MINERÍA la mejor puerta de acceso al sector minero EDICIÓN 570 / MARZO 2025 36 Tabla 4. Resumen de Factores Importantes entre Diferentes Metodologías Fuente: elaboración propia. Nota. El mejor caso utilizando la metodología de Pysight nos brinda un mayor panorama en donde podemos escoger de entre diferentes escenarios el mejor VPN, cumpliendo los requerimientos de blending. Metodología Material Total (Ktons) Desmonte (Ktons) Mineral (Ktons) Au (g/t) Au Cont (Koz) NPV (M$) Mineral Fino (Ktons) Mineral Grueso (Ktons) Blending (Grueso/ Fino) Ganancia ($/Oz) Base Tradicional 214,163 116,205 97,958 0.53 1678 440.6 39661 46706 1.18 318.1 Base Tradicional Modificada 214,163 132,513 81,650 0.56 1482 340.9 23353 46706 2.00 335.1 Pysight Mejor Caso 197,753 128,107 69,646 0.62 1383 404.1 19528 38834 1.99 350.4 (Kržanović et al, 2018). El VPN positivo indica que el proyecto es rentable, mientras que un VPN negativo indica que el proyecto puede no ser viable desde el punto de vista financiero (Remer & Nieto, 1995). Presentación y discusión de resultados En el proceso de optimización, se generaron un total de 108 tajos de manera automatizada, lo que permitió explorar una amplia gama de escenarios. Estos tajos fueron evaluados en términos de sus ratios de blending que son presentados en la Tabla 1. La identificación de los tajos que cumplen con la relación de 2 a 1 en el blending fue realizada con el uso de tablas dinámicas. Al comparar la alternativa seleccionada (Pysight) con el método tradicional modificado, se observa que la primera presenta un VPN mayor, con un incremento del 18.5% en comparación con el segundo método. Esto significa que la alternativa propuesta genera una mayor rentabilidad por cada onza de oro producida. Estos resultados se encuentran detallados en la Tabla 2. Además de los beneficios económicos, la implementación de esta alternativa implica una reducción implícita del tamaño del tajo en un 8% y del leach pad en un 15%. Esta reducción podría traducirse en una disminución de la huella de carbono del proyecto, contribuyendo así a una operación más sostenible y responsable desde el punto de vista ambiental. La Figuras 2 y 3 muestran un gráfico llamado “montaña de valor” (hill of value) que ayuda a visualizar las oportunidades de generar más valor al proyecto con referencia a la estrategia emplazada (Hall, 2019). Como se muestra en la Tabla 4 un VPN de US$ 404.1 millones con una ganancia por onza de Au[9] de 350.4 $/oz, es el mejor caso a escoger, cumpliendo el factor de blending alineado a los objetivos para establecer un correcto balance de materiales que ingresan al pad con el blending adecuado. El VPN del método tradicional no es considerado aun siendo la más alta de las tres. Sin embargo, el VPN real será mucho menor al incluir el parámetro de mezcla de materiales al término de la elaboración del plan de minado. Moverá desmonte y mineral fino excedente innecesariamente generando pérdidas significativas en el valor total del proyecto. En la Figura 4, una sección transversal muestra los detalles en la diferencia geométrica del tajo óptimo. El tajo seleccionado por la metodología Pysight es menor al tajo óptimo tradicional en la pared con mayor presencia de minerales finos y desmonte. Esto implica una demanda menor en la capacidad del botadero, así como de una huella menor de impacto en el tajo que es inherente al menor manejo de aguas de contacto, menor consumo de combustible, etc. También existe la oportunidad de incluir los minerales dejados en las paredes en un periodo posterior debido a parámetros fluctuantes como el precio de los insumos y commodities que en general tienen un comportamiento con alta incertidumbre. Conclusiones 1.La metodología presentada es una alternativa genérica disponible para las operaciones mineras que implementen la necesidad de mezcla de materiales como parte de su proceso de beneficio, porque permite generar una amplia base de alternativas y cada una con diferentes datos resultantes de las combinaciones ejecutadas. 2.Una de las ventajas clave de esta metodología es su capacidad para generar una amplia base de escenarios en un tiempo relativamente corto. El algoritmo facilitó la generación de 108 tajos de manera automatizada. 3.La base de datos generada muestra ratios de mezcla en un rango de 0.89 a 2.64 (Tabla 2). Siendo 2 el ob-
RkJQdWJsaXNoZXIy MTM0Mzk2