BR112015021666B1

BR112015021666B1 - método implantado por computador para atualizar uma estimativa para uma propriedade de material de um volume e sistema de computador para atualizar uma estimativa para uma propriedade de material de um volume

Info

Publication number: BR112015021666B1
Application number: BR112015021666-8A
Authority: BR
Inventors: Danielle K. Robinson; Arman Melkumyan; Anna Chlingaryan
Original assignee: Technological Resources Pty. Limited
Priority date: 2013-03-05
Filing date: 2014-01-16
Publication date: 2021-01-26
Also published as: AU2018253651A1; AU2020204531A1; WO2014134655A1; ZA201506673B; CA3151050A1; CA2903580A1; WO2014134655A8; BR112015021666A2; US20160033676A1; AU2014225270A1; AU2018253651B2; CL2015002482A1; AU2020204531B2; CA2903580C

Abstract

ESTIMAÇÃO DE PROPRIEDADES DE MATERIAL. A presente revelação se refere a atualização de uma estimativa para uma propriedade de material de um volume, por exemplo, atualizar a estimativa de concentração de ferro em um bloco de um modelo de bloco de mina. A estimativa se baseia em valores de um ou mais parâmetros de modelo. Um processador recebe uma medição da propriedade de material fora do volume. Em seguida, o processador determina valores atualizados para os um ou mais parâmetros de modelo com base na estimativa e na medição e determina uma estimativa atualizada para a propriedade de material do volume com base nos valores atualizados para os um ou mais parâmetros de modelo e para a medição. Visto que uma medição fora do volume é usada para determinar parâmetros de modelo atualizados e uma estimativa atualizada desse volume, o modelo é mais preciso e a estimativa para a propriedade de material do volume é também mais precisa embora as medições dentro desse volume não estejam disponíveis.

Description

CAMPO DA TÉCNICA

[0001] Esta invenção refere-se à atualização de uma estimativa

para uma propriedade de material de um volume, por exemplo, porém, sem limitação, atualização da estimativa de concentração de ferro em um bloco de um modelo de bloco de mina.

ANTECEDENTES DA TÉCNICA

[0002] Fundos significativos são investidos no desenvolvimento de uma mina. O desenvolvimento de uma mina inclui fornecimento de máquinas móveis, como caminhões fora de estrada, escavadeiras, perfuradoras de orifício de desmonte e uma usina de processamento. As usinas de processamento podem incluir usinas para matérias-primas a granel, como usinas de lavagem de carvão ou trituradores de minério de ferro, bem como usinas de concentração para separar o material desejado, como ouro dos resíduos. A viabilidade econômica do desenvolvimento de mina depende principalmente do material que é extraído do solo. Portanto, companhias de recursos exploram as propriedades de material no solo antes de iniciar o desenvolvimento da mina.

[0003] A Figura 1 ilustra um cenário de exploração simplificado 100. Uma perfuradora 102 perfura um orifício de perfuração 104 e extrai um núcleo do orifício de perfuração 104. Com base em uma análise do núcleo, um recurso 106 é localizado. Os orifícios de perfuração adicionais fornecem uma visão mais precisa da dimensão de extração do recurso 106, mas também incluem um custo significativo, como o custo de brocas de diamante. Portanto, uma troca entre o custo inicial e a qualidade de informações é apresentada a uma companhia de recursos.

[0004] Uma vez que a companhia de recursos está suficientemente informada sobre o formato do recurso, a companhia de recursos inicia o desenvolvimento de uma nova mina. As perfuradoras de orifício de desmonte são despachadas e os orifícios de desmonte perfurados são carregados com explosivos. Após a detonação, equipamento de escavação, como escavadeiras, se move para o sítio de desmonte e começa a carregar a rocha rachada nos caminhões, que transportam o material para uma pilha de resíduos. Quando as rochas carregadas contêm o material desejado, os caminhões transportam o material para uma usina de processamento.

[0005] Qualquer discussão de documentos, atos, materiais, dispositivos, artigos ou similares que foram incluídos no presente relatório descritivo não devem ser considerados como uma admissão de que qualquer uma ou todas essas matérias formam parte da base da técnica anterior ou foram de conhecimento geral comum no campo relevante para a presente revelação como se existisse antes da data de prioridade de cada reivindicação deste pedido.

[0006] Ao longo de todo esse relatório descritivo, a palavra "compreendem" ou variações como "compreende" ou "que compreende" se destinam a implicar a inclusão de um elemento, número inteiro ou etapa afirmados, ou grupo de elementos, números inteiros ou etapas, mas não a exclusão de qualquer outro elemento, número inteiro ou etapa, ou grupo de elementos, números inteiros ou etapas.

REVELAÇÃO DA INVENÇÃO

[0007] Em um primeiro aspecto é fornecido um método implantado por computador para atualizar uma estimativa para uma propriedade de material de um volume, em que a estimativa tem como base valores de um ou mais parâmetros de modelo, em que o método compreende: (a) receber uma medição da propriedade de material fora do volume; (b) determinar valores atualizados para os um ou mais parâmetros de modelo com base na estimativa e na medição; e (c) determinar uma estimativa atualizada para a propriedade de material do volume com base nos valores atualizados para os um ou mais parâmetros de modelo e a medição.

[0008] É uma vantagem que uma medição fora do volume é usada para determinar parâmetros de modelo atualizados e uma estimativa atualizada daquele volume. Como resultado, o modelo é mais preciso e a estimativa para a propriedade de material de um volume também é mais precisa, embora as medições dentro daquele volume não estejam disponíveis. Por sua vez, uma ferramenta de planejamento que usa a estimativa atualizada pode determinar um uso mais eficiente de recursos com base nos dados de inserção mais precisos e toda a operação se torna mais rentável. A atualização de modelos com o uso de métodos tradicionais é um processo de recurso muito intensivo e demorado. Um dos benefícios do método proposto é que o mesmo despende menos tempo e recurso intensivo. Como resultado, muito mais modelos com informações melhores podem ser calculados para as equipes de mineração.

[0009] A medição pode ser de dados de ponto, uma média de superfície ou uma média de linha e pode ser associada a um primeiro banco de um poço de mina.

[0010] O volume pode ser associado a um segundo banco de um poço de mina e o segundo banco está abaixo do primeiro banco. O segundo banco pode estar imediatamente abaixo do primeiro banco.

[0011] A medição pode ser um ensaio de orifício de perfuração que pode ser obtida enquanto perfura e pode ter como base uma taxa de penetração de perfuradora.

[0012] A medição pode ter como base uma varredura de superfície hiperespectral.

[0013] A propriedade de material pode ser uma concentração de material.

[0014] O método pode compreender adicionalmente gerar uma exibição do volume, de modo que a aparência visual do volume tenha como base a estimativa atualizada para a propriedade de material.

[0015] A exibição pode compreender uma representação visual de pelo menos parte de um poço de mina que inclui múltiplos volumes.

[0016] O volume pode ter um primeiro número de dimensões e a medição pode ter um segundo número de dimensões que são menores que o primeiro número de dimensões.

[0017] Em um segundo aspecto, é fornecido um software, que quando instalado em um computador faz com que o computador realize o método do primeiro aspecto.

[0018] Em um terceiro aspecto, é fornecido um sistema de computador para atualizar uma estimativa para uma propriedade de material de um volume, em que a estimativa tem como base valores de um ou mais parâmetros de modelo, em que o sistema de computador compreende: uma porta de dados para receber uma medição da propriedade de material fora do volume; um processador para determinar valores atualizados para os um ou mais parâmetros de modelo com base na estimativa e a medição e para determinar uma estimativa atualizada para a propriedade de material do volume com base nos valores atualizados para os um ou mais parâmetros de modelo e a medição; e um armazenamento de dados para armazenar a estimativa atualizada.

[0019] Em um quarto aspecto é fornecido um método implantado por computador para modelar dados, em que o método compreende: (a) receber um primeiro conjunto de valores de dados, em que cada valor tem como base uma propriedade física estimada que tem um primeiro número de dimensões; (d) receber um segundo conjunto de valores de dados, em que cada valor tem como base uma propriedade física estimada que tem um segundo número de dimensões; e (e) selecionar com base nos primeiros e nos segundos números de dimensões uma dentre as múltiplas funções para moldar o primeiro e o segundo conjuntos de valores de dados.

[0020] É uma vantagem que uma função seja selecionada com base nos primeiros e nos segundos números de dimensões. Como resultado, o modelo se adapta a dimensionalidades diferentes dos parâmetros entrada e tem capacidade de fundir dados com dimensionalidades diferentes. Portanto, mais dados podem ser usados para treinar o modelo e isso leva a uma moldagem mais precisa dos dados.

[0021] O método do quarto aspecto pode compreender adicionalmente determinar valores de dados estimados com base no primeiro conjunto de valores de dados, no segundo conjunto de valores de dados e aquele selecionado dentre múltiplas funções.

[0022] O método do quarto aspecto pode compreender adicionalmente gerar uma exibição que compreende uma representação gráfica dos valores de dados estimados.

[0023] Cada valor de dados pode ser associado a uma localização da exibição e a cor daquele ponto na representação visual tem como base aquele valor de dados.

[0024] O método do quarto aspecto pode compreender adicionalmente: receber uma solicitação para um valor de dados estimado em uma localização de solicitação; determinar o valor de dados estimado com base na localização de solicitação, no primeiro conjunto de valores de dados, no segundo conjunto de valores de dados e naquele selecionado dentre múltiplas funções; e enviar o valor de dados estimado.

[0025] O primeiro conjunto de valores de dados pode ser ter como base uma média da primeira propriedade física estimada sobre o primeiro número de dimensões e o segundo conjunto de valores de dados tem como base uma média da segunda propriedade física estimada sobre o segundo número de dimensões. O primeiro número de dimensões pode ser três.

[0026] O método do quarto aspecto pode compreender adicionalmente determinar a média da primeira propriedade física estimada com o uso de um modelo geológico.

[0027] A primeira e a segunda propriedades físicas podem ser concentrações de material. O segundo número de dimensões pode ser um.

[0028] Cada um dentre o segundo conjunto de valores de dados pode ter como base uma média da segunda propriedade física estimada sobre pelo menos parte de um orifício de perfuração.

[0029] As múltiplas funções podem ser funções de covariância.

[0030] Quando o segundo número de dimensões é menor que o primeiro número de dimensões, a função selecionada pode ter como base uma diferença entre números inteiros de uma função de base.

[0031] O método do quarto aspecto pode compreender adicionalmente determinar parâmetros das múltiplas funções com base no primeiro e no segundo conjuntos de valores de dados.

[0032] As múltiplas funções podem se basear em um ou mais dentre: exponencial quadrático, exponencial, Matérn 3/2, e Matérn 5/2.

[0033] A seleção da função pode se basear em uma distância entre um ponto de modelagem e o ponto de âncora.

[0034] Em um quinto aspecto, é fornecido um software que, quando instalado em um computador, faz com que o computador realize o método do quarto aspecto.

[0035] Em um sexto aspecto, é fornecido um sistema de computador para modelar dados, sendo que o sistema de computador compreende: uma porta de dados para receber um primeiro conjunto de valores de dados, sendo que cada valor se baseia em uma propriedade física estimada que tem um primeiro número de dimensões, e para receber um segundo conjunto de valores de dados, sendo que cada valor se baseia em uma propriedade física estimada que tem um segundo número de dimensões; e um processador para selecionar, com base nos primeiros e nos segundos números de dimensões, uma dentre múltiplas funções para modelar o primeiro e o segundo conjuntos de valores de dados. [0036] Em um sétimo aspecto, é fornecido um formato de dados para armazenar em uma mídia não transitória dados de modelo, sendo que o formato de dados compreende: um primeiro conjunto de valores de dados, sendo que cada valor se baseia em uma primeira propriedade física estimada que tem um primeiro número de dimensões espaciais; um segundo conjunto de valores de dados, sendo que cada valor se baseia em uma segunda propriedade física estimada que tem um segundo número de dimensões espaciais, sendo que o segundo número de dimensões espaciais é menor que o primeiro número de dimensões espaciais, em que cada valor do primeiro conjunto e cada valor do segundo conjunto é associado a um ponto de âncora e a um vetor de tamanho, sendo que o ponto de âncora e o vetor de tamanho têm o primeiro número de dimensões espaciais.

[0037] É uma vantagem que os valores de ambos o primeiro e o segundo conjunto sejam associados a um ponto de âncora e a um vetor de tamanho que têm o mesmo número de dimensões. Como resultado, o formato de dados é unificado para diferentes dimensões de entrada, o que significa que um método de modelagem pode processar dados com diferentes dimensões sem reformatar os dados.

[0038] Em um oitavo aspecto, é fornecido um método implantado por computador para armazenar em uma mídia não transitória dados a serem fundidos com um primeiro conjunto de valores de dados, sendo que cada valor se baseia em uma propriedade física estimada que tem um primeiro número de dimensões espaciais, sendo que o método compreende: receber um segundo conjunto de valores de dados, sendo que cada valor se baseia em uma propriedade física estimada que tem um segundo número de dimensões espaciais, que o segundo número de dimensões espaciais é menor que o primeiro número de dimensões espaciais; e armazenar para cada valor do segundo conjunto uma associação a um ponto de âncora e a um vetor de tamanho, sendo que o ponto de âncora e o vetor de tamanho têm o primeiro número de dimensões espaciais.

[0039] Em um nono aspecto, é fornecido um software que, quando instalado em um computador, faz com que o computador realize o método do oitavo aspecto.

[0040] Em um décimo aspecto, é fornecido um sistema de computador para armazenar em uma mídia não transitória dados a serem fundidos com um primeiro conjunto de valores de dados, sendo que cada valor do primeiro conjunto de valores de dados se baseia em uma propriedade física estimada que tem um primeiro número de dimensões espaciais, sendo que o sistema de computador compreende: uma porta de dados para receber um segundo conjunto de valores de dados, sendo que cada valor se baseia em uma propriedade física estimada que tem um segundo número de dimensões espaciais, que o segundo número de dimensões espaciais é menor que o primeiro número de dimensões espaciais; e um processador para armazenar para cada valor do segundo conjunto uma associação a um ponto de âncora e a um vetor de tamanho, sendo que o ponto de âncora e o vetor de tamanho têm o primeiro número de dimensões espaciais.

[0041] Os recursos opcionais descritos em qualquer aspecto, onde for adequado, se aplicam de modo similar a outros aspectos também descritos neste documento.

BREVE DESCRIÇÃO DOS DESENHOS

[0042] A Figura 1 ilustra uma exploração simplificada de um depósito.

[0043] Um exemplo será descrito em referência a

[0044] A Figura 2 ilustra um esquema básico de uma mina de fosso aberto simplificada.

[0045] A Figura 3 ilustra um sistema de computador para modelar dados e determinar uma estimativa atualizada para uma propriedade de material de um volume.

[0046] A Figura 4 ilustra um método para atualizar uma estimativa para uma propriedade de material de um volume.

[0047] A Figura 5 ilustra um modelo em bloco para propriedade de material em solo.

[0048] As Figuras 6a, 6b e 6c ilustram várias medições de exemplo.

[0049] A Figura 7 ilustra um método implantado por computador para modelar dados.

MELHOR MODO PARA REALIZAR A INVENÇÃO

[0050] A Figura 2 ilustra uma mina de fosso aberto simplificada 200. Embora a Figura 2 mostre uma operação de fosso aberto, deve-se entender que a invenção é igualmente aplicável a operações subterrâneas. A mina 200 compreende um depósito de minério de ferro 202, uma perfuradora de orifício de desmonte 204, uma escavadeira 206, caminhões vazios 208 e 210 e caminhões carregados 212, 214 e 216. Conforme mencionado acima, a perfuradora 204 perfura orifícios de desmonte, o material é explodido e, então, carregado no caminhão 210. O caminhão 210, então, transporta o material para uma planta de processamento 218. Embora alguns dos exemplos a seguir se refiram à mineração de minério de ferro, deve-se entender que a invenção também é aplicável a outras operações de mineração, tais como extração de carvão, cobre ou ouro.

[0051] A mina compreende adicionalmente um centro de controle 222 conectado a uma antena 224 e que hospeda um computador 226. O centro de controle 222 monitora dados de operação recebidos das máquinas de mineração sem fio por meio da antena 224. Em um exemplo, o centro de controle 222 está localizado próximo ao sítio da mina, enquanto, em outros exemplos, o centro de controle 222 é afastado do sítio da mina, tal como na cidade principal mais próxima ou no centro de operações da empresa de recursos. No exemplo da Figura 2, a mina 200 também compreende um veículo de inspeção 230 com uma câmera hiperespectral 232. Um varredor a laser também pode ser usado em vez de ou em adição à câmera hiperespectral 232.

[0052] Embora o depósito de minério de ferro 202 seja indicado como uma região sólida, deve-se compreender que o formato exato do depósito 202 não é conhecido antes de iniciar a mineração. Um software de modelagem executado no computador 226 fornece uma estimativa do depósito 202 com base na perfuração de exploração, conforme explicado em referência à Figura 1. Entretanto, conforme mencionado anteriormente, o custo de perfuração de exploração é alto e, portanto, o tamanho modelado do depósito 202, que é a propriedade de material para volumes específico, é localmente inexato, o que dificulta planejar a operação de mineração.

[0053] A fim de fornecer uma estimativa mais exata, o depósito 202 é continuamente atualizada por medições recebidas da perfuradora de orifício de desmonte 204, o que significa que a estimativa é de maior qualidade e de maior uso para a empresa de recursos. Isso é possível onde as propriedades de material do depósito 202 e as propriedades do material perfurado pela perfuradora de orifício de desmonte 204 são correlacionados. Portanto, a informação a partir da perfuradora de orifício de desmonte 204 permite reduzir a incerteza da estimativa do depósito 202.

[0054] Nesse exemplo, o gabarito da mina compreende vários bancos, tais como o banco 240, no qual a perfuradora de orifício de desmonte 204 está localizada, e o banco 242, que está abaixo do banco 240 e no qual a escavadeira 206 está localizada. O banco 240 compreende um primeiro volume 244 de material entre o nível da perfuradora de orifício de desmonte 204 e o nível da escavadeira 206. O banco 242 compreende um segundo volume 246 de material abaixo da escavadeira 206 e acima do próximo nível abaixo.

[0055] A Figura 3 ilustra um sistema de computador 300 que compreende o computador 226 localizado no centro de controle 222 na Figura 2. O computador 226 inclui um processador 314 conectado a uma memória de programa 316, uma memória de dados 318, uma porta de comunicação 320 e uma porta de usuário 324. O software armazenado na memória de programa 316 faz com que o processador 314 realize o método da Figura 4, isto é, o processador recebe medições e determina uma estimativa atualizada para uma propriedade de material de um volume conforme descrito a seguir. O processador 314 recebe dados a partir da memória de dados 318 assim como da porta de comunicação 320 e da porta de usuário 324, que é conectada a um visor 326 que mostra uma representação visual 328 de um modelo geológico para um operador 330.

[0056] Embora a porta de comunicação 320 e a porta de usuário 324 sejam mostradas como entidades distintas, deve-se entender que qualquer tipo de porta de dados pode ser usado para receber dados, tais como uma conexão de rede, uma interface de memória, um pino do pacote de chip de processador 31 ou portas lógicas, tais como soquetes IP ou parâmetros de funções armazenadas na memória de programa 316 e executadas pelo processador 314. Esses parâmetros podem ser manuseados por valor ou por referência no código-fonte. O processador 314 pode receber dados através de todas essas interfaces, que incluem acesso a memória de memória volátil, tal como cache ou RAM, ou memória não volátil, tal como uma unidade de disco óptico, unidade de disco rígido, servidor de armazenamento ou armazenamento em nuvem. O sistema de computador 300 pode ser adicionalmente implantado em um ambiente de computação em nuvem.

[0057] A Figura 4 ilustra um método 400 para atualizar uma estimativa para uma propriedade de material de um volume. Em um exemplo, a propriedade de material é a concentração de ferro, tal como uma porcentagem de ferro (Fe) no minério de ferro. Em outros exemplos, a propriedade de material é a concentração de diferentes materiais, tais como cobre, a dureza do material ou a razão de massa informe. Massa informe é um termo para pedaços de minério de ferro que são maiores que um tamanho limite, tal como 25 mm, e geralmente atraem um maior preço no mercado mundial do que os sólidos finos, que estão abaixo do tamanho limite. A razão de massa informe é uma razão de peso das peças de tamanho de massa informe em relação aos sólidos finos e é um indicador para o valor do material. Em um exemplo, o volume é um cuboide, mas deve-se entender que o método é igualmente aplicável a outros volumes regulares, tais como estruturas de tetraedro ou de colmeia, e volumes irregulares. O volume também pode ser um bloco de um modelo em bloco.

[0058] A Figura 5 ilustra um modelo de bloco 500 para propriedade de material no solo. O modelo de bloco particiona o material subterrâneo de uma mina em múltiplos volumes, como blocos, e atribui uma estimativa da propriedade de material para cada bloco. Nesse exemplo, os blocos são cubos, mas outros formados tridimensionais também são possíveis para definir um volume, como uma estrutura de favo de mel. No exemplo da Figura 5, um bloco branco indica resíduo e um bloco preto indica o depósito, como um depósito de minério de ferro. Em um exemplo, um bloco é considerado resíduo se a concentração de ferro no bloco estiver abaixo de um limite predeterminado, como 50% de ferro, e vice-versa, um bloco é considerado como parte do depósito se a concentração de ferro estiver acima do limite.

[0059] A estimativa original que é posteriormente atualizada baseia- se em valores de parâmetros de modelo. Por exemplo, a estimativa é determinada para os blocos do modelo 500. Isso significa, o processador 314 avaliar o modelo e o resultado da avaliação de modelo é a estimativa da propriedade de material. Nesse exemplo, a resolução horizontal do modelo 500, isto é, o número de blocos em uma camada horizontal do modelo 500, é maior do que número de furos de perfuração de explicação 104 na Figura 100. Como um resultado, muitos blocos de modelo 500 estão entre furos de perfuração e, portanto, nenhuma medição da propriedade de material está disponível.

[0060] Em um exemplo, a determinação de uma estimativa para a propriedade de material dos blocos do modelo 500 baseia-se em interpolação, como com o uso de um processo gaussiano (GP). A função de covariância do processo gaussiano define a covariância entre dois valores do modelo e declina com a distância entre os dois valores. Portanto, a função de covariância define se os dados mudam rapidamente ou é relativamente suave. Os tipos diferentes de funções de covariância são adequados, os quais são listrados adicionalmente abaixo. Cada função de covariância tem parâmetros de modelo que caracterizam a função de função de covariância. Em um exemplo, os parâmetros de modelo são hiperparâmetros do processo gaussiano, como um fator de escalamento a0, um componente de ruído a„ e um comprimento característico l, que descreve a distância através da qual os pontos são correlacionados em uma determinada vizinhança. Para simplicidade de apresentação, um comprimento característico monodimensional é usado aqui, mas deve ser compreendido que vetores bi ou tridimensionais podem ser usados igualmente. Em um exemplo, as escalas de comprimento características lx, ly, lz são usadas, as quais definem quão rápidas as correlações entre os pontos reduzem conforme os pontos se distanciam mais nas direções correspondentes. Visto que esses parâmetros definem o modelo, a estimação da propriedade de material com o uso do modelo baseia-se nos parâmetros de modelo.

[0061] A determinação dos parâmetros da função de covariância é tipicamente realizada com base nos dados disponíveis, isto é, os dados de exploração da Figura 1 potencialmente em combinação com os ensaios de orifício de desmonte. Em outro exemplo, as informações espaciais geológicas podem ser usadas como um ponto inicial. Um algoritmo de otimização, como um algoritmo de gradiente mais íngreme, é usado para otimizar iterativamente uma função de custo que se baseia nos parâmetros de modo que o ajuste aos dados seja ótima. Os derivados parciais de forma fechada da função de custo em relação aos parâmetros aceleram significativamente o processo.

[0062] Em um exemplo, a estimativa da propriedade de material para um volume é uma soma ponderada das propriedades de material dos volumes circundantes determinados pelas perfurações de exploração da Figura 1. Os pesos são determinados pela função de covariância de modo que os valores com uma covariância alta tenha um peso grande.

[0063] A primeira etapa do método 400 na Figura 4 é receber 402 uma medição da propriedade de material fora do volume. Fora do volume significa que pelo menos parte da medição está fora do bloco que está sendo estimado. No exemplo da Figura 2, as medições são de propriedade de material de volume 244, que está fora do volume 246. Em outro exemplo, um orifício de perfuração em banco 240 pode atingir um bloco em banco 242, mas uma parte do orifício de perfuração está fora do banco 242, isto é, em banco 240. Portanto, a medição está fora do volume que modela o banco 242.

[0064] No exemplo da Figura 2, o processador 314 no computador 226 recebe dados de medição dados da perfuradora de orifício de desmonte 204 e da câmera hiperespectral 232. Esses dados podem ter várias formas diferentes.

[0065] As Figuras 6a, 6b e 6c ilustram várias medições exemplificativas que podem ser usadas pelo método. A Figura 6a ilustra um orifício de desmonte 602 perfurado pela perfuradora de orifício de desmonte 204 em uma direção para o depósito 202. Embora o orifício de desmonte 602 esteja sendo perfurado, lascas de perfuração são expelidas do orifício de desmonte 602 e formam um poço 604 ao redor da abertura do orifício de desmonte 602. Um trabalhador no sítio ou uma máquina de amostragem então obtém uma amostra das lascas de perfuração e analisa quimicamente a amostra para medir a propriedade de material no orifício de desmonte 602. Visto que as lascas de perfuração são uma mistura de lascas de todo o orifício de desmonte, a medição representa uma média de linha 606 da propriedade de material ao longo do comprimento do orifício de desmonte. Nesse caso a média de linha 606 é 20% de ferro ao longo do comprimento do orifício de desmonte.

[0066] A média de linha 606 é associada a uma posição 608 do orifício de desmonte na forma de um conjunto de coordenadas x, y e z, como longitude, latitude e elevação. Em um exemplo, a posição é obtida por um GPS ou receptor de GPS diferencial montado na perfuradora de orifício de desmonte 204. A média de linha 606 é associada adicionalmente a um ponto inicial 610 e um ponto final 612. O ponto final 612 também é a profundidade do orifício de desmonte 602 e o ponto inicial 610 pode ser omitido. Nota-se que em alguns exemplos, a média está somente sobre uma parte do orifício de perfuração ao invés do orifício de perfuração inteiro.

[0067] A Figura 6b ilustra um exemplo diferente de uma medição da propriedade de material. Nesse exemplo, a medição é um ensaio em orifício de perfuração 620 que é extraído do orifício de desmonte 602, que significa que múltiplos valores para a propriedade de material em profundidades diferentes do orifício de desmonte estão disponíveis. Obviamente, o ensaio em orifício de perfuração pode ser para um orifício de exploração separado em vez de um orifício de desmonte. Em um exemplo, o ensaio é extraído com o uso de uma perfuradora de núcleo e analisar o núcleo em um laboratório químico. Em um exemplo diferente, a dureza da rocha é medida medindo-se a taxa de penetração ou o torque na coluna de perfuração enquanto se perfura.

[0068] No exemplo da Figura 6b, o ensaio 620 compreende uma primeira região 622, uma segunda região 624 e uma terceira região 626. Cada região é associada a uma medição separada. Nesse exemplo, o minério de ferro é minerado e furadeira de orifício de desmonte 204 perfura a primeira região 622 com uma taxa de penetração relativamente baixa de 15 metros por hora, que indica uma rocha relativamente dura e, portanto, pode ser um indicador de resíduo. A medição da primeira região 622 é associada a coordenadas 628 da primeira região que indicam o centro da primeira região 622. A medição inclui um valor 630 da medição de 15 m/h e é associada adicionalmente ao ponto inicial 632 e ao ponto final 634 ao longo da linha do orifício. A primeira região 622 pode ser considerada como uma média de linha entre o ponto inicial 632 e o ponto final 634. Alternativamente, a primeira região 622 pode ser considerada como dados de ponto quando a medição 630 é associada ao ponto como definido pelas coordenadas 628. Em um exemplo, a decisão entre a média de linha e os dados de ponto é feita com base no comprimento das regiões. Se o ensaio 620 compreender muitas regiões curtas, como 10 regiões em que todas as quais são menores do que 1 metro, então as regiões são consideradas como dados de ponto. As regiões que são maiores, como maior do que 1 metro são consideradas como média de linha.

[0069] Semelhante à primeira região 622, a segunda região 624 é associada às coordenadas 636, valor de medição 638 de ponto inicial 640 e ponto final 642. A terceira região 626 também é associada às coordenadas 644, valor de medição 638 de ponto inicial 640 e ponto final 650. Os pontos inicial e final das regiões 622, 624 e 626 podem ser calculados quando necessários com base nas coordenadas das regiões e não armazenados com o ensaio 620.

[0070] A Figura 6c ilustra ainda outro exemplo da medição da propriedade de material. Nesse exemplo, a medição é uma imagem hiperespectral bidimensional 660 da superfície da mina capturada pela câmera hiperespectral 232 na Figura 2. A imagem 660 compreende diversas localizações de imagem, como pixel 662. O Pixel 662 cobre uma área da mina 200 dependendo da distância da câmera 232 a partir do solo, do comprimento focal da lente da câmera, da resolução e do tamanho do sensor de imageamento. Cada pixel é associado a uma localização de pixel e um valor de medição que representa a propriedade de material do solo naquela localização de pixel. O processador 314 associa cada localização de pixel com uma localização geográfica, como por triangulação com base em uma medição de distância separada ou mapa de profundidade.

[0071] Por exemplo, o pixel 662 cobre uma área de 1 metro por 1 metro em que a pá 206 está localizada na Figura 2. Essa área está sobre a superfície do volume 246 e, portanto, também dita estar fora do volume 246. O sensor de imagem captura a radiância naquela localização por diversos comprimentos de onda diferentes, como 1000 amostras entre infravermelho e ultravioleta. Tipicamente, algumas dessas amostras ficam fora do espectro visível. As amostras na localização representam um espectro de radiância e com base em um espectro conhecido de ferro, a concentração de ferro naquela localização pode ser determinada como um valor de medição. Esse valor de medição é, então, associado à localização de pixel ou a localização geográfica daquela localização de pixel. No exemplo da Figura 6c, as localizações de pixel na periferia da imagem 660 são brancas e, portanto, indicam uma baixa concentração de ferro, o que é resíduo. Em contraste, as localizações de pixel no centro da imagem 660 são pretas e, portanto, indicam uma concentração de ferro alta, que é o depósito 202 na Figura 2.

[0072] Conforme explicado com referência à Figura 6b, os valores de medição dos pixels podem ser considerados como médias de superfície associadas a uma coordenada de centro 664, uma largura 666 e um comprimento 668 ou como dados de ponto associado a somente a coordenada de centro 664.

[0073] No exemplo a seguir, uma medição na forma de uma média de linha conforme explicado com referência à Figura 6a é usada. Nesse caso, o engenheiro de planejamento de mina e ou o software de planejamento de mina, determinou que o primeiro banco 240 sobre o qual a perfuradora de orifício de desmonte 204 está operando atualmente precisar ser desmontada. Essa decisão é feita e não requer uma atualização de estimativas de material daquele banco enquanto os orifícios de desmonte são perfurados. Entretanto, o planejamento de desmonte adicional do segundo banco 242 abaixo do primeiro banco 240 em um estágio que ainda não está finalizado. Isso significa que uma atualização mais precisa de estimativas de material do segundo branco 242 suporta a ferramenta de planejamento. Visto que o material tipicamente não muda rapidamente do banco superior 240 para o banco inferior 242, a medição da perfuradora de orifício de desmonte 204, que é associada ao banco superior 240, é usada para atualizar a estimativa de propriedade de material do bloco 246 associado ao banco inferior 242. Uma associação da medição com um banco pode ser implantada armazenando-se a medição como um valor de número em conjunto com um identificador de banco único como um registro em um banco de dados. Conforme a mineração progride mais e mais bancos são perfurados e desmontados, fornecendo novas informações que podem ser fundidas com o modelo para atualizar e aprimorar o mesmo.

[0074] Observa-se aqui que o banco 242 na Figura 2 está imediatamente abaixo do banco 240. Entretanto, isso não é necessário visto que a estimativa de um volume em um banco inferior pode ser atualizada com o uso de medições de um banco superior até mesmo se um ou mais bancos estiverem entre o banco inferior e o banco superior. Quanto maior é a distância entre o volume e a medição, menor é influência que a medição tem sobre a estimativa, mas a estimativa pode ainda ser melhor, isto é, pode ter uma confiança maior do que sem o uso da medição nos casos em que a medição e a estimativa estão correlacionadas geologicamente.

[0075] Referindo-se novamente ao método 400 na Figura 4 realizado pelo processador 314 na Figura 3. Conforme explicado anteriormente, o teor de ferro é estimado pelo processo gaussiano com base em uma função de covariância que tem fatores de escalação de parâmetros de modelo Oo, On e o comprimento característico l, ou escalas de comprimento características lx, ly, lz. Esses parâmetros de modelo foram determinados inicialmente com base em dados de exploração conforme explicado com referência à Figura 1. Visto que mais dados estão agora disponíveis a partir da perfuradora de orifício de desmonte 204, o processador 314 realiza uma otimização para adaptar o modelo aos novos dados. Como um resultado, o processador 314 usa os novos dados para determinar 404 os valores atualizados para O0, On e l, ou lx, ly, lz, com base na estimativa e na medição da perfuradora de orifício de desmonte 204. A descrição matemática exata do processo de atualização é fornecida adicionalmente abaixo,

[0076] Visto que os parâmetros de modelo O0, On e l, ou lx, ly, lz, são atualizados com base em novos dados da perfuradora de orifício de desmonte 204, o modelo pode fornecer uma estimativa mais precisa da propriedade de material. O processador 314 avalia, então, o modelo melhorado para determinar 406 uma estimativa atualizada para a propriedade de material do volume. Visto que o processador usa o modelo atualizado, essa estimativa atualizada se baseia nos valores atualizados para os parâmetros de modelo O0, On e l, ou lx, ly, lz, e a medição da perfuradora de orifício de desmonte 204.

[0077] O processador 314 pode usar as estimativas atualizadas para a propriedade de material para gerar uma exibição para mostrar as estimativas para o operador 330 no dispositivo de exibição 326. A aparência visual de cada bloco baseia-se na estimativa atualizada de modo que o operador possa determinar visualmente a propriedade de material. Em um exemplo, a aparência visual é a cor e a escala de for representa grau alto (Fe>60%) em vermelho, grau baixo (55%<Fe<60%) em verde e resíduo (Fe<55%) em azul.

[0078] Seguindo esse esquema, o processador 314 pode gerar uma exibição de uma parte da cova de mina que compreende múltiplos volumes, como blocos, conforme mostrado na Figura 5. A exibição pode ser sobreposta com uma imagem da operação de mineração conforme mostrado na Figura 2. Como um resultado, a exibição 328 compreende uma representação visual daquela parte da cova de mina. Por exemplo, uma imagem tridimensional da mina pode ser exibida e a concentração de ferro de um banco particular é mostrada codificada em cor como uma sobreposição da imagem.

[0079] Em um exemplo, a geração de uma exibição compreende apresentar os dados ao operador 330. Em outros exemplos, a geração de uma exibição compreende criar e armazenar um arquivo de imagem, como arquivo png, ou geração de instruções para um dispositivo para apresentar uma representação gráfica ao operador 330. O dispositivo de recebimento pode ser uma tela, um visor suspenso, uma impressora ou qualquer outro dispositivo de exibição.

[0080] A Figura 7 ilustra um método implantado por computador para modelar dados conforme realizado pelo processador 314. O método começa pelo recebimento 702 de um primeiro conjunto de valores de dados. Cada valor se baseia em uma primeira propriedade física estimada que tem um primeiro número de dimensões. Em um exemplo, o primeiro conjunto de valores de dados são valores de dados estimados pelo modelo de bloco geológico 500 na Figura 5, como o modelo EPR da Rio Tinto. Observa-se que o modelo pode ser de qualquer tipo. Nesse exemplo, é o modelo EPR ou o modelo externo regularizado. Nesse caso, isso significa que as unidades de mineração selecionadas são consideradas e as regressões metalúrgicas são adicionadas.

[0081] A primeira propriedade física, nesse exemplo, é a concentração de ferro em um bloco tridimensional no solo. Isso significa que a primeira propriedade física é uma média de volume e, portanto, tem três dimensões. No sistema de computador 226, o primeiro conjunto de valores de dados pode ser representado por uma variável de ponto de flutuação para o valor de dados e três variáveis de número inteiro para as três dimensões, ou seja, os tamanhos do bloco no modelo em milímetros. Conforme mencionado anteriormente, o recebimento dos valores de dados também pode compreender chamar uma função de API do modelo e receber os valores de dados na forma de valores de retorno ou valores modificados de indicadores variáveis.

[0082] A próxima etapa do método 700 é receber 704 um segundo conjunto de valores de dados. Cada valor do conjunto de segundos valores de dados se baseia em uma propriedade física estimada que tem um segundo número de dimensões. Conforme explicado em referência à Figura 6, esse segundo conjunto de valores de dados pode ter vários números de dimensões diferentes. Em um exemplo, o segundo conjunto de valores de dados são médias de linha que têm uma dimensão de concentração de ferro de um furo de desmonte recebido a partir da perfuradora de orifício de desmonte 204.

[0083] Um processo gaussiano pode ser usado para inferir a elevação em qualquer localização em uma região de terreno com base em valores de elevação medidos em certas localizações de medição. Tal método pode processar apenas elevações como entrada de medição e pode, portanto, não ser aplicável quando as estimativas das propriedades de material precisam ser processadas.

[0084] A fim de superar esse problema, o processador 314 tem múltiplas funções de covariância disponíveis e o método 700 compreende selecionar, com base nos primeiros e segundos números de dimensões, uma das múltiplas funções para modelar o primeiro e o segundo conjuntos de valores de dados.

[0085] Em um outro exemplo, o processador 314 recebe um ou mais conjuntos de valores de dados adicionais com os respectivos números de dimensões e seleciona uma das múltiplas funções com base nesses números de dimensões para modelar os conjuntos de valores de dados.

[0086] A função de covariância selecionada pode então ser usada pelo processador 314 para determinar as concentrações de material estimadas em qualquer localização da região modelada. Nesse exemplo acima, essa estimativa se baseia na concentração previamente modelada, nos dados de orifício de perfuração medidos e na função de covariância.

[0087] A concentração de material estimada pode tanto ser usada como uma entrada para uma ferramenta de planejamento de mina ou outro software, quanto para gerar um visor que compreende uma representação gráfica dos valores de dados estimados em diferentes localizações da mina.

[0088] Quando a concentração de material estimada é usada como uma entrada para outras ferramentas, o processador 314 recebe uma solicitação daquela ferramenta para um valor de dados estimado. Essa solicitação é associada a uma localização de solicitação, que é a localização para a qual a estimativa é solicitada. Essa localização pode simplesmente ser a mina inteira, o que significa que uma estimativa é solicitada para cada volume do modelo de mina. O processador 314 então realiza a etapa de estimativa, o que significa que o processador 314 determina o valor de dados estimado com base na localização de solicitação, nos valores de dados modelados, nos valores de dados medidos e na função de covariância selecionada. Finalmente, o processador 314 envia o valor de dados estimado para a ferramenta de solicitação. Conforme explicado para o recebimento de dados, o envio de dados pode se dar através de uma interface de dispositivo, como LAN ou USB, uma interface de memória, um conector de chip, um parâmetro de uma função de API ou qualquer outro meio de transmissão de dados.

[0089] Uma descrição matemática detalhada do processo de atualização será agora fornecida. Em um exemplo, o modelo consiste em teores de elementos calculados como média sobre blocos de 15 m x 15 m x 10 m. Os ensaios de orifício de desmonte representam os valores médios dos teores de elementos ao longo de orifícios de desmonte que podem ter diferentes comprimentos. Portanto, para permitir a fusão do modelo aos ensaios, dois tipos de quantidades são correlacionados: médias de volume e médias de linha.

[0090] Tanto para as estimativas quanto para os ensaios de orifício de desmonte, é possível representar a iésima entrada como um volume Vi com seu ponto médio Ai = (ai1, ai2, ai3) e três tamanhos: comprimento, largura e altura Hi = (hi1, hi2, hi3). Uma vez que os ensaios de orifício de desmonte representam linhas verticais, para os mesmos hi1 = hi2 = 0 e hi3 # 0. Para o conjunto de dados de modelo hii = hi2 = 15 e hi3 = 10. Com o uso dessa representação unificada, os conjuntos de dados de ensaio de orifício de desmonte e modelo podem ser combinados para formar uma unidade:

que pode ser escrita como

em que N é o número combinado de entradas nos conjuntos de dados de orifício de desmonte e modelo.

[0091] A Equação (1) representa um formato de dados para o primeiro conjunto de valores de dados V1 a VNEPR e o segundo conjunto de valores de dados VNEPR+1 a VNEPR+NBH. No exemplo da média de linha de orifício de perfuração, o primeiro conjunto de valores de dados são tridimensionais, ao passo que o segundo conjunto de valores de dados são unidimensionais. Cada um dos valores de dados Vi é associado a um ponto de âncora Ai e um vetor de tamanho Hi. Conforme observado na Equação (1), tanto o ponto de âncora Ai quanto um vetor de tamanho Hi tem o mesmo número de dimensões espaciais que o primeiro conjunto de valores de dados.

[0092] A fim de armazenar os dados, o processador 314 recebe o segundo conjunto de valores de dados. O segundo conjunto de valores de dados deve ser fundido ao primeiro conjunto de valores de dados, o que significa que ambos os conjuntos de dados contribuem para um único resultado. O resultado são os valores atualizados dos parâmetros de modelo e a estimativa atualizada da propriedade de material. Conforme mencionado anteriormente, cada valor se baseia em uma propriedade física estimada que tem um segundo número de dimensões espaciais, sendo que o segundo número de dimensões espaciais é menor que o primeiro número de dimensões espaciais. O processador 314 então armazena, para cada valor do segundo conjunto, uma associação a um ponto de âncora e um vetor de tamanho. O ponto de âncora e o vetor de tamanho têm o primeiro número de dimensões espaciais, conforme explicado acima.

[0093] As observações correspondentes dos teores ou concentrações de ferro podem ser representadas como

[0094] Na Equação (2), £é é um ruído de observação que tem uma distribuição normal com média zero e variância , isto é,

[0095] Matematicamente, a tarefa é modelar as entradas (1)-(2) e determinar as estimativas para os blocos do modelo.

[0096] Observa-se que ao usar a representação unificada desenvolvida, o problema da fusão é formulado como um problema de modelagem de tarefa única com o uso de múltiplas fontes de informações (ensaios de orifício de desmonte e modelo) para modelar um único elemento químico, nesse caso, o ferro.

[0097] Para aplicar processos gaussianos (GPs) ao problema de modelagem definido acima, uma função de covariância é usada, a qual representa correlações entre médias de volume, médias de linha e medições de ponto. Na descrição a seguir, uma expressão genérica é derivada de tal função com o uso da representação matemática unificada (1)-(2). Dentro da expressão genérica obtida, as funções de covariância a seguir podem ser usadas como uma função de covariância básica: exponencial quadrático, exponencial, Matérn 3/2 e Matérn 5/2.

[0098] Considere a função f(x): R0 - R Se kk(x,x')-cov(f(x),f(x')), f(x) e f(x') e C covariância entre é uma região de integração, então a partir das relações básicas

[0099] se A e B são independentes, segue que

[00100]Admita que a função de covariância entre e tenha a forma

[00101] em que é um hiperparâmetro de escala de comprimento ao longo do eixo geométrico correspondente, e

[00102] Com o uso das Equações (3)-(5), a fórmula a seguir pode ser obtida para a covariância entre as observações da tarefa de fusão:

[00103] em que é uma iésima observação com ruído da Equação

[00104] Conforme pode ser visto nas Equações (5) e (8), Φ representa um número inteiro e, portanto, a função de covariância se baseia na diferença entre os números inteiros de uma função de base

[00105] Segue abaixo uma lista de funções de covariância exemplificativas equivalentes à Equação (7) nos casos especiais correspondentes. A notações a seguir são usadas: P: ponto; usado para ensaios de exploração. L: linha vertical; usada para ensaios de orifício de desmonte V: volume; usado para modelos de volume como o modelo de bloco 500

[00106] Ponto, Ponto:

[00107]Ponto, Linha:

[00108] Ponto, Volume:

[00109] Linha, Linha:

[00110] Linha, Volume:

[00111] Volume, Volume:

[00112] Se apenas ensaios de orifício de desmonte são recebidos para atualizar um modelo de volume, então, apenas eCo\(xL,x..) e covdXyseXyu) pode ser usada. se ensaios de exploração e ensaios de orifício de desmonte são recebidos aa ataliza m mdel de volume, então, todas as seis expressões de covariância podem ser usadas.

[00113] Para acelerar o processo de aprendizado dentro dos derivativos parciais de armação de GP da função de covariância em referência a seus hiperparâmetros podem ser usados. Os derivativos parciais dependerão dos valores de e A<J>-<q>e com base em (7) podem ser calculados pelas quatro formas a seguir:

[00114] se então

[00115] Se

[00116] Se então

[00117] As quantidades ’* e nas Equações (10) a (13) são os tamanhos dos volumes V, e V, que correspondem ao eixo geométrico

[00118] A função usada na Equação (4) é a núcleo de GP que define as propriedades da função fixa função <J>. Nos exemplos abaixo, o exponencial quadrático, exponencial, Matérn 3/2 e Matérn 5/2, núcleos são usados para <<^>p(-)<;>. As funções H<A v>)„N, Φ(-) definidas na Equação (5) para essas funções de covariância têm as formas a seguir:

[00119] Exponencial Quadrático

[00120] Exponencial

[00121] Mátern5/2

[00122] O caso de volumes distantes ocorre quando í>() Φ0 T(.) argumentos nas funções ’ e se grandes. Esse caso pode ser considerado separadamente devido ao fato Φ(.), Φ(.), Ψ(.) de que, nesse caso, os valores das funções e seus derivados se torna zero. Portanto, nesse caso, as expressões irão conter expressões indefinidas da forma 0/0 nas Equações (10) a (13). Isso ocorre devido ao fato de que as manipulações algébricas são conduzidas para solucionar as expressões indefinidas 0/0 para esse caso. p(-)

[00123] Em um exemplo, as formas apresentadas das funções /?(•) e são assumidas para ser válidas quando a Equação (5) ocorre dentro do intervalo

[00124] O caso de volumes distantes ocorre quando (19)

[00125] (19) Isso significa que a seleção da função de covariância baseia-se na distância entre o ponto de modelagem e o ponto de âncora.

[00126] Pode ser mostrado que se a Equação (19) ocorrer, então, o primeiro membro A na função ' pode ser omitido nas Equações (15) a (17) para o intervalo (18). O mesmo demonstra-se para o caso de núcleo Mátern 3/2:

[00127] Portanto, Co=O re resulta em ‘ Isso mostra que membro na função pode ser omitida para os cálculos. pit) Φ(0

[00128] Como a multiplicação e funções pela h“°:l . < 1 “—d cov (Wj, ) dl constante não mudará o valor de ’ , no caso de volumes distantes as funções podem ser usadas:

[00129] Ao invés de Equação (16). A situação similar se aplica para o caso de exponencial (15) e Matérn 5/2(17) núcleos com base nas derivações das seções anteriores da estratégia para atualizar o modelo EPR com o uso dos ensaios de orifício de desmonte pode ser definido conforme o seguinte: 1. Escolher os dados de conjunto de modelo a partir do banco de interesse (em um exemplo, banco 242). Tomar os ensaios de orifício de desmonte a partir do banco 240 acima. 2. Combinar tanto os conjuntos de dados em um único conjunto de dados com o uso da Equação de representação matemática unificada sugerida (l). 3. Aprender os hiperparâmetros aplicando-se o GP para os ensaios de orifício de desmonte a partir do banco 240 acima. Usar as derivadas (10) a (13) da função de covariância (7) para acelerar o processo de otimização. 4. Inferir o teor de ferro de média nos blocos EPR do banco 242 para encontrar o as incertezas correspondes, por exemplo, os stdβH desvios padrões Definir o ruído para o Conjunto de dados EPR na seguinte forma 5.1. Calcular o número de ensaios de orifício de desmonte ' , . . - I 1 ~th EPR que pertencem a cada bloco 5.2. Calcular a densidade de ensaios de orifício de desmonte I M . Aqui M é um número de blocos EPR com 5.3. Usar a seguinte expressão para o ruído EPR . D • (max (stdBH) - stdBH) if C, * 0; noise rPR =

Isso permite atualizar o Modelo EPR quando há ensaios de orifício de desmonte nesse bloco e deixa o EPR inalterado de outra forma. 6. Aplicar o GPs para o conjunto de dados de orifício de desmonte de modelo EPR com o uso de hiperparâmetros aprendidos e ruído EPR definido.

[00130] Será observado pelas pessoas versadas na técnica que diversas variações e/ou modificações podem ser feitas para as modalidades específicas sem se afastar do escopo como definido nas reivindicações.

[00131] Deve-se compreender que os conjuntos de procedimentos da presente revelação pode ser implantado com o uso de uma variedade de tecnologias. Por exemplo, os métodos descritos no presente documento podem ser implantados através uma série instruções executáveis por computador que reside em uma mídia legível por computador adequada podem incluir memória volátil (por exemplo, RAM) e/ou memória não volátil (por exemplo, ROM, disk), ondas de portadora e mídia de transmissão. As ondas de portadora exemplificativas podem tomar a forma de sinais elétricos, eletromagnéticos ou ópticos que transportam dados digitais vaporizam ao longo de uma rede local ou uma rede acessível publicamente tal como internet.

[00132] Deve-se entender que, salvo especificação contrário como aparente a partir da discussão a seguir, observa-se que através de toda descrição, as discussões que utilizam os termos tais como "estimativa" ou "processamento" ou "computação" ou "cálculo" ou "geração", "otimização" ou "determinação" ou "exibição" ou "maximização" ou similar, referem-se à ação e processos de um sistema de computador, ou dispositivos eletrônicos\de computação, que processam e transformam os dados representados como (equipamentos eletrônico) quantidades físicas dentro do sistema de registro e memórias de computador em outros dados representados similarmente como quantidades físicas dentro das memórias ou registros de sistema de computador ou outros tais dispositivos de armazenamento, transmissão ou exibição de informações.

Claims

1. Método implantado por computador para atualizar uma estimativa para uma propriedade de material de um volume, sendo que a estimativa se baseia em valores de um ou mais parâmetros de modelo, caracterizado pelo fato de que compreende as etapas de: (a) perfurar um ou mais orifícios de desmonte (602) dentro de um primeiro volume (244) de material usando uma perfuradora de orifício de desmonte (204); (b) obter uma medição da propriedade de material do primeiro volume (244) durante a perfuração de um ou mais orifícios de desmonte (602) e antes de desmontar ou escavar o primeiro volume (244); a medição sendo associada a um primeiro banco de um poço de mina e incluindo um ensaio em orifício de perfuração (620) do um ou mais orifícios de desmonte (602) no primeiro volume (244) e/ou dados de orifício de perfuração compreendendo: um local fornecido por um sistema de posicionamento global (GPS) obtido da perfuradora de orifício de desmonte (204) durante a perfuração do um ou mais orifícios de desmonte (602); e uma taxa de penetração de perfuradora obtida da perfuradora de orifício de desmonte (204) durante a perfuração do um ou mais orifícios de desmonte (602); (c) determinar valores atualizados para um ou mais parâmetros de modelo em que uma estimativa atual para uma propriedade de material de um segundo volume (246) de matéria se baseia, sendo que os valores atualizados são determinados a partir da estimativa atual e da medição obtida em (b), e o segundo volume (246) está abaixo do primeiro volume (244); (d) determinar uma estimativa atualizada para a propriedade de material do segundo volume (246) com base nos valores atualizados para os um ou mais parâmetros de modelo determinados em (c) e para a medição obtida em (b), sendo que o volume é associado a um segundo banco do poço de mina, o segundo banco está imediatamente abaixo do primeiro banco; e (e) enviar, por meio de uma rede para uma ferramenta de planejamento, a estimativa atualizada para a propriedade de material do segundo volume (246).

2. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que a medição são dados de ponto ou uma média de linha.

3. Método, de acordo com a reivindicação 1 ou 2, caracterizado pelo fato de que a propriedade de material é uma concentração de material.

4. Método, de acordo com qualquer uma das reivindicações anteriores, caracterizado pelo fato de que compreende adicionalmente gerar uma exibição do segundo volume (246), de modo que a aparência visual do segundo volume (246) se baseie na estimativa atualizada para a propriedade de material.

5. Método, de acordo com a reivindicação 4, caracterizado pelo fato de que a exibição compreende uma representação visual de pelo menos parte de um poço de mina que inclui múltiplos volumes.

6. Método, de acordo com qualquer uma das reivindicações anteriores, caracterizado pelo fato de que o segundo volume (246) tem um primeiro número de dimensões e a medição tem um segundo número de dimensões que é menor que o primeiro número de dimensões.

7. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que o ensaio de orifício de perfuração (620) compreende uma ou mais regiões.

8. Método, de acordo com a reivindicação 7, caracterizado pelo fato de que cada região do ensaio de orifício de perfuração (620) é associada a uma taxa de penetração de perfuradora.

9. Método, de acordo com a reivindicação 1, caracterizado pelo fato de que uma estimativa atualizada para a propriedade do material é usada para facilitar o planejamento da perfuração do segundo volume (246).

10. Sistema de computador para atualizar uma estimativa para uma propriedade de material de um volume, sendo que a estimativa se baseia em valores de um ou mais parâmetros de modelo, caracterizado pelo fato de que compreende: uma porta de dados para obter uma medição de uma propriedade de material de um primeiro volume (244) enquanto perfura um ou mais orifícios de desmonte (602) usando uma perfuradora de orifício de desmonte (204) e antes de desmontar ou escavar o primeiro volume (244), a medição sendo associada a um primeiro banco de um poço de mina e incluindo um ensaio de orifício de perfuração (620) do um ou mais orifícios de perfuração (602) no primeiro volume (244) e/ou os dados de orifício de perfuração compreendem: um local fornecido por um sistema de posicionamento global (GPS) obtido da perfuradora de orifício de desmonte (204) durante a perfuração do um ou mais orifícios de desmonte (602); e uma taxa de penetração de perfuradora obtida da perfuradora de orifício de desmonte (204) durante a perfuração do um ou mais orifícios de desmonte (602); um processador (314) para: determinar valores atualizados para um ou mais parâmetros de modelo em que uma estimativa atual para uma propriedade de material de um segundo volume (246) se baseia, sendo que os valores atualizados são determinados a partir da estimativa atual e a medição obtida pela porta de dados, e o segundo volume (246) está abaixo do primeiro volume (244); e determinar uma estimativa atualizada para a propriedade de material do segundo volume (246) com base nos valores atualizados para os um ou mais parâmetros de modelo determinados pelo processador (314) e para a medição obtida pela porta de dados, sendo que o volume é associado a um segundo banco do poço de mina, sendo que o segundo banco está imediatamente abaixo do primeiro banco; e uma ferramenta de planejamento conectada de rede para receber a estimativa atualizada para a propriedade de material do segundo volume (246).

11. Sistema, de acordo com a reivindicação 10, caracterizado pelo fato de que o ensaio de orifício de perfuração (620) compreende uma ou mais regiões.

12. Sistema, de acordo com a reivindicação 11, caracterizado pelo fato de que cada região do ensaio de orifício de perfuração (620) é associada a uma taxa de penetração de perfuradora.