Método geoestadístico para caracterizar minerales que afectan la recuperación de plata en un yacimiento de baja sulfuración en Ayacucho, Perú

Abstract

La presente investigación tuvo como objetivo proponer un método geoestadístico que permita identificar los elementos que afectan la recuperación de plata (Ag) en un yacimiento epitermal de baja sulfuración ubicado en la región Ayacucho, Perú. La población y muestra estuvieron conformadas por 404 muestras de minerales extraídas del yacimiento, recolectadas de manera sistemática en distintos puntos geográficos y con registro de coordenadas UTM y altitud. La metodología aplicada integró el análisis geoquímico descriptivo, correlación de Pearson, regresión lineal múltiple, modelamiento variográfico e interpolación espacial mediante Kriging y Co-Kriging. Estos métodos permitieron analizar la influencia de elementos minerales considerados indeseables (As, Cu, Fe, Pb y Zn) y el comportamiento del oro (Au) como elemento deseable. Los resultados demostraron que el cobre (Cu) presentó una correlación positiva significativa con la recuperación de plata (r = 0.108; p = 0.030), mientras que el hierro (Fe) tuvo una influencia negativa (r = -0.119; p = 0.017). En cambio, As, Pb y Zn no mostraron relevancia estadística. Por su parte, el oro (Au) evidenció una correlación positiva moderada con la plata (r = 0.400; p = 0.000), consolidándose como un indicador geoquímico favorable. El modelo predictivo con Au alcanzó un R² de 0.160, superior al modelo multivariado con elementos indeseables (R² = 0.051), y el análisis variográfico permitió determinar un rango estructural de 800 metros, facilitando la generación de mapas geoquímicos que delimitaron zonas favorables y desfavorables para la recuperación de Ag. Se concluye que el método geoestadístico propuesto es efectivo para representar espacialmente los factores que afectan la recuperación metalúrgica y permite optimizar las decisiones técnicas en procesos de tratamiento del mineral. Asimismo, se recomienda incorporar elementos deseables como el oro en futuros modelos predictivos para mejorar la eficiencia de recuperación en contextos similares.