.”. La modalidad de la investigación es cuantitativa con un alcance de investigación

exploratorio. Dentro de los resultados se logró optimizar el NPV en US$ 69’000,000

mejorando en un 2% respecto al plan base, utilizando el algoritmo de Lerchs-

León Espinoza, E. Pág. 14

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Grossmann en el software MineSight para una altura de banco de quince metros (15m)

en el yacimiento de cobre. En conclusión, el algoritmo de Lerchs-Grossman permitió

determinar el Pit Shell con mayor retorno económico.

Jambo & Tasilla (2019) en su tesis titulada “Cálculo de reservas y diseño de pit,

mediante el procesamiento de data de perforación diamantina en un depósito epitermal

de alta sulfuración, Hualgayoc 2019”. Los resultados muestran que se utilizó el

algoritmo de Lerchs-Grossmann en el software MineSight para determinar

15’838,700.04 Tm con una ley media del 1.096 gr/Tm de Au en el depósito epitermal

de alta sulfuración, estimando 16.46 Tm de reservas totales de Au para una altura de

banco de diez metros (10m). Se concluye que, la aplicación del algoritmo de Lerchs-

Grossmann es fundamental para la evaluación las reservas y el diseño del pit final.

García (2016) en su investigación titulada “Evaluación de un yacimiento de sulfuros

complejos mediante el paquete informático RecMin”. Tuvo como objetivo describir la

modelización y evaluación de reservas de un yacimiento de sulfuros completos

mediante el método de bloques, haciendo uso de herramientas informáticas. Los

resultados reflejan que se utilizó el algoritmo de optimización de Cono Flotante en el

software minero RecMin, lo que permitió la determinación de una altura de banco

óptima de siete metros (7m) repercutiendo en el máximo valor bruto con

52’561,115.84 € del yacimiento de sulfuros.

León Espinoza, E. Pág. 15

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Barrios (2019) en su investigación, “Estimación de recursos y evaluación de reservas

con el uso de software minero para la explotación del proyecto minero Don Javier”.

Concluye que el cálculo de recursos y reservas mediante el algoritmo de Lerchs-

Grossmann en el software MineSight tiene una aceptación alta debido a la exactitud

de sus programas y la confiabilidad de los datos. Asimismo, se estimó un total de

437’175,659 Tm de reservas probadas con un valor neto de 1’176,763.98 US$ para

bancos con una altura de quince metros (15m) en el yacimiento cuprífero.

Retto (2015) en su investigación, la cual se denomina “Determinación de altura de

banco óptimo con simulación geoestadística”. Tiene como objetivo, determinar la

altura de banco óptimo basado en simulación geoestadística. Los resultados muestran

que la altura de banco de 10 m es la alternativa con mayor valor neto del proyecto de

US$ 4,045’185,361 con un tonelaje de 174’864,362 Tm y una ley media de 0.556%

de Cu, siendo la alternativa óptima frente a otros escenarios. A partir de ello, se

concluye que el estudio demuestra que las herramientas de simulación geoestadística

pueden ser empleadas también para optimizar procesos en proyectos mineros.

Asimismo, es importante abordar el sustento teórico con respecto a las variables,

metodologías de la presente investigación, identificadas en fuentes confiables como:

Google Académico, Redalyc, Repositorios de universidades nacionales y extranjeras,

Pearson, entre otros.

León Espinoza, E. Pág. 16

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Un yacimiento del tipo pórfido de cobre, son depósitos de baja ley, gran tonelaje y

forma irregular. Como subproducto presentan molibdeno; también, contienen otros

elementos metálicos como Ag, Pb, Zn, siendo los minerales más comunes la

calcopirita, pirita y cuarzo; alrededor se emplazan yacimientos hidrotermales

polimetálicos, las cuales son formadas a menor temperatura que los pórfidos (Vidal,

2010).

La base de datos de una campaña de exploración es representada por la información

que proviene del logueo y de los sondajes de exploraciones; que pueden ser

perforaciones diamantinas, de aire reverso. La base de datos contiene el archivo collar,

coordenadas iniciales de los sondajes y la profundidad; survey, almacena la

información de las desviaciones e inclinaciones; assay, muestra la información de los

ensayos químicos; geo, contiene la información de litología, alteración, geomecánica

u otra, proveniente del logueo (Ruiz, 2015). La base de datos de un proyecto

generalmente se almacena en Microsoft Excel, SQL, Torque.

La compositación de muestras es un método para regularizar las leyes de los sondajes

y resulta de la aplicación de la media ponderada de cierto tramo de sondaje. Existen

diversos métodos de regularización de muestras como compositación por banco,

compositación por sondaje, compositación geológica (Marco, 2007). Para la presente

investigación se usará la compositación por banco, donde las muestras se regularizan

a medidas que coincidan con la altura de banco, ya que se emplean para modelar y

estimar extensos yacimientos diseminados de gran tonelaje y baja ley.

León Espinoza, E. Pág. 17

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Un modelo geológico, es la representación tridimensional de un volumen de rocas con

un grado de incertidumbre, este puede representar la litología, mineralización,

alteración u otro tipo de característica geológica, que cumple un papel fundamental

para realizar la evaluación económica del yacimiento (Centeno, 2014). Para generar

un modelo geológico 3D, se puede aplicar un modelamiento explícito, implícito.

Un modelo de bloques se define como una matriz tridimensional que presenta

dimensiones unitarias para cada bloque; es decir, tamaños para este, norte, elevación

(corresponde a la altura de banco). Los bloques permiten estimar leyes; esto una vez

configurado los parámetros de interpolación, a partir de las muestras compositadas

mediante un método geoestadístico (Ruiz, 2015). Esto nos muestra que la fase de

estimación de leyes, sea por el kriging u otra técnica geoestadística, es la más delicada

en todo proceso, ya que el acierto de sus resultados depende del preciso análisis

estructural, en relación con el modelo geológico del yacimiento.

El modelo de bloques presenta la dimensión de la altura de banco, que se conceptúa

como la diferencia vertical entre la cresta y el toe, cuya estimación se efectúa

principalmente en base a la naturaleza del yacimiento (variabilidad en sentido vertical),

por el tamaño del equipo de perforación, carguío y acarreo, que va a ser utilizado

primordialmente por la altura máxima del frente de minado (Mayhua, 2009). Lo

mencionado refleja que la altura de banco no sólo depende de parámetros geotécnicos,

técnicos, operativos, sino también económicos.

León Espinoza, E. Pág. 18

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Un recurso mineral es una concentración u ocurrencia de interés económico intrínseco

dentro y fuera de la corteza terrestre en forma y cantidad tal como para demostrar que

hay perspectiva razonable para una eventual extracción económica. La ubicación,

cantidad, contenido metálico, características geológicas y continuidad de un recurso

mineral se conocen, estiman o interpretan desde una evidencia y conocimientos

geológicos. Los Recursos Minerales se subdividen en, según su confianza geológica

ascendente, en categorías de Inferidos, Indicados, Medidos (JORC, 2004). En suma,

los recursos se estiman a través de un modelo de bloques o hexaedros.

Un recurso mineral medido es aquella parte de un Recurso Mineral para el cual puede

estimarse con un alto nivel de confianza el tonelaje, su densidad, forma, características

físicas, ley y contenido de mineral. Se basa en la exploración detallada e información

confiable sobre muestreo y pruebas obtenidas mediante técnicas apropiadas de lugares

como pueden ser afloramientos, zanjas, rajos, túneles, laboreos y sondajes. Las

ubicaciones están espaciadas con suficiente cercanía para confirmar continuidad

geológica y/o de la ley (JORC, 2004).

Un recurso mineral indicado es aquella parte de un recurso mineral para el cual puede

estimarse con un nivel razonable de confianza el tonelaje, densidad, forma,

características físicas, ley y contenido mineral. Se basa en información sobre

exploración, muestreo y pruebas reunidas mediante técnicas apropiadas en ubicaciones

como pueden ser: afloramientos, zanjas, rajos, túneles, laboreos y sondajes. Las

ubicaciones están demasiado espaciadas o su espaciamiento es inapropiado para

León Espinoza, E. Pág. 19

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

confirmar la continuidad geológica y/o de ley, pero está espaciada con suficiente

cercanía para que se pueda suponer continuidad (JORC, 2004).

Un recurso mineral inferido es aquella parte de un recurso mineral por la cual se puede

estimar el tonelaje, ley y contenido de mineral con un bajo nivel de confianza. Se

infiere a partir de evidencia geológica y se asume, pero no se certifica la continuidad

geológica ni de la ley. Se basa en información inferida mediante técnicas apropiadas

de localizaciones como pueden ser afloramientos, zanjas, rajos, laboreos y sondajes

que pueden ser limitados o de calidad y confiabilidad incierta (JORC, 2004).

El algoritmo de Lerchs-Grossmann se considera el algoritmo más utilizado por los

programas mineros, cuyo objetivo es buscar maximizar el valor total de un yacimiento,

basado en el beneficio neto de cada bloque y su ubicación. El beneficio neto de un

bloque es la diferencia entre el ingreso total del bloque con el costo de extracción del

material de la mina y el procesamiento del bloque en la planta. La ubicación física del

bloque es importante porque los bloques bajo el nivel de la mina no pueden ser

extraídos hasta que los bloques sobre éstos sean removidos (Chara, 2018). Se considera

el algoritmo con mayor precisión por la metodología que aplica.

León Espinoza, E. Pág. 20

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

En el siguiente esquema de figuras se muestran en dos dimensiones las secuencias a

optimizar el diseño de la explotación mediante el algoritmo de Lerchs-Grossmann.

Figura 1. Sección de bloques

Al realizar la secuencia de arcos estructurales, se tiene como resultado el límite

económico óptimo.

Figura 2. Sección del límite económico del pit

En la Figura 3 se puede observar la perspectiva no gradual de Lerchs-Grossman

respecto al algoritmo de Cono Flotante.

Figura 3. Sección del pit optimizado con Lerchs-Grossmann

León Espinoza, E. Pág. 21

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

El algoritmo de Cono Flotante consiste en el estudio económico de los bloques

mineralizados y estériles que caen dentro de un cono invertido, el cual se mueve

sistemáticamente a través de una matriz de bloques, con el vértice del cono ocupando,

seguido de los centros de bloques. El fundamento es que los beneficios netos obtenidos

por explotar la mineralización que se encuentra dentro del cono, deben superar los

costos de extraer el estéril existente en dicho cono. Los conos, individualmente,

pueden no ser económicos, pero, cuando dos o más conos se superponen, existe una

parte importante de estéril que es compartida por los diversos conos, lo que genera un

cambio en su estatus económico (Yucra, 2013).

El siguiente esquema se presenta un corte o perfil de modelo de bloques sometido al

algoritmo del Cono Flotante, donde cada bloque está definido por un valor económico;

en otras palabras, lo que equivale económicamente su extracción. Es así como los

bloques con valor negativo representan a los bloques de estéril con su costo de

extracción asociado (-10) y los bloques de mineral son representados por el beneficio

global que reporta su extracción.

Figura 4. Perfil de bloques

Fuente: Ruiz, 2015

León Espinoza, E. Pág. 22

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Figura 5. Representación gráfica de la aplicación del algoritmo del cono flotante

Fuente: Ruiz, 2015

(Beneficio Global = Ingresos – Costos = 810 – 10 = 800). Ver Figura 6.

Figura 6. Representación gráfica de la extracción de bloques con Cono Flotante

Fuente: Ruiz, 2015

En el ejemplo anterior, podemos observar que el extraer el bloque de valor positivo

(+800) y sus 15 bloques de estéril asociado (-10 a cada uno), genera un beneficio final

de +650, correspondiente al beneficio de extraer dicho bloque con su sobre carga

asociada.

León Espinoza, E. Pág. 23

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

1.2. Formulación del problema

¿Cuál es la altura de banco óptimo de la comparación de los algoritmos de Lerchs-

Grossmann y Cono Flotante en el software MinePlan en un yacimiento de cobre,

Cuzco 2021?

1.3. Objetivos

1.3.1. Objetivo general

Determinar la altura de banco óptimo comparando los algoritmos de Lerchs-

Grossmann y Cono Flotante en el software MinePlan en un yacimiento de

cobre, Cuzco 2021.

1.3.2. Objetivos específicos

- Estimar el modelo de recursos mediante kriging ordinario.

- Evaluar diferentes alturas de banco mediante el algoritmo de optimización

de Lerchs-Grossmann.

- Evaluar diferentes alturas de banco mediante el algoritmo de optimización

de Cono Flotante.

- Realizar un análisis comparativo entre los indicadores del algoritmo de

Lerchs-Grossmann y Cono Flotante.

León Espinoza, E. Pág. 24

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

1.4. Hipótesis

1.4.1. Hipótesis general

La comparación de los algoritmos de Lerchs-Grossmann y Cono Flotante

utilizando el software MinePlan permitirá la determinación de altura de banco

óptimo en un yacimiento de cobre, Cuzco 2021.

León Espinoza, E. Pág. 25

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

CAPÍTULO II. METODOLOGÍA

2.1. Tipo de investigación

El presente trabajo de investigación presenta un enfoque cuantitativo, diseño no

experimental, tipo descriptivo, ya que el objetivo principal es determinar la altura de

banco óptimo comparando los algoritmos de Lerchs-Grossmann y Cono Flotante,

tomando como muestra la base de datos de exploración en estudio, para simular y

analizar diversas alturas de banco, por lo que no se manipulará ninguna variable.

Según, (Sampieri, 2018) se considera investigación cuantitativa, cuando esta se dedica

a recoger, procesar y analizar datos sobre variables previamente determinadas.

Asimismo, siguen un patrón predecible y estructurado con el fin de la construcción y

de la demostración de teorías. Es por ello, que la presente investigación busca

determinar indicadores con atributos cuantitativos.

Por un lado, (Sampieri, 2018) considera una investigación no experimental, debido a

que no se manipulan deliberadamente las variables independientes, la cual se basa en

fundamentalmente en la observación de fenómenos tal y como se dan en su contexto

natural para analizarlos; es decir, sucesos que ya ocurrieron o se dieron sin la

intervención del investigador. De tal manera, en la presente investigación no se

manipulará ninguna variable.

Finalmente, (Sampieri, 2018) define que, una investigación con enfoque descriptivo

cuando pretende especificar las propiedades, fenómenos, variables o hechos en un

León Espinoza, E. Pág. 26

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

contexto determinado que se someta a un análisis. Es decir, miden o recolectan datos

y reportan información para analizarla. Es por ello, que en la presente investigación,

se recopilará la información para realizar comparaciones de manera analítica en

búsqueda de resultados óptimos.

2.2. Población y muestra

Población

Base de datos de campañas de exploraciones de yacimientos mineros en el Perú.

Muestra

Base de datos de una campaña de exploración de un yacimiento de cobre, Cuzco 2021.

2.3. Técnicas e instrumentos de recolección y análisis de datos

2.3.1. Técnicas e instrumentos de recolección de datos

Para la presente investigación se aplicó la técnica de análisis documental que

consistió en investigar antecedentes relacionados con la aplicación de

algoritmos de Lerchs-Grossmann y Cono Flotante en los diversos tipos de

yacimientos a nivel nacional e internacional, repercutiendo en indicadores

como el valor neto, tonelaje, ley media, valor por tonelada, para lo cual se

utilizó los buscadores científicos confiables como Redalyc, Repositorios de

Universidades. La base de datos fue proporcionada por la empresa en estudio.

León Espinoza, E. Pág. 27

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

2.3.2. Técnicas e instrumentos de análisis de datos

La base de datos fue integrada y procesada de manera digital mediante el

software MinePlan, con la finalidad de evaluar los resultados de los algoritmos

de Lerchs-Grossmann y Cono Flotante. Asimismo, los resultados obtenidos

fueron analizados en Microsoft Excel mediante tablas y gráficos que permitió

determinar la altura óptima de banco del yacimiento con repercusión en

indicadores como el valor neto, tonelaje, ley media, valor por tonelada.

2.4. Procedimiento

Paso 1: Estructuración de la base de datos de exploración

Se estructuró la base de datos de exploración del yacimiento de cobre a través de los

archivos collar, survey, assay, geo; en Microsoft Excel, de tal manera que pueda ser

utilizado en el software MinePlan.

- Header: El archivo collar almacenado en Excel, abarca la información topográfica

de los sondajes de la campaña de exploración, lo cual se registró en coordenadas

este, norte, elevación y la longitud de cada uno. En total se registran 128 sondajes

de exploración.

León Espinoza, E. Pág. 28

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Figura 7. Archivo collar de la base de datos de exploración

- Survey: El archivo survey almacenado en Excel, registra la información de la

desviación de los sondajes, considerando un azimut de 0° a 360° y una inclinación

de 0° a -90°.

León Espinoza, E. Pág. 29

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Figura 8. Archivo Survey de la base de datos de exploración

- Assay: El archivo assay almacenado en Excel, registra la información de los

ensayos químicos del Cu. El metal principal para la evaluación económica es el Cu

con leyes desde 0.01% a 8.55%.

León Espinoza, E. Pág. 30

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Figura 9. Archivo Assay de la base de datos de exploración

León Espinoza, E. Pág. 31

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

- Geology: El archivo geo almacenado en Excel, registra la información del logueo

geológico. Para el presente estudio, se trabajan con 3 alteraciones de

mineralización: LZ = Lixiviable, PZ = Sulfuros Primarios, SZ = Sulfuros

Secundarios.

Figura 10. Archivo Geology de la base de datos de exploración

León Espinoza, E. Pág. 32

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Paso 2: Determinación de los límites del proyecto

Posteriormente, haciendo uso de la información del archivo Collar, se calculan los

límites del proyecto, los cuales son parte fundamental en la configuración del proyecto

del software MinePlan (Ver Tabla 1). Asimismo, la altura de banco representa la

dimensión de la elevación del bloque, lo que va a permitir realizar las comparaciones

y el análisis respectivo.

Tabla 1.
Límites del proyecto y dimensiones del bloque

Este* Norte* Elevación*

2200 1500 105

3400 2600 600

10 10 15

*Coordenadas topográficas cortas

León Espinoza, E. Pág. 33

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Paso 3: Visualización de los sondajes de exploración del yacimiento de cobre en

el software MinePlan

Se realiza la importación de los archivos Collar, Survey, Assay, Geo al software

MinePlan, que permite la visualización de los 128 sondajes de exploración del

yacimiento de cobre con leyes desde 0.01% a 8.55% de Cu. Ver Figura 11.

Figura 11. Visualización 3D de los sondajes de exploración del yacimiento de cobre (Ver
anexo 33).

León Espinoza, E. Pág. 34

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Paso 4: Representación del modelamiento del yacimiento de cobre

En la Figura 12, se visualiza un corte en 2D, vista ZE, del modelamiento de

mineralización explícito, el cual representa las 3 zonas de mineralización del

yacimiento: 1 = Lixiviable (Magenta), 2 = Sulfuros Secundarios (Verde), 3 = Sulfuros

Primarios (Rojo). El modelo fue discretizado en un modelo de bloques.

Figura 12. Modelo de mineralización del yacimiento de cobre en 2D

El modelo de mineralización presentado es el más representativo, el cual se utilizó para

todas las configuraciones de banco con los algoritmos de Lerchs-Grossmann y Cono

Flotante. Asimismo, fue conveniente estimar el volumen para cada mineralización

(Ver Tabla 2).

León Espinoza, E. Pág. 35

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Tabla 2.
Volumen por cada mineralización del yacimiento de cobre

Lixiviable Sulfuros Secundarios Sulfuros

(m3) (m3) Primarios (m3)

19’563,208 33’191,333.33 136’494,583.33

Paso 5: Compositación de muestras

En la Figura 13 se visualizan los histogramas de las muestras (al lado izquierdo) y los

histogramas de la compositación por banco de 15 metros (al lado derecho).

Figura 13. Visualización de la compositación por banco

León Espinoza, E. Pág. 36

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Paso 6: Estimación de leyes de Cu aplicando kriging ordinario para el yacimiento

de cobre

Para la discretización de bloques y la estimación del modelo de leyes de Cu, se realizó

la compositación por banco y un análisis variográfico de las mineralizaciones en el

software MinePlan, asignando los siguientes parámetros de interpolación por

mineralización (Ver Tabla 3).

Tabla 3.
Parámetros de interpolación del ajuste de variograma esférico

Sulfuros Sulfuros
Lixiviable
Secundarios Primarios
Nugget effect 0.2 0.3 0.1

Sill 0.8 0.7 0.9

Range along major axis 93.1020 100.0000 166.6940

Range along minor
51.9320 60.0000 138.5670
axis
Range along vertical
24.1730 37.6430 138.9620
axis
Direction major axis -63.9160 -31.6910 -55.9890

Plunge Major axis 5.2570 3.2450 -2.4650

Dip easterly 177.2030 175.1630 53.0350

León Espinoza, E. Pág. 37

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

En la Figura 14 se visualiza el modelo de leyes de Cu, con valores estimados desde

0.01% a 8.55% de Cu.

Figura 14. Vista NE del Modelo de leyes de Cu representado en un modelo de bloques

(Ver anexo 34).

León Espinoza, E. Pág. 38

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Paso 7: Definición de parámetros económicos para la evaluación de los algoritmos

de Lerchs-Grossmann y Cono Flotante

En la Tabla 4 se observan los parámetros económicos definidos a partir de información

de empresas mineras con similares características al yacimiento investigado de la

presente tesis, estos fueron usados para evaluar los algoritmos de optimización de

Lerchs-Grossmann y Cono Flotante.

Tabla 4.
Parámetros económicos para utilizar los algoritmos de optimización

Costo de Costo de Recuperación

Peso
Destino Material Procesamiento Minado Metalúrgica
específico
($/Ton) ($/Ton) (%)

Chancadora Lixiviable 5 2.5 2.5 75

Sulfuros
Chancadora 5 2.5 2.7 80
Primario
Sulfuros
Chancadora 5 2.5 2.7 80
Secundarios

Botadero Lixiviable 0 2 2.5 0

Sulfuros
Botadero 0 2 2.7 0
Primario
Sulfuros
Botadero 0 2 2.7 0
Secundarios

Para la presente investigación de consideró el precio del Cu de 3 $/lb y una ley de corte

de 0.2% de Cu. Para calcular el valor neto de cada bloque.

León Espinoza, E. Pág. 39

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Paso 8: Optimización con el algoritmo de Lerchs-Grossmann

En la Figura 15, se visualiza la envolvente económica del tajo obtenido a la cargar los

parámetros económicos al software MinePlan y usando el algoritmo de Lerchs-

Grossmann para la determinación del valor neto del yacimiento.

Figura 15. Optimización con el algoritmo de Lerchs-Grossmann

León Espinoza, E. Pág. 40

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Paso 9: Optimización con el algoritmo de Cono Flotante

En la Figura 16, se visualiza la envolvente económica del tajo obtenido a la cargar los

parámetros económicos al software MinePlan y usando el algoritmo de Cono Flotante

para la determinación del valor neto del yacimiento.

Figura 16. Optimización con el algoritmo de Cono Flotante

León Espinoza, E. Pág. 41

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

CAPÍTULO III. RESULTADOS

3.1. Estimación del modelo de recursos mediante kriging ordinario.

En la figura 17 se observa el modelo de recursos del yacimiento de cobre estimado

mediante kriging ordinario; es decir, se han clasificado en Recursos Medidos = 1

(Rojo), Recursos Indicados = 2 (Verde), Recursos Inferidos = 3 (Azul).

Figura 17. Modelo de recursos según en grado de confiabilidad

León Espinoza, E. Pág. 42

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

En la tabla 5 se visualiza el reporte de la categorización de recursos mineros del

yacimiento de cobre en base al grado de confiabilidad de la estimación de kriging

ordinario, clasificando en Recursos Medidos, Recursos Indicados, Recursos Inferidos

a partir del reporte del modelo de bloques.

Tabla 5.
Reporte de recursos mineros del yacimiento de cobre según el grado de
confiabilidad

Recursos Recursos Recursos

Medidos Indicados Inferidos
Tonelaje (Tm) 337’398,750 156’317,850 1’545,750
Ley media (%) 0.344 0.332 0.197

León Espinoza, E. Pág. 43

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

3.2. Evaluación de diferentes alturas de banco mediante el algoritmo de optimización

de Lerchs-Grossmann

Tabla 6.
Reporte de las evaluaciones con el algoritmo de Lerchs-Grossmann

Altura
N° de Tonelaje Ley media
de banco NV (US$)
bloques (Tm) de Cu (%)
(m)
5 375,394 533’665,900 0.431 2,499’614,969

6 311,979 531’647,220 0.439 2,365’161,350

7 267,421 531’758,360 0.437 2,371’931,165

8 233,013 528’874,560 0.4332 2,422’809,682

9 209,327 534’542,130 0.4289 2,501’319,532

10 186,817 529’563,300 0.4312 2,519’257,455

11 170,883 533’999,290 0.4282 2,427’824,902

12 157,989 538’975,560 0.4287 2,408’477,506

13 146,777 541’885,890 0.4248 2,483’631,968

14 136,348 544’094,460 0.432 2,350’187,035

15 128,699 549’409,950 0.4253 2,465’250,690

La tabla 6 muestra los resultados de las evaluaciones con el algoritmo de Lerchs-

Grossmann, de tal manera se puede observar que a una altura de banco de 10 metros

se tiene el mayor Valor Neto del yacimiento con US$ 2,519’257,455 una ley media de

0.4312% Cu con un tonelaje de 529’563,300 Tm, en 186,817 bloques en el yacimiento

de cobre evaluado.

León Espinoza, E. Pág. 44

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

3.3. Evaluación de diferentes alturas de banco mediante el algoritmo de optimización

de Cono Flotante.

Tabla 7.
Reporte de las evaluaciones con el algoritmo de Cono Flotante

Altura
N° de Tonelaje Ley media
de banco NV (US$)
bloques (Tm) de Cu (%)
(m)
5 366,628 520’865,300 0.434 2,482’632,778

6 305,052 519’705,000 0.441 2,335’043,373

7 262,624 522’016,110 0.4386 2,356’136,031

8 229,450 520’757,760 0.4351 2,405’612,454

9 201,157 513’539,910 0.4326 2,419’965,173

10 182,192 516’149,300 0.433 2,496’558,561

11 167,695 523’829,460 0.4299 2,409’749,998

12 155,237 529’411,680 0.4302 2,375’129,599

13 141,701 522’916,550 0.4279 2,467’327,049

14 134,994 538’595,120 0.4326 2,334’327,553

15 124,033 529’423,200 0.4285 2,428’853,537

La tabla 7 muestra los resultados de las evaluaciones con el algoritmo de Cono

Flotante, de tal manera se puede observar que a una altura de banco de 10 metros se

tiene el mayor Valor Neto del yacimiento con US$ 2,496’558,561 una ley media de

0.433% Cu con un tonelaje de 520’865,300 Tm en 182,192 bloques en el yacimiento

de cobre evaluado.

León Espinoza, E. Pág. 45

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

3.4. Análisis comparativo entre los indicadores del algoritmo de Lerchs-Grossmann

y Cono Flotante.

3.4.1. Resultados del número de bloques de la evaluación de altura de

banco mediante los algoritmos de Lerchs-Grossmann y Cono

Flotante

Número de bloques según la altura de banco

400000
Número de bloques

300000

200000

100000

0
5 6 7 8 9 10 11 12 13 14 15
Altura de banco (m)

N° de bloques LG N° de bloques CF

Figura 18. Número de bloques según la altura de banco

La Figura 18 muestra una tendencia negativa en función a la altura de banco; es

decir, a medida que aumenta la altura de banco, la cantidad de bloques

disminuyen. De acuerdo con ello, las evaluaciones con una altura de banco de 5

metros comprenden la mayor cantidad de bloques, mediante el algoritmo de

Lerchs-Grossmann consideran 375,394 bloques y el algoritmo de Cono Flotante

consideran 366,628 bloques.

León Espinoza, E. Pág. 46

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

3.4.2. Resultados del tonelaje de la evaluación por altura de banco

mediante los algoritmos de Lerchs-Grossmann y Cono Flotante

Tonelaje según la altura de banco

560,000,000
550,000,000
540,000,000
Tonelaje (Tm)

530,000,000
520,000,000
510,000,000
500,000,000
490,000,000
5 6 7 8 9 10 11 12 13 14 15
Altura de banco (m)

Tonelaje LG Tonelaje CF

Figura 19. Tonelaje según la altura de banco

De acuerdo con la Figura 19, se muestran las evaluaciones mediante el algoritmo

de Lerchs-Grossmann, donde se observa que la altura de banco de 15 metros

abarca un tonelaje máximo con 549’409,950 Tm y el algoritmo de Cono Flotante

considera que la altura de 14 metros comprende un tonelaje máximo de

538’595,120 Tm de todas las evaluaciones.

León Espinoza, E. Pág. 47

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

3.4.3. Resultados de la ley media de la evaluación por altura de banco

mediante los algoritmos de Lerchs-Grossmann y Cono Flotante

Ley Media de Cu según la altura de banco

0.445

0.44
Ley media de Cu (%)

0.435

0.43

0.425

0.42

0.415
5 6 7 8 9 10 11 12 13 14 15
Altura de banco (m)

Ley Media LG Ley Media CF

Figura 20. Ley media de Cu según la altura de banco

De acuerdo con la Figura 20, se muestran las evaluaciones mediante el algoritmo

de Lerchs-Grossmann, donde se observa que las estimaciones mediante la altura

de banco de 6 metros se estima la ley media máxima de Cu de 0.439 % y el

algoritmo de Cono Flotante considera que mediante la altura de banco de 6

metros se estima una ley media máxima de Cu de 0.443%.

León Espinoza, E. Pág. 48

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

3.4.4. Resultados del valor neto de la evaluación por altura de banco

mediante los algoritmos de Lerchs-Grossmann y Cono Flotante

Valor Neto según la altura de banco

2,550,000,000
2,500,000,000
Valor Neto (US$)

2,450,000,000
2,400,000,000
2,350,000,000
2,300,000,000
2,250,000,000
2,200,000,000
5 6 7 8 9 10 11 12 13 14 15
Altura de banco (m)

Valor Neto LG Valor Neto CF

Figura 21. Valor Neto del yacimiento según la altura de banco

De acuerdo con la Figura 21, las evaluaciones muestran que mediante el

algoritmo de Lerchs-Grossmann considera que la altura de banco de 10 metros

estima el máximo Valor Neto de US$ 2,519’257,455 y el algoritmo de Cono

Flotante considera que la altura óptima de banco de 10 metros estima el máximo

Valor Neto US$ 2,496’558,561 siendo el indicador más importante dentro del

análisis comparativo de cada algoritmo en la presente investigación.

León Espinoza, E. Pág. 49

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

3.4.5. Resultados de la altura óptima de banco por zona mineralizada

mediante lo algoritmos de Lerchs-Grossmann y Cono Flotante

Valor Neto por cada zona de mineralización para un altura de

banco de 10 metros
1,800,000,000
1,600,000,000
1,400,000,000
Valor Neto (US$)

1,200,000,000
1,000,000,000
800,000,000
600,000,000
400,000,000
200,000,000
0
Sulfuros Sulfuros
Lixiviable
Secundarios Primarios
NV (US$) LG 529,380,644 1,691,043,302 944,435,509
NV (US$) CN 529,316,792 1,682,147,340 911,907,429
Zona de mineralización

NV (US$) LG NV (US$) CN

Figura 22. Valor Neto por mineralización para una altura de banco de 10 metros

De la Figura 22, se visualiza información del indicador del Valor Neto (US$)

por cada zona de mineralización configurado por la altura de banco óptimo de

10 metros del yacimiento de cobre. Se puede afirmar que, la mineralización de

Sulfuros Secundarios confiere el máximo valor neto del yacimiento, mediante el

algoritmo de Lerchs-Grossmann un valor de US$ 1,691’043,302 y mediante el

algoritmo de Cono Flotante un valor de US$ 1,682’147,340, tales estimaciones

representan el 53.43% o 53.85% del valor total del yacimiento de cobre,

respectivamente.

León Espinoza, E. Pág. 50

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Tonelaje por cada zona de mineralización para una altura de banco

de 10 metros
100,000,000
90,000,000
80,000,000
Tonelaje (Tm)

70,000,000
60,000,000
50,000,000
40,000,000
30,000,000
20,000,000
10,000,000
0
Sulfuros
Lixiviable Sulfuros Primarios
Secundarios
Tonelaje (Tn) LG 37,002,500 86,742,900 83,016,900
Tonelaje (Tn) CN 36,992,500 86,332,500 79,417,800
Zona de mineralización

Tonelaje (Tn) LG Tonelaje (Tn) CN

Figura 23. Tonelaje por mineralización para una la altura óptima de banco de 10 m

De la Figura 23 se visualiza información del indicador del Tonelaje (Ton) por

cada zona de mineralización configurado por la altura de banco óptimo de 10

metros del yacimiento de cobre. Se puede afirmar que, la mineralización de

Sulfuros Secundarios confiere el máximo tonelaje del yacimiento, mediante el

algoritmo de Lerchs-Grossmann un valor de 86’742,900 Tm y mediante el

algoritmo de Cono Flotante un valor de 86’332,500 Tm, tales estimaciones

representan el 41.95% o 42.58% del tonelaje total del yacimiento de cobre,

respectivamente.

León Espinoza, E. Pág. 51

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Ley media de Cu por cada zona de mineralización para una

altura de banco de 10 metros
0.6
Ley media de Cu (%)

0.5
0.4
0.3
0.2
0.1
0
Sulfuros Sulfuros
Lixiviable
Secundarios Primarios
Ley Media de Cu (%) LG 0.4123 0.5103 0.3569
Ley Media de Cu (%) CN 0.4123 0.5101 0.3589
Zona de mineralización

Ley Media de Cu (%) LG Ley Media de Cu (%) CN

Figura 24. Ley media de Cu por mineralización para la altura óptima de banco de 10 m

De la Figura 24, se visualiza información del indicador de Ley Media de Cu (%)

por mineralización configurado por la altura de banco óptimo de 10 metros del

yacimiento de cobre. Se puede afirmar que, la mineralización de Sulfuros

Secundarios confiere la ley media máxima del yacimiento de cobre, mediante el

algoritmo de Lerchs-Grossmann un valor de 0.5103% y mediante el algoritmo

de Cono Flotante un valor de 0.5101%.

León Espinoza, E. Pág. 52

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Valor por tonelada por cada mineralización para una altura de

banco de 10 metros
25
Valor por tonelada (US$/Tm)

20

15

10

0
Lixiviable Sulfuros Secundarios Sulfuros Primarios
Valor por tonelada (US$/Tm) LG 14.3066 19.4949 11.3764
Valor por tonelada (US$/Tm) CN 14.3088 19.4845 11.4824
Mineralización

Valor por tonelada (US$/Tm) LG Valor por tonelada (US$/Tm) CN

Figura 25. Valor por tonelada mineralización para una altura óptima de banco de 10 m

De la Figura 25, se visualiza información del indicador de Valor por tonelada

(US$/Ton) por cada zona de mineralización configurado por la altura de banco

óptimo de 10 metros del yacimiento de cobre. Se puede afirmar que, la

mineralización de Sulfuros Secundarios confiere el máximo valor por tonelada

del yacimiento, mediante el algoritmo de Lerchs-Grossmann un valor de 19.4949

US$/Tm y mediante el algoritmo de Cono Flotante un valor de 19.4845 US$/Tm.

León Espinoza, E. Pág. 53

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

CAPÍTULO IV. DISCUSIÓN Y CONCLUSIONES

4.1. Discusión

En la Figura 17 y Tabla 5 se muestra la estimación del modelo de recursos mediante

kriging ordinario, obteniendo 337’398,750 Tm de Recursos Medidos, 156’317,850 Tm

de Recursos Indicados y 1’545,750 Tm de Recursos Inferidos, esto se acepta tal como

lo demostró (Barrios, 2019), quien utilizó kriging ordinario, ya que es el interpolar

geoestadístico más confiable para estimar las leyes y categorizar los recursos, para el

caso en un yacimiento de cobre, categorizando en Recursos Medidos con 484’971,680

Tm, Recursos Indicados con 261’133,721 Tm y Recursos Inferidos con 139’349,616

Tm, con el fin de utilizar el algoritmo de Lerchs-Grossmann para obtener la envolvente

económica de explotación.

En la Tabla 6 se visualizan los resultados que se obtuvieron de las evaluaciones de

altura de banco mediante las configuraciones desde 5 metros hasta 15 metros mediante

el algoritmo de Lerchs-Grossmann en el software MinePlan, lo cual permitió la

determinación de una altura máxima de banco para el yacimiento de cobre, cuyo valor

es de 10 metros, el cual repercute directamente en el máximo valor neto del yacimiento

con US$ 2,519’257,455. Lo investigado se acepta y concuerda con la tesis de

(Buendía, 2020) quien determinó la altura óptima para un yacimiento aurífero

mediante simulaciones geoestadísticas, utilizando el algoritmo de Lerchs-Grossmann

en el software MineSight, siendo la altura de 6 metros la que repercute en el valor neto

del yacimiento con US$ 699’006,994 maximizando el valor económico del proyecto.

León Espinoza, E. Pág. 54

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

En la Tabla 7 se visualizan los resultados que se obtuvieron de las evaluaciones de

altura de banco mediante las configuraciones desde 5 metros hasta 15 metros mediante

el algoritmo de Cono Flotante en el software MinePlan, lo cual permitió, la

determinación de una altura máxima de banco para el yacimiento de cobre, cuyo valor

es de 10 metros, el cual repercute directamente en el máximo valor neto del yacimiento

con US$ 2,416’558,56. Lo investigado se acepta y concuerda con la investigación de

(García, 2016) quien propuso la altura de banco de 7 metros es la que repercute en el

máximo valor bruto del yacimiento de sulfuros con 52’561,115.84 € mediante el

algoritmo de Cono Flotante en el software minero RecMin.

En la Figura 21 se presenta la altura óptima con mayor rentabilidad económica

obtenida de las evaluaciones de altura de banco, desde 5 metros hasta 15 metros

mediante los algoritmos de optimización de Lerchs-Grossmann y Cono Flotante, lo

que nos permite analizar, interpretar y confirmar de que la altura óptima de banco es

de 10 metros, con un valor neto máximo del yacimiento de US$ 2,519’257,455 con un

tonelaje estimado de 529’563,300 Ton, una ley media de Cu de 0.4312% según Lerchs-

Grossmann, esto confirma que la comparación de algoritmos pueden ser empleados

para obtener mejores resultados como lo demuestra (Retto, 2015) en su investigación,

donde estimó un altura de banco óptimo de 10 metros, con mayor valor neto del

proyecto de US$ 4,045’185,361 con un tonelaje de 174’864,362 Ton y una ley media

de 0.556% para un yacimiento de cobre.

León Espinoza, E. Pág. 55

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

4.2. Conclusiones

Se compararon los algoritmos de Lerchs-Grossmann y Cono Flotante para determinar

la altura de banco óptima de banco en un yacimiento de cobre, concluyendo que la

altura óptima es de 10 metros el cual influye directamente en el máximo valor neto.

Se estimó el modelo de recursos del yacimiento de cobre mediante kriging ordinario

para comparar los algoritmos de Lerchs-Grossmann y Cono Flotante, el cual se

concluye con 337’398,750 Tm con una ley media de Cu de 0.344% para Recursos

Medidos, 156’317,850 Tm con una ley media de Cu de 0.332% para Recursos

Indicados y 1’545,750 Tm con una ley media de Cu 0.197% para Recursos Inferidos.

Se evaluaron modelos de bloques con alturas de banco desde 5 metros hasta 15 metros

mediante el algoritmo de optimización de Lerchs-Grossmann utilizando software

MinePlan, en la cual se concluye con la determinación de una altura óptima de 10

metros, el cual influye directamente en el valor neto del yacimiento de US$

2,519’257,455 con un tonelaje estimado de 529’563,300 Tm, una ley media de Cu de

0.4312%, con un total de 186,817 bloques.

Se evaluaron modelos de bloques con alturas de banco de un pit desde 5 metros hasta

15 metros mediante el algoritmo de optimización de Cono Flotante utilizando software

minero, en la cual se concluye con la determinación de altura óptima de 10 metros, el

cual influye directamente en el valor neto del yacimiento de US$ 2,496’558,561 con

León Espinoza, E. Pág. 56

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

un tonelaje estimado de 516’149,300 Tm, una ley media de Cu de 0.433%, con un total

de 182,192 bloques.

Se determinó la altura óptima de banco con mayor rentabilidad económica,

concluyendo que, la altura óptima de banco es de 10 metros, donde la mineralización

de sulfuros secundarios confiere el máximo valor mediante el algoritmo de Lerchs-

Grossmann, con un valor neto de US$ 1,691’043,302 con un tonelaje de 86’742,900

Tm con una ley media de Cu de 0.5103% y un valor por tonelada de 19.4949 US$/Ton

para el yacimiento de cobre.

Limitaciones

En la etapa de análisis de recolección de datos no se tuvo acceso completo a los datos

obtenidos de las campañas de exploración, ya que es información confidencial por

parte de la empresa minera.

León Espinoza, E. Pág. 57

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

REFERENCIAS

Barrios, F. (2019). Estimación de recursos y reservas con el uso de software minero para la

explotación del proyecto minero Don Javier. Universidad Nacional San Agustín,

Arequipa. Obtenido de

http://repositorio.unsa.edu.pe/bitstream/handle/UNSA/10089/IMtobafa.pdf?sequen

ce=1&isAllowed=y

Buendia, J. (2020). Aplicación de simulación geoestadística utilizando software minero para

la determinación de altura óptima de banco en tajo Chaquicocha - Minera

Yanacocha (Tesis de Pregrado). Universidad Nacional de San Agustín de Arequipa,

Arequipa. Obtenido de

http://repositorio.unsa.edu.pe/bitstream/handle/UNSA/11102/IMbubejw.pdf?seque

nce=1&isAllowed=y

Centeno, E. (2014). Optimzación de la esitmación de recursos y límite de explotación en el

proyecto Michiquillay (Tesis de pregrado). Universidad Nacional "Jorge Basadre

Grohmann", Tacna. Obtenido de

http://repositorio.unjbg.edu.pe/bitstream/handle/UNJBG/2441/360_2014_centeno_

velasquez_er_fain_ingenieria_de_minas.pdf?sequence=1&isAllowed=y

Chara, M. (2018). Optimización del NPV aplicando la temporalidad del modelo económico

para incrementar el benficio en Compañía Minera Antapaccay S.A. (Tesis de

Pregado). Universidad Nacional de San Agustín de Arequipa, Arequipa. Obtenido

de

http://repositorio.unsa.edu.pe/bitstream/handle/UNSA/7316/MIchhams.pdf?sequen

ce=1&isAllowed=y

León Espinoza, E. Pág. 58

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Chura, H. (2019). Optimizar el planeamiento a largo plazo de la mina a tajo abierto Tacaza

- CIEMSA empleando los softwares mineros Gemcom Whittle y MineSight (Tesis de

Pregado). Universidad Nacional del Altiplano, Puno. Obtenido de

http://repositorio.unap.edu.pe/bitstream/handle/UNAP/10161/Chura_Torres_Henry.

pdf?sequence=1&isAllowed=y

García, A. (2016). Evaluación de un yacimiento de sulfuros complejos mediante el paquete

informático RecMin. España. Obtenido de

https://repositorio.upct.es/bitstream/handle/10317/5640/tfe-gar-

eva.pdf?sequence=1&isAllowed=y

Jambo, S., & Tasilla, N. (2019). Cálculo de reservas y diseño de pit, mediante el

procesamiento de data de perforación diamantina en un depósito epitermal de alta

sulfuración, Hualgayoc 2019 (Tesis de Pregrado). Universidad Privada del Norte,

Cajamarca. Obtenido de

https://repositorio.upn.edu.pe/bitstream/handle/11537/22332/Jambo%20Gallardo%

20Sara%20Iliana%20-

%20Tasilla%20Llanos%20Nancy.pdf?sequence=1&isAllowed=y

JORC. (2004). Código de Estándares de Reporte para Informar sobre Recursos Minerales

y Reservas de Mena. Biblioteca UNMSM. Obtenido de

http://biblioteca.unmsm.edu.pe/redlieds/recursos/archivos/Legislacion/Peru/seccion

6%20con%20el%20Link.pdf

Marco, A. (2007). Estimación de recursos mineros. Universidad de Chile, Santiago de Chile.

Obtenido de http://cg.ensmp.fr/bibliotheque/public/ALFARO_Cours_00606.pdf

León Espinoza, E. Pág. 59

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Mayhua, I. (2009). Cálculo de reservas de pit y programación anual en MineSight (Tesis de

Pregrado). Universidad Nacional del Altiplano, Puno. Obtenido de

http://repositorio.unap.edu.pe/bitstream/handle/UNAP/7483/Aroni_Mayhua_Ivan.p

df?sequence=1&isAllowed=y

Retto, O. (2015). Determinación de Altura de Banco Óptimo con Simulación Geoestadística.

PERUMIN - 32 Convención Minera. Obtenido de https://docplayer.es/52942955-

Determinacion-de-altura-de-banco-optimo-con-simulacion-geoestadistica-oscar-

retto-magallanes-1.html

Ruiz, Y. (2015). Aplicación de software libre para la estimación de recursos y para la

evaluación técnica de reservas minerales (Tesis de Pregado). Universidad Nacional

de Piura, Piura. Obtenido de http://repositorio.unp.edu.pe/handle/UNP/975

Sampieri, R. (2018). Metodología de la Investigación: Las rutas cuantitativa, cualitativa y

mixta. Ciudad de México, México: Editorial Mc Graw Hill Education. Obtenido de

http://virtual.cuautitlan.unam.mx/rudics/?p=2612

Vidal, M. (2010). Estudio del cálculo de flota de camiones para una operación minera a

cielo abierto (Tesis de Pregrado). PONTIFICIA UNIVERSIDAD CATÓLICA DLE

PERÚ, Lima. Obtenido de

http://tesis.pucp.edu.pe/repositorio/bitstream/handle/20.500.12404/534/VIDAL_LO

LI_MANUEL_CALCULO_CAMIONES_OPERACION_MINERA.pdf?sequence=

1&isAllowed=y

Yucra, W. (2013). Optimización y planificación para la explotación del Tajo Minaspampa

(Tesis de Pregrado). Universidad Nacional Micaela Bastidas de Apurímac,

Apurímac. Obtenido de

León Espinoza, E. Pág. 60

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

http://repositorio.unamba.edu.pe/bitstream/handle/UNAMBA/415/T_0026.pdf?seq

uence=1&isAllowed=y

León Espinoza, E. Pág. 61

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

ANEXOS

Anexo 1.
Base de datos de exploración en documento de texto

León Espinoza, E. Pág. 62

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 2.
Box Plot de leyes de Cu según el tipo de mineralización

León Espinoza, E. Pág. 63

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 3.
Vista 3D de sondajes diamantinos de un yacimiento cuprífero.

León Espinoza, E. Pág. 64

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 4.
Compositación por banco de 15 metros para muestras de cobre.

León Espinoza, E. Pág. 65

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 5.
Generación del modelo geológico, que puede mostrar la representación tridimensional de la litología, alteración.

León Espinoza, E. Pág. 66

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 6.
Modelo de bloques, matriz tridimensional que permite estimar valores.

León Espinoza, E. Pág. 67

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 7.
Interpolación de leyes mediante el método geoestadístico de kriging ordinario.

León Espinoza, E. Pág. 68

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 8.
Estimación de recursos a través del nivel de confiabilidad o certeza.

León Espinoza, E. Pág. 69

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 9.
Pit económico de un yacimiento epitermal de alta sulfuración mediante el algoritmo de Lerchs-Grossmann.

León Espinoza, E. Pág. 70

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 10.
Pit económico de un yacimiento epitermal de alta sulfuración mediante el algoritmo de Cono Flotante.

León Espinoza, E. Pág. 71

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 11.
Evaluación con Lerchs-Grossmann para una altura de banco de 5 m.

León Espinoza, E. Pág. 72

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 12.
Evaluación con Lerchs-Grossmann para una altura de banco de 6 m

León Espinoza, E. Pág. 73

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 13.
Evaluación con Lerchs-Grossmann para una altura de banco de 7 m

León Espinoza, E. Pág. 74

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 14.
Evaluación con Lerchs-Grossmann para una altura de banco de 8 m

León Espinoza, E. Pág. 75

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 15.
Evaluación con Lerchs-Grossmann para una altura de banco de 9 m

León Espinoza, E. Pág. 76

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 16.
Evaluación con Lerchs-Grossmann para una altura de banco de 10 m

León Espinoza, E. Pág. 77

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 17.
Evaluación con Lerchs-Grossmann para una altura de banco de 11 m

León Espinoza, E. Pág. 78

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 18.
Evaluación con Lerchs-Grossmann para una altura de banco de 12 m

León Espinoza, E. Pág. 79

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 19.
Evaluación con Lerchs-Grossmann para una altura de banco de 13 m

León Espinoza, E. Pág. 80

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 20.
Evaluación con Lerchs-Grossmann para una altura de banco de 14 m

León Espinoza, E. Pág. 81

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 21.
Evaluación con Lerchs-Grossmann para una altura de banco de 15 m

León Espinoza, E. Pág. 82

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 22.
Evaluación con Cono Flotante para una altura de banco de 5 m

León Espinoza, E. Pág. 83

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 23.
Evaluación con Cono Flotante para una altura de banco de 6 m

León Espinoza, E. Pág. 84

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 24.
Evaluación con Cono Flotante para una altura de banco de 7 m

León Espinoza, E. Pág. 85

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 25.
Evaluación con Cono Flotante para una altura de banco de 8 m

León Espinoza, E. Pág. 86

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 26.
Evaluación con Cono Flotante para una altura de banco de 9 m

León Espinoza, E. Pág. 87

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 27.
Evaluación con Cono Flotante para una altura de banco de 10 m

León Espinoza, E. Pág. 88

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 28.
Evaluación con Cono Flotante para una altura de banco de 11 m

León Espinoza, E. Pág. 89

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 29.
Evaluación con Cono Flotante para una altura de banco de 12 m

León Espinoza, E. Pág. 90

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 30.
Evaluación con Cono Flotante para una altura de banco de 13 m

León Espinoza, E. Pág. 91

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 31.
Evaluación con Cono Flotante para una altura de banco de 14 m

León Espinoza, E. Pág. 92

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 32.
Evaluación con Cono Flotante para una altura de banco de 15 m

León Espinoza, E. Pág. 93

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 33.
Visualización 3D de sondajes de exploración del yacimiento de cobre

León Espinoza, E. Pág. 94

 “Determinación de la altura de banco óptimo comparando los
algoritmos de Lerchs-Grossmann y Cono Flotante en el software
MinePlan en un yacimiento de cobre, Cuzco 2021”

Anexo 34.
Modelo de leyes de Cu representado en un modelo de bloques

León Espinoza, E. Pág. 95