Metodologia para comparar a eficiência de alternativas para disposição de amostras

A avaliação de depósitos minerais é baseada na estimativa de valores de atributos de interesse ao longo do depósito. A amostragem do atributo, em cada local, é, comumente, realizada por sondagem, canaletas ou trincheiras. Contudo, devido aos elevados custos, em especial no que se refere à sondagem, o número de amostras disponíveis é limitado. Em geral, as informações amostradas são utilizadas na obtenção de estimativas ou simulações nos locais não amostrados, criando-se os ditos modelos de blocos. Após criados, os modelos de blocos podem, então, alimentar funções de transferência como, por exemplo, o VPL, que necessitam dos valores do atributo ao longo do depósito. Uma incerteza é associada às estimativas ou simulações, e conseqüentemente, ao valor calculado a partir destas para a função. Para reduzir a incerteza sobre a função, novas amostras devem ser coletadas. Como o número de sondagens é limitado, essas devem ser locadas a fim de trazer o maior benefício em termos de redução de incerteza. A locação de amostras adicionais seguindo uma malha regular e a locação de amostras nas regiões de elevada incerteza sobre o valor do atributo são dois esquemas possíveis para adensamento amostral. A idéia dessa tese é investigar qual a configuração de amostras (compreendendo dados iniciais e dados adicionais) mais eficiente na redução da incerteza sobre a função. A questão sobre quando adotar cada configuração é pesquisada. Para um mesmo número de dados iniciais, os desempenhos da configuração de amostras que compreende dados adicionados regularmente e daquela que compreende os dados adicionados nas regiões de elevada incerteza são avaliados, assim como, os fatores que influenciam nesses desempenhos. Simulação geoestatística é usada para acesso à incerteza sobre a função. Além disso, essa tese propõe um algoritmo para construção das configurações de amostras que visa agilizar a análise dos desempenhos dessas configurações, em cada caso.Mineral deposits evaluation is based on estimated values for relevant attributes along the deposit. Sampling of these attributes at each location is commonly carried out by drilling with core extraction, channel sampling or trenches. However, these types of sampling, specially drilling with core extraction, entail high costs, and due to these costs the number of samples is limited. Generally, the sampled information is used for estimates or simulations at unsampled locations to create the so called block models. After created, the block models can feed transfer functions as net present value, which require the values of the attribute along the deposit. It is known there is an uncertainty associated to the estimates or simulations, and consequently, to the function's value derived from this grade block models. In order to reduce the uncertainty about the function, new samples are required. As the number of drillings is limited, these new samples should be preferentially located in order to bring the maximum benefit in terms of uncertainty reduction. The location of additional samples following a regular grid and the location of samples at regions of high uncertainty related to the attribute's value are two possible schemes to be used. This thesis investigates which sample pattern (comprising initial and additional data) is the most efficient to reduce the uncertainty about a certain transfer function selected. The question about which sampling pattern should be used is investigated. Considering the same number of initial data, the efficiency of the two patterns, i.e. the one which add data regularly spaced and the one which add data at regions of high uncertainty are evaluated. Also, the factors which influence this efficiency are investigated. Geostatistical simulation is used to assess the uncertainty related to the block grades. Additionally, this thesis proposes an algorithm to build a sample pattern, thus making faster the evaluation of this pattern's efficiency