TTE293

RESUMEN

El yacimiento Encuentro se localiza en el Distrito Minero Centinela (DMC) a 30 km al

sureste de la localidad de Sierra Gorda, de la región de Antofagasta, en las cercanías a la traza

de falla Centinela, una de las ramas principales del Sistema de Falla Domeyko. Dentro de

esta franja, de rumbo NNE y 40 km de largo, exponen asociaciones de rocas intrusivas,

volcánicas y sedimentarias del Triásico-Jurásico, juntos con rocas volcánicas e intrusivas del

Cretácico Superior y Paleógeno. Este sistema de fallas controla el emplazamiento de pórfidos

mineralizados de edades comprendidas entre 41 y 45 Ma, ligado al cinturón metalogénico

del Eoceno-Oligoceno.

En trabajos previos, las Unidades Geometalúrgicas (UGM) para el consumo de ácido

sulfúrico eran definidas y modeladas en función de la distribución del contenido de

carbonato, sin considerar la geología que compone el yacimiento Encuentro, ya que se

consideraba relevante para las operaciones el carbonato mayor a 0,5%. Sin embargo, no se

estimaba adecuadamente el consumo de ácido sulfúrico (CAN) para las zonas del depósito

en el que el carbonato es menor a 0,5%.

Reanalizando la información obtenida de las pruebas metalúrgicas en botellas ISO-pH, se

propone para las zonas con contenido de 3 menor a 0,5% la definición de tres Unidades Geometalúrgicas en función a la geología del yacimiento. La UGM1 con promedio consumo

de ácido neto de 4,3 kg/t representa la alteración potásica feldespática (KF). La UGM2 se

define para aquellas cuyo consumo de ácido neto promedio es 8,9 kg/t en respuesta a la

alteración potásica biotitica (KBT) y sericita (SER). Para la UGM3 el consumo de ácido neto

promedio es de 11,4 kg/t en respuesta a la influencia de la alteración clorita-sericita (CS). L a

UGM4 y UGM5 es definida principalmente en respuesta a la litología PORDAC (22 kg/t) y

TUFAN (29 kg/t) respectivamente, para sectores del yacimiento Encuentro donde el

carbonato es mayor a 0,5%, identificando a la ankerita como el principal mineral carbonatado

que tiene un efecto directo en el consumo de ácido sulfúrico.

Utilizando metodología Machine Learning se generaron modelos de predicción a partir de

101 botellas ISO-pH con mineralogía QEMSCAN, logrando hacer predicciones para el

consumo de ácido sulfúrico de 850 muestras QEMSCAN, por medio del modelo predictivo

1