Ganhos:
- Capacidade de construir etapas geoestatísticas, como composição, variograma e krigagem com IA e questionar suposições
- Capacidade de interpretar modelo de bloco, curva teor-tonelagem e classificação de recursos (medidos/exibidos/extraídos) com suporte de IA
- Capacidade de testar valores de previsão e incerteza produzidos pela IA por meio de cálculo independente, validação cruzada e julgamento de pessoa qualificada (CP/QP)
O número mais crítico para uma empresa de mineração é quanto e qual o teor de minério que existe no subsolo. Este número; Determina a decisão de investimento, o valor da bolsa, o financiamento bancário e a vida útil do forno. Mas ninguém pode medir toda a substância uma por uma; apenas pontos de perfuração esparsos são amostrados e os intervalos são estimados. A disciplina que coloca esta previsão numa base científica é chamada geoestatística. A geoestatística modela a semelhança dos dados espaciais (com base na localização no espaço) entre si e estima pontos não medidos com uma margem de incerteza. IA; É uma ajuda poderosa nas partes de código, comparação de cenários e análise de incerteza deste processo. No entanto, é decisão da pessoa competente (Pessoa Competente/CP no JORC, Pessoa Qualificada/QP no NI 43-101) qual modelo é válido, qual suposição é aceitável e como o recurso será classificado.
Recurso e reserva: distinção crítica
Vamos esclarecer os dois termos primeiro. Recurso Mineral: Minério que pode ser extraído economicamente com base em informações geológicas; São classificados como inferidos, indicados e medidos de acordo com o nível de confiança. Reserva Mineral (reserva): a parte do recurso que pode realmente ser extraída de forma lucrativa através de trabalho técnico e econômico (método de mineração, eficiência da instalação, custo, preço do metal); São classificados em prováveis e comprovados. O recurso é geológico, a reserva é económica. A IA pode explicar estas definições, mas não pode decidir em que classe um número se enquadra; Este é o julgamento da pessoa competente que analisa a densidade dos dados e a confiança na continuidade.
Passo a passo: fluxo de trabalho geoestatístico e o lugar da IA
- Composição. Trazer intervalos de ensaio de tamanhos diferentes para comprimentos iguais (por exemplo, 1 m ou 2 m). IA: escreve código, estabelece lógica unitária e média ponderada; Você controla o resultado.
- Revisão estatística. Distribuição de notas, valores discrepantes, limites (corte superior: limitando notas extremamente altas). AI: gera código de estatísticas de histograma/resumo; O geólogo toma a decisão de limitar.
- Análise de variograma. Modelagem de continuidade espacial: como a similaridade diminui à medida que os pontos se distanciam. Parâmetros de alcance, peitoril e pepita. AI: explica o conceito de variograma, fornece um esqueleto de código; O geoestatístico verifica o ajuste do modelo.
- Predição (krigagem/IDW/simulação). Atribuição de notas a cada bloco do modelo de bloco. Krigagem é um método de estimativa ponderada baseado em variograma. IA: explica diferenças de métodos, constrói código; O especialista escolhe os parâmetros.
- Verificação. Validação cruzada, comparação de previsão com amostra, inspeção visual, controle de suavização. IA: gera gráficos de validação; O especialista faz o comentário.
- Classificação e relatórios. Classes de recursos/reserva, curva teor-tonelagem, compatibilidade JORC/UMREK. AI: rascunho de texto e tabela; A assinatura pertence à pessoa autorizada.
Dica: Não faça a IA dizer “você escolhe os parâmetros do variograma”. O alcance e o impacto da pepita dependem da geologia do corpo de minério; a escolha errada aumenta ou diminui sistematicamente a reserva. Use IA como gerador de código e cenário, deixe a decisão para o geoestatístico.
Curva teor-tonelada e teor limite econômico (corte)
O teor de corte é o limite que determina se um bloco é considerado minério ou ferrugem; o preço do metal depende do custo e da eficiência da planta. À medida que o teor limite muda, a tonelagem e o teor médio da reserva mudam; Essa relação é mostrada pela curva teor-tonelagem. A IA pode escrever código que calcula essa curva e comparar rapidamente cenários (diferentes pontos de corte, diferentes preços do metal). Mas o pressuposto de custo e preço com base no qual o limite é determinado é uma decisão económica e é tomada em conjunto pela equipa técnica e pela gestão.
três mini cases
Caso 1 — Negligência de limitação. Em um projeto de ouro, diversas perfurações produzem teores excepcionalmente altos de 120 g/t. A equipe os kriga sem limite; A nota média é de 2,4 g/t. A IA é validada cruzadamente; As estimativas são, na verdade, inflacionadas por muito pouca perfuração, com alguns blocos sendo atribuídos de forma extremamente alta. Após o nivelamento adequado (por exemplo, 30 g/t), a média diminui para 1,7 g/t. A diferença altera diretamente a viabilidade do projeto. AI produziu o cálculo e o gráfico; A decisão do nível de limite foi tomada pelo geoestatístico.
Caso 2 — Faixa errada. Se o alcance do variograma em um pórfiro de cobre for na verdade de 150 m, mas o modelo for considerado como sendo de 400 m, as áreas de perfuração esparsas parecerão muito “confiáveis” e os blocos que deveriam ser considerados inferidos mudarão para a classe indicada. Isto é detectado em uma auditoria e uma parte significativa do recurso é rebaixada para uma classe de confiança mais baixa. A IA havia gerado o código do variograma, mas o erro foi ampliado porque o intervalo não foi revisado por um especialista; A lição é garantir que o ajuste do modelo seja verificado por um especialista.
Caso 3 — Comparação correta de cenários. Em um projeto de ferro, a equipe deseja ver resultados de tonelagem para três limites diferentes (20%, 25%, 30% Fe). Eles escrevem um script Python para a IA que faz a lógica de massa/volume/densidade e cálculo de teor-tonelagem, usando seus próprios dados de modelo de bloco. Tabelas de script 3 cenários em segundos. A equipe valida os resultados manualmente em um bloco e entra na reunião de decisão com um gráfico de comparação claro. A IA acelerou o cálculo iterativo aqui; Os dados e a decisão pertenciam à equipe.
Modelos de prompt copiáveis
CÓDIGO DE COMPOSIÇÃO "Função: Você é um assistente de geoestatística. Escreva uma função com Python + pandas que converte dados de ensaio de intervalo para compostos FIXOS [1 m]. Regras: média PESADA da nota por duração do intervalo; pule e relate intervalos ausentes/vazios; processe separadamente com base no ID do furo. Escreva a suposição da unidade no início com uma linha de comentário. Retorne quantos intervalos foram ignorados no resultado. "
CONCEITO DE VARIOGRAMA + CÓDIGO "O que é um variograma: explique os conceitos de pepita, peitoril e alcance em linguagem simples. Em seguida, calcule o variograma experimental em uma direção e forneça um modelo esférico adequado ao esqueleto do código de classificação. Adicione uma nota de AVISO: o alcance e a pepita devem ser selecionados habilmente de acordo com a geologia do minério; NÃO SELECIONE esses valores."
CENÁRIO DE GRADE-TONNAGE "O rendimento do modelo de bloco contém as seguintes colunas: [x,y,z, teor, volume do bloco, densidade]. Escreva um script que calcule a tonelagem total e o teor médio em cada cenário para os seguintes valores de corte [0,3; 0,4; 0,5]. Interprete explicitamente a densidade e a suposição de unidade. Retorne o resultado como uma tabela de comparação."
COMENTÁRIO DE VALIDAÇÃO CRUZADA "Abaixo estão os resultados da validação cruzada de krigagem (real vs previsão). Comente: há viés sistemático, as previsões são suavizadas demais, em que faixa de notas o desvio é grande? NÃO tome uma decisão firme; sugira qual parâmetro o geoestatístico deve revisar. Dados: [colar]."
Alerta fraco / Alerta forte
PROMPT FRACO: "Calcule a reserva para este projeto."
PROMPT FORTE: "Função: Você é o assistente de geoestatística. Darei a você meu próprio modelo de bloco e parâmetros de variograma. Configure um fluxo Python com unidades interpretadas e suposições que produzam estimativa de krigagem + validação cruzada + curva de teor-tonelagem. SELECIONE parâmetros; use os meus. Anote no final do relatório que os resultados devem ser classificados e aprovados por uma pessoa qualificada (CP/QP) de acordo com JORC/UMREK."
Tabela de comparação: método e função da IA
passo
Objetivo
Função da IA
Julgamento de especialistas
Composição
Comprimento de suporte igual
Código + controle
Tamanho composto
Limite
Limite de valores discrepantes
Gráfico/estatísticas
Nível de limite
variograma
continuidade espacial
Conceito + código
Seleção de intervalo/pepita
krigagem
Previsão de bloqueio
Código + fluxo
Parâmetro + método
Classificação
Nível de confiança
rascunho de texto
Julgamento JORC/UMREK
Erros comuns
- Ignorando o limite. Algumas bonanças inflacionam o valor médio e a reserva.
- Tendo os parâmetros do variograma selecionados pela IA. O alcance/pepita depende da geologia; A escolha errada perturba sistematicamente a reserva.
- Confundir recursos com reservas. O recurso é geológico, a reserva é económica; As aulas não são intercambiáveis.
- Ignorando a suavização. A krigagem pode suavizar demais o teor; Reduz o alto teor e aumenta o baixo teor.
- Relatar a classificação sem aprovação da pessoa competente. JORC/UMREK é válido somente com a assinatura de uma pessoa autorizada.
Atenção: O número de reserva é uma declaração oficial divulgada à bolsa de valores, banco e investidor. Nenhum resultado intermediário produzido pela IA pode se tornar uma declaração oficial de reserva/recurso sem a avaliação independente e assinatura de uma pessoa competente (CP/QP).
Resumindo
Geoestatística é a disciplina de estimativa de todo o corpo de minério com incerteza proveniente de perfurações esparsas: composição, capeamento, variograma, krigagem, verificação e classificação. Neste fluxo, a IA é forte em codificação, comparação de cenários, cálculo de teor-tonelagem e gráficos de verificação. Mas os parâmetros do variograma, o nível de limitação e a classificação dos recursos/reservas são decisões de especialistas e a declaração oficial requer a assinatura da pessoa competente. O recurso é geológico, a reserva é económica; Nunca confunda essa distinção.
Tarefa de aplicativo
Produza tabelas de tonelagem e teor médio para três cortes diferentes usando o modelo "Cenário teor-tonelagem" com uma amostra (ou seus próprios) dados de teor compostos. Em seguida, faça com que a IA interprete um resultado de krigagem com o modelo “Interpretação de validação cruzada” e liste quais parâmetros precisam de revisão especializada. Por fim, peça à IA que explique a diferença entre recursos e reservas e níveis de confiança de classificação com suas próprias palavras e verifique sua precisão em relação à definição de código oficial.
lista de verificação
- [] Eu determinei o tamanho composto e as suposições da unidade, não deixei isso para a IA.
- [ ] O geólogo/geoestatístico tomou a decisão de limitar os valores extremos.
- [] Faixa de variograma e valor de pepita revisados por especialista.
- [ ] Testei o resultado da Krigagem com validação cruzada e inspeção visual.
- [] Usei classes de recurso e reserva corretamente e separadamente.
- [ ] Observei no relatório que é necessária a aprovação da pessoa competente (CP/QP) para a declaração oficial.