Esta versión de Leapfrog Geo es un hito importante que fue posible gracias a la base sólida establecida en la versión anterior. Espere una facilidad de uso inigualable, funciones enfocadas en el futuro, mejor rendimiento, implementación más sencilla, mejoras centradas en el usuario y mejores flujos de trabajo.

Un gran impulso para el corazón del motor Leapfrog está aquí con múltiples conjuntos de datos de perforaciones que le brindan libertad para importar, visualizar y manipular más de un conjunto de datos en un proyecto. Verá mejoras de usabilidad en todo el producto con una funcionalidad de objeto de vena particularmente interesante y desarrollos de modelos subbloqueados.

Leapfrog Geo 2021.1 abre la puerta a un nuevo y poderoso complemento opcional, la extensión Geophysics, que le permite visualizar, analizar e integrar sin problemas diferentes formatos de datos geofísicos en los flujos de trabajo intuitivos de Leapfrog.

Hemos modernizado la implementación con un único instalador, la distribución simplificada a través de Seequent Connector y una mayor comodidad con la pestaña de proyectos únicos y la integración de Leapfrog Viewer.

Cambios Importantes

La última versión de Leapfrog es un hito importante para el ciclo de vida de los productos. Estamos allanando el camino para un mejor movimiento de datos entre cada producto y ayudando a facilitar el trabajo entre equipos multidisciplinarios; para ello, hemos realizado algunos cambios importantes en el producto:

Conector Seequent

Una forma más sencilla de iniciar y cerrar sesión en proyectos es aquí con Seequent Connector, solo necesitará ingresar sus credenciales una vez (inicio de sesión único) y podrá autenticarse y autorizar incluso para acceder a múltiples productos en un solo paso. La aplicación de la bandeja del sistema que se actualiza automáticamente le permite iniciar sesión de forma segura en Seequent Connector con su ID de Seequent , donde el servicio de licencias basado en ID permite convenientemente el acceso a la aplicación. Seequent Connector usa el navegador predeterminado de su sistema, con una pestaña que aparece cuando inicia Leapfrog (reemplazando la ventana de inicio de sesión anterior). Aquí se le recordará cuando haya nuevas versiones disponibles y podrá buscar actualizaciones manualmente.

Para los administradores de red de la organización, un navegador de inicio de sesión integrado ya no se envía con Leapfrog, para garantizar que la seguridad de la autenticación y la autorización se controle fácilmente mediante las políticas de seguridad de la organización. Mire nuestro el siguiente video para ver las novedades.

Seequent ID

Esta versión de Leapfrog solo admite el acceso a través de Seequent ID, que es su acceso basado en identidad para mayor seguridad, flexibilidad y personalización.

Instalador único

La distribución de Leapfrog 2021.1 ahora es más fácil, en lugar de instaladores separados para Leapfrog Geo, Edge, Geothermal, Works y Viewer, ahora solo hay uno. Lo hemos hecho especialmente beneficioso para los programas de implementación de redes, ya que el instalador es el mismo en todos los productos y más centrado en el usuario según sus derechos personales / de la organización.

Es un cambio que se adelanta a más mejoras en la estructura de productos que se realizarán en versiones futuras. A medida que más equipos multidisciplinarios utilizan Leapfrog; la forma en que el producto se construye, se licencia y se lanza está evolucionando. Estamos realizando mejoras que crean oportunidades para características, funciones y mejoras del flujo de trabajo implementadas dinámicamente, independientemente de la cadencia regular del software.

Ficha Proyectos individuales

Se ha implementado una pestaña de proyectos únicos (en lugar de tener que navegar entre pestañas divididas para proyectos locales y centrales). Ahora puede ver todos los proyectos en una pestaña conveniente, lo que reduce la información duplicada, mejora la coherencia en la terminología y transmite mejor lo que se requiere.

Integración de Leapfrog Viewer

Dentro de la nueva estructura de implementación, Leapfrog Viewer se incluye como parte del mismo instalador. Esto significa que con Seequent ID, incluidos aquellos que no tienen licencia comercial de modelado de Leapfrog, puede abrir y acceder a archivos de escenas de Viewer. (En lugar de tener que guardar archivos de escena, abra Leapfrog Viewer para garantizar un uso compartido preciso).

Eliminación de la compatibilidad con Leapfrog para cargar para ver

A lo largo de 2021, Seequent View se retirará activamente y su funcionalidad se reemplazará por la Visualización central. Por esta razón, la opción de carga Mostrar vista se ha eliminado de la ventana Configuración> Interfaz de usuario. Después del lanzamiento de Leapfrog 2021.1, aquellos con la carga de Show View habilitada ya no tendrán esa opción cuando abran proyectos.

Eliminación de la configuración de ayuda / opciones de ayuda sin conexión

Para esta versión, la ayuda en línea se ha migrado de help.leapfrog3d.com a seequent.com. Para facilitar este cambio, la opción de ayuda sin conexión ya no estará disponible. Como este soporte solo está disponible en inglés, se ha eliminado la opción Configuración> Ayuda.

Fuente: Leapfrog Geo

La empresa de software de ingeniería de infraestructura , anunció hoy que firmó un acuerdo definitivo con inversionistas liderados por Accel-KKR para adquirir Seequent, líder en software para modelado geológico y geofísico, estabilidad geotécnica y servicios en la nube para gestión de datos geográficos, visibilidad y colaboración, por $ 900 millones en efectivo, sujeto a ajuste, más 3.141.361 acciones BSY Clase B. Se espera que la adquisición de Seequent agregue de manera inicial aproximadamente un 10 % a cada una de las métricas financieras clave de Bentley Systems (ARR, ingresos anuales y EBITDA) y se espera que aumente considerablemente la tasa de crecimiento orgánico de Bentley. Lo más significativo es que la combinación profundizará el potencial de los gemelos digitales de infraestructura para ayudar a comprender y mitigar los riesgos ambientales, promoviendo la resiliencia y la sostenibilidad.

La adquisición está sujeta a las condiciones de cierre habituales y las aprobaciones regulatorias, entre las que se encuentran el consentimiento de la Ley de Inversiones en el Extranjero de Nueva Zelanda, además de la autorización según la Ley de Mejoras Antimonopolio Hart-Scott-Rodino. Tras el cierre, Seequent operará como una subsidiaria independiente de Bentley, con el actual director de operaciones de Seequent, Graham Grant, que reemplaza al director ejecutivo por jubilarse, Shaun Maloney, e informa al director de productos de Bentley, Nicholas Cumins.

Seequent, fundada y con sede en Christchurch, Nueva Zelanda, tiene más de 430 colegas en 16 direcciones de oficinas que prestan servicios a geólogos, hidrogeólogos, geofísicos, ingenieros geotécnicos e ingenieros civiles en más de 100 países y las principales empresas mineras del mundo. Se espera que su presencia establecida en geografías de uso intensivo de minería, como América del Sur y África del Sur, acelere las oportunidades generales de Bentley en estas regiones con importantes requisitos de infraestructura. A su vez, se espera que la presencia establecida de Bentley en China, y su alcance esencial en todos los sectores de ingeniería civil, aceleren la expansión de Seequent en nuevos mercados.

Las condiciones de superficie comprenden la «infraestructura de nuestra infraestructura» y literalmente es la base de los principales riesgos ambientales de la Tierra. Las ofertas actuales de Bentley permiten a los gemelos digitales incorporar lo que está construido «cerca de la superficie», incluidos los cimientos, las instalaciones de drenaje, los servicios públicos enterrados, los túneles y las estructuras submarinas. La adición de Seequent ahora permitirá que los gemelos digitales de infraestructura alcancen profundidades completas de subsuelo, aumentando la resiliencia ambiental contra las amenazas a la seguridad por inundación, sismos, clima y agua.

Seequent aplicó por primera vez tecnología de modelado implícito a la ciencia geológica hace más de 15 años, mediante herramientas matemáticas para derivar y visualizar modelos geológicos 3D a partir de datos medidos e interpretación del usuario. Este avance del software provocó un cambio de paradigma de un «gran avance» en la comprensión del subsuelo de la tierra, y los geocientíficos e investigadores de todo el mundo lo han adoptado cada vez más para descubrir y visualizar información valiosa sobre los desafíos y las condiciones ambientales.

Los productos de Seequent incluyen Leapfrog, su producto líder para el modelado y visualización geológicos 3D, Geosoft para el modelado de tierra en 3D y la gestión de datos de geociencia, y GeoStudio para el modelado de deformación y estabilidad de pendientes geotécnicos. La cartera de software de ingeniería geotécnica complementaria de Bentley, que incluye PLAXIS, gINT y OpenGround, se integrará en el curso adecuado para dar soporte a los ciclos de trabajo digitales abiertos desde los datos de perforación y sondeo hasta los modelos geológicos y las aplicaciones de análisis geotécnicas.

La industria minera, con su sensibilidad económica y responsabilidades ambientales, fue la primera y más rápida en adoptar el modelado de tierra en 3D, lo que reemplazó a los procesos tradicionales en 2D para acelerar y mejorar los ciclos de decisión. Una mina es un proyecto de construcción de infraestructura con un cambio continuo y sin fin, además de un activo de infraestructura valioso y ambientalmente crítico. Seequent reconoció el potencial, para TODOS los activos y principales proyectos de ingeniería de infraestructura, para también “dar un salto” en los procesos tradicionales de simulación y modelado del subsuelo en 2D. El uso de Leapfrog, a menudo junto con las ofertas de software de Bentley, ha crecido constantemente en los sectores de la infraestructura civil.

La integración de las soluciones de Bentley y Seequent, para gemelos digitales de infraestructura más profunda, puede contribuir a multiplicar la «huella ESG», mejorando así el medio ambiente y las economías del mundo. Aunque los productos de Seequent no se utilizan demasiado en la exploración o producción de petróleo y gas, que cuenta con su propia industria de software geofísico especializado, los imperativos para la transición energética presentan nuevas oportunidades, incluso más allá de la expansión de la minería para producir los materiales necesarios para la electrificación generalizada. Seequent es líder en modelado 3D para fuentes de energía geotérmica, y su software y servicios en la nube proporcionan representación importante de geociencias para simulaciones de recursos acuáticos e ingeniería ambiental.

El director ejecutivo de Bentley, Greg Bentley, comentó: «Podemos estar muy seguros de la contribución de Seequent a nuestro futuro compartido, no solo debido a las sinergias de nuestros productos, sino también porque reconocemos en la trayectoria de Seequent un reflejo de las estrategias de proyecto que hicieron que Bentley Systems tuviera éxito, ¡excepto que han crecido más rápido! Han tomado decisiones con visión de futuro para beneficiar el futuro en cada etapa: identificaron y luego enfocaron específicamente la oportunidad «vertical» 3D en el modelado terrestre, institucionalizaron un modelo comercial de suscripción desde el principio, poblaron directamente los mercados globales apropiados, adquirieron y consolidaron el mejor software para disciplinas adyacentes, y unieron todo con servicios en la nube, listos para promover en conjunto los gemelos digitales. No puedo pensar en un cumplido mayor que nuestra determinación de dejar Seequent intacto, como una empresa de Bentley, encomendando a su administración mayores responsabilidades para continuar con su impulso dinámico. Felicito al director general que se jubila, Shaun Maloney, por la calidad del negocio y el equipo que ha desarrollado, y daremos nuestra más cordial bienvenida al sucesor establecido, Graham Grant, y a todos los colegas de Seequent, con los que compartimos valores y esfuerzos para promover la infraestructura».

Tom Barnds, socio de gestión conjunta de Accel-KKR y miembro de la junta directiva de Seequent, señaló: «Hemos estado esperando con ansias la oferta pública inicial de Seequent este año, pero estamos tan convencidos de la lógica de esta combinación que nos alegra prever que, en cambio, nos convertiremos en accionistas de BSY. La junta directiva de Seequent felicita y agradece a Shaun Maloney por su largo servicio y su éxito notablemente consistente en el crecimiento de este gran negocio, su gran equipo directivo y este gran resultado para los inversores y colegas de Seequent».

Shaun Maloney, director ejecutivo de Seequent, comentó: “Al ‘dar un salto adelante’ con Bentley para alinear las geociencias con la ingeniería de infraestructura a través de gemelos digitales más profundos, Seequent resalta la convicción de que una mejor comprensión de la tierra crea un mundo mejor para todos. Los usuarios y las cuentas de Seequent, como empresa de Bentley, pueden esperar que los negocios continúen con normalidad, con muchas sinergias comerciales y productos que eventualmente vendrán. Para mis colegas de Seequent, estoy seguro de que el futuro está en buenas manos con Bentley Systems que tiene ideas afines y nuestro director de Operaciones, Graham Grant, por lo que este es un momento oportuno para anunciar mi jubilación planificada. Para todos, nuestro nuevo alcance más amplio presenta una gran oportunidad para una promoción compartida».

El director de Finanzas de Bentley, David Hollister, agregó: “Se espera que la transacción se cierre en el segundo trimestre, con la suma considerada en efectivo liquidada mediante una combinación de efectivo en mano y con disponibilidad bajo nuestra línea de crédito renovable no utilizada de $850 millones. Esperamos que Seequent contribuya con más de $80 millones a nuestro ARR durante este año. Seequent una impresionante tasa de crecimiento de ingresos orgánicos histórica y actual que, junto con un perfil de margen operativo similar al nuestro, hace que Seequent sea beneficioso para nuestro modelo financiero. Nuestro financiamiento de esta transacción se ve facilitado por haber emitido, a principios de este año, $690 millones en deuda convertible, con vencimiento en 2026. Nuestro objetivo de desapalancamiento (reducir nuestro múltiplo de apalancamiento neto total de EBITDA ajustado de menos de 4.0x después del cierre, a aproximadamente 2.5x durante los próximos dos años) podría acelerarse con cualquier oferta de acciones futuras».

Acerca de Seequent

Seequent es un líder mundial en el desarrollo de software de datos visuales y modelado geológico 3D para comprender las soluciones de diseño de ingeniería y geociencia del subsuelo.

Nuestras soluciones permiten a las personas analizar datos complejos, gestionar riesgos y, en última instancia, tomar mejores decisiones sobre los retos de la tierra, el medio ambiente y la energía.

El software Seequent se utiliza en proyectos a gran escala a nivel mundial, incluida la construcción de túneles de carreteras y ferrocarriles, detección y gestión de aguas subterráneas, exploración geotérmica, mapeo de infraestructura submarina, evaluación de recursos y almacenamiento subterráneo de combustible nuclear gastado.

La presencia global de Seequent incluye su sede central y centro de IyD con sede en Christchurch, y una red de oficinas en Asia/Pacífico, África, América del Sur, América del Norte y Europa que prestan servicios a empresas y clientes de primera categoría con soluciones subterráneas líderes en más de 100 países.

Acerca de Bentley Systems

Bentley Systems (Nasdaq: BSY) es la empresa de software de ingeniería de infraestructura .Proporcionamos software innovador para promover la infraestructura mundial, lo que sustenta tanto la economía global como el medio ambiente. Nuestras soluciones de software líderes en la industria son utilizadas por profesionales y organizaciones de todos los tamaños para el diseño, construcción y operaciones de carreteras y puentes, ferrocarriles y tránsito, agua y aguas residuales, obras públicas y servicios públicos, edificios y campus e instalaciones industriales. Nuestras ofertas incluyen aplicaciones basadas en MicroStation para modelado y simulación, ProjectWise para desarrollo de proyectos, AssetWise para rendimiento de activos y redes, y la plataforma iTwin para gemelos digitales de infraestructura. Bentley Systems emplea a más de 4.000 colegas y genera ingresos anuales de más de 800 millones en 172 países. www.bentley.com

Fuente: www.businesswire.com

La industria minera está entrando en un período de transformación disruptiva utilizando la digitalización, la transparencia de la información, la gobernanza de datos, la portabilidad de datos y la innovación de procesos. Las empresas mineras ahora pueden implementar una variedad de sensores diferentes a lo largo de su proceso que pueden proporcionar datos en tiempo real de exploración y operaciones mineras que, en conjunto, se denominan “Internet de las cosas mineras” (MIoT).

Las decisiones comerciales que hoy en día pueden tomar días o semanas utilizando datos modelados manualmente se tomarán en minutos a partir de una fusión de datos estimados y reales. Esta toma de decisiones estará respaldada por procesos automatizados e informada mediante la simulación de posibles escenarios y sus consecuencias upstream y downstream. Esto se traduce en ahorros de tiempo sustanciales y mejoras en la precisión, transparencia y agilidad comercial al tomar decisiones informadas de manera oportuna. Pero esta visión solo puede convertirse en realidad cuando se basa en una nueva generación de aplicaciones de software estructuradas en un lenguaje de modelado que puede ser compartido, procesado y entendido tanto por máquinas como por personas.

NECESIDAD DE CAMBIO

Con la reciente desaceleración de la demanda y la caída resultante de los precios de las materias primas, en los últimos siete años muchas empresas mineras se han centrado en la productividad para lograr costos competitivos y mantener un flujo de caja positivo. Sin embargo, los programas de mejora de la productividad y las aplicaciones incrementales de tecnología llegarán tan lejos y están llegando a un límite. Ahora es evidente que la industria minera comparte un sentimiento común de que el próximo cambio en la reducción de costos y, por lo tanto, la productividad, se habilitará a través de la implementación holística de tecnología en toda la cadena de valor de la minería, respaldada por un desafiante proceso de gestión del cambio.

El cambio transformacional requiere un cambio de mentalidad que involucre a las personas, la cultura, la organización corporativa y la tecnología. Aquellas empresas que sean las primeras en adoptar, adaptar y dominar las tecnologías y el cambio establecerán una ventaja competitiva significativa. Las empresas que tardan en adoptar o se resisten al cambio verán que su curva de costos se estancará y, a la larga, quedarán fuera del negocio (por ejemplo, Kodak, Blockbuster).

La industria minera está pasando de un período en el que los estudios o planes de escritorio estáticos compartimentados eran comunes a centros de operaciones remotos más recientemente. Sin embargo, vamos a un mundo nuevo donde cada dato está mapeado, catalogado, conectado y disponible bajo demanda para modelar y simular escenarios o situaciones de la vida real para una mejor toma de decisiones. En este nuevo mundo, todo está conectado: personas con personas, personas con máquinas y máquinas con máquinas. Los procesos de minería se llevan a cabo de manera colaborativa y dinámica para capturar valor rápidamente (casi en tiempo real) en condiciones cambiantes.

La marca GEOVIA® de Dassault Systèmes está construyendo el «puente» para hacer ese cambio con herramientas capaces de unir el plan y la ejecución combinando el mundo virtual con la realidad. El modelado geológico implícito rápido representa solo la primera de numerosas aplicaciones que se crearán de forma nativa en la plataforma 3DEXPERIENCE® de Dassault Systèmes para permitir esta visión.

MODELADO SEMÁNTICO

Para aprovechar todo el potencial de las tendencias tecnológicas como MIoT, aprendizaje automático y big data, es necesario implementar una nueva arquitectura de software y organización de datos mediante el modelado semántico.

Muchos recursos web existentes son comprensibles solo para los humanos, ya que el lenguaje de marcado (HTML) solo presenta datos para información textual y gráfica destinada al consumo humano. El inventor de la World Wide Web, Tim Berners-Lee, introdujo por tanto la idea de la Web Semántica (Berners-Lee, Hendler & Lassila, 2001). La Web Semántica tiene como objetivo los recursos Web comprensibles por máquina, cuya información puede ser compartida y procesada tanto por herramientas automatizadas, como motores de búsqueda, como por usuarios humanos.

El lenguaje de representación del conocimiento de última generación de la Web Semántica es el lenguaje de descripción de ontologías (OWL), publicado por el World Wide Web Consortium (W3C). Su sintaxis más común se basa en el marco de descripción de recursos (RDF), que describe el significado y las relaciones a través de una colección de triples, cada uno de los cuales consta de un sujeto, un predicado y un objeto. Este «conocimiento» es utilizado por las computadoras para «unir los puntos» de manera autónoma, sin requerir la intervención humana.

PRÓXIMA GENERACIÓN DE MODELADO GEOLÓGICO IMPLÍCITO RÁPIDO

El concepto de modelado paramétrico ha existido durante varios años en disciplinas tales como gráficos por computadora (Hughes et al., 2013), ingeniería (Reinschmidt, Griffs & Bronner, 1991), ingeniería de sistemas y diseño y estilismo (Aouad et al. ., 2013). El modelado paramétrico aplica un enfoque basado en características paramétricas para crear modelos sólidos basados ​​en restricciones, relaciones y dimensiones. Estos tipos de parámetros controlan la forma, el tamaño y la salida (cómo se combinan las diferentes piezas de geometría). Esto es fundamentalmente diferente del enfoque CAD tradicional, donde las piezas básicas de geometría (por ejemplo, líneas, polilíneas) se diseñan desde cero y se combinan manualmente para expresar la intención del modelador. En un marco paramétrico, la relación entre el resultado y la intención se invierte, ya que la intención se expresa primero (a través de un conjunto de parámetros) para crear formas 3D que representen con precisión la intención del modelador.

El uso de funciones de base radial (RBF) para describir superficies implícitas en el espacio dado un conjunto de puntos de datos tampoco es nuevo en Analytic Geometry (Mittelman, 1983; Bloomenthal & Wyvill, 1997). Se ha utilizado desde finales de la década de 1960 en el campo de los gráficos por ordenador (Davis, Nagel & Guber, 1968). Más recientemente, este concepto se ha aplicado en el sector de los recursos naturales para crear representaciones en 3D de características geológicas (Cowan et al., 2002). En el espacio del modelado geológico, la premisa basada en datos del modelado implícito no solo reduce la naturaleza subjetiva del enfoque de modelado convencional, sino que también permite un cambio radical en agilidad, repetibilidad y trazabilidad.

La próxima generación de modelado geológico implícito rápido que GEOVIA está introduciendo en 2018 continúa aprovechando el RBF como conducto para el modelado implícito, pero ahí es en gran medida donde terminan las similitudes. La aplicación GEOVIA introduce una variación del motor RBF tradicional con un kernel innovador y un algoritmo de tetraedros en marcha novedoso, junto con una implementación del conocido Fast Multipole Method (Greengard & Rokhlin, 1987) para el manejo eficiente de desafíos de datos multimillonarios. . El algoritmo de tetraedros en marcha extrae las funciones implícitas y las combina con la información semántica para obtener un modelo geológico que se ajusta a las expectativas de los geólogos. El enfoque también combina principios de modelado paramétrico a través de reglas y relaciones que determinan cómo se ensamblan las diferentes partes (datos, componentes del modelo) para formar modelos geológicos, lo que permite al geólogo expresar la intención del modelado.

Esta solución de modelado geológico de próxima generación también tiene las siguientes características:

Aprovechando la nube

La aplicación aprovecha todo el potencial de la computación en la nube, no solo a través de la implementación de licencias, sino también a través del procesamiento dentro de un verdadero marco de software como servicio (SaaS). Es accesible para cualquier dispositivo que ejecute un navegador web compatible con HTML5 / WebGL, sin software para instalar y disponible desde cualquier lugar que pueda acceder a Internet.

Datos vinculados

Considere la visión de minas autónomas con cientos o quizás miles de máquinas equipadas con millones de sensores que se comunican entre sí. Para que eso suceda, se requiere un formato de datos que las máquinas puedan procesar y del cual las máquinas puedan inferir nuevos conocimientos de la información existente. Idealmente, las máquinas operarán directamente en el formato de datos, sin costos de transformación adicionales o pérdida potencial de información por la transformación. La filosofía de Linked Data con ontologías como lenguaje de representación subyacente permite exactamente este escenario.

Interoperabilidad

La interoperabilidad entre sistemas y su información heterogénea debe ser la base de la próxima generación de aplicaciones. En última instancia, esto permitirá que muchas fuentes de conocimiento independientes se conviertan en datos vinculados (Bizer, Heath & Berners-Lee, 2009), que es un habilitador central de la Web semántica. El modelo de datos de la próxima aplicación GEOVIA está alineado con los estándares del Consorcio Geoespacial Abierto, como GeoSciML. Dado que GeoSciML no se basa en los principios de Linked Data, sino que sigue siendo solo un estándar basado en XML, GEOVIA ha enriquecido las partes del estándar que son relevantes para la aplicación con significado semántico transformándolas en ontologías. Esto permite todos los beneficios de los datos vinculados, incluida la capacidad de comunicarse sin problemas con otras aplicaciones que utilizan GeoSciML.

Semántica y búsqueda federada

En el marco de la próxima generación de aplicaciones, cada pieza de información se almacena como datos en un repositorio unificado y ya no se incrusta en archivos o bases de datos de la manera tradicional de administrar datos. El modelo de datos semánticos (arquitectura) es el «pegamento» que mantiene los datos juntos a través de las relaciones trazadas y el nuevo «conocimiento» inferido por los algoritmos de aprendizaje automático.

La búsqueda federada es la capacidad de descubrir y recuperar datos a través de múltiples fuentes de búsqueda, independientemente de la categoría. Un modelo de datos semánticos mejora aún más las capacidades de la búsqueda federada, ya que los datos se almacenan en una base de datos homogénea con metadatos asociados para cada pieza de información. Esto permite buscar en todas partes y al mismo tiempo explorar las relaciones inherentes de los datos. Para lograr esto desde una base de datos relacional convencional, todo el contenido debería estar indexado de antemano.

CONCLUSIÓN

La aplicación discutida en este documento representa el primer paso en el viaje de la marca Dassault Systèmes GEOVIA hacia la próxima generación de software que permite la visión de una mina verdaderamente autónoma. Aunque la tecnología es un facilitador clave de tal visión, la gestión del cambio se considera el componente más importante en este camino de transformación y, como tal, no debe subestimarse. Por ejemplo, es posible que se requieran diferentes conjuntos de habilidades y estructuras organizativas para resolver los desafíos de una manera más colaborativa, holística y eficiente.

Para la industria minera, la visión de una mina autónoma representa un cambio transformacional que requiere una mentalidad diferente que implica nuevas formas de describir los desafíos y las soluciones innovadoras para abordarlos. La innovadora arquitectura de software de la nueva aplicación de GEOVIA es un ejemplo revolucionario de eso. Representa un hito importante para aprovechar todo el potencial de las tendencias tecnológicas discutidas anteriormente que, en combinación, sustentan la próxima ola de mejoras de productividad en la industria.

REFERENCIAS

Aouad, G., Wu, S., Lee, A., Onyenobi, T. (2013) Computer Aided Design Guide for Architecture, Engineering and Construction, Routledge, Oxford, UK.

Berners-Lee, T., Hendler, J., Lassila, O. (2001) ‘The semantic Web’, Scientific American, 284, 5, pp. 34-43

Bizer, C., Heath, T., Berners-Lee, T. (2009) ‘Linked data-the story so far’, Semantic services, interoperability and web applications: emerging concepts, pp. 205-227.

Cowan, E. J., Beatson, R. K., Ross, H. J., Fright, W. R., McLennan, T. J., Mitchell, T. J. (2002) ‘Rapid geological modelling’, Applied Structural Geology for Mineral Exploration and Mining International Symposium Kalgoorlie 23-25 September, Australian Institute of Geoscientists Bulletin, 36 , pp. 39–41

Davis, J., Nagel, R., Guber, W. (1968) ‘A Model Making and Display Technique for 3-D Pictures’, Proc. 7th Annual Meeting of UAIDE, 47-72.

Greengard, L., Rokhlin, V. (1987) ‘A fast algorithm for particle simulations’, Journal of Computational Physics, 73, 2, pp. 325¬348.

Hughes, J.F., van Dam, A., McGuire, M., Sklar, D.F., Foley, J.D., Feiner, S.K., Akeley K. (2103) Computer Graphics: Principles and Practice, Third Edition, Addison-Wesley Professional, Boston, US

Mittelman, P. (1983) ‘Computer Graphics at MAGI’, Computer Graphics 83, Online Publications, UK, pp. 291-301

Reinschmidt, K.F., Griffs, F.H., Bronner, P.L. (1991) ‘Integrated Engineering, Design, and Construction’, Journal of Engineering and Management, ASCE, 117, 4, pp. 756¬772

*This is a translation of original article: 3DS-GEOVIA-GeologicalModeling_WhitePaper.pdf

Acceder al Foro: Leapfrog Geo ⋆ CWC Asesores y Consultores

Los modelos estándar de Surpac se identifican por su sufijo: *.mdl. Un formato de modelo de bloque secundario de Surpac es el «modelo de bloque libre», identificado por el sufijo *.fbm.

En otras palabras, Surpac utiliza el método de subdivisión de octree. un método regular de subbloqueo, de modo que los bloques principales deben dividirse en fracciones de 1⁄2n, es decir, 1⁄2, 1⁄4, 1⁄8, etc. El subbloqueo se define cuando se crea el modelo. Sin embargo, la división real de bloques no se realiza hasta que es necesaria. Esto significa que el número de bloques es siempre el mínimo posible.
Surpac también tiene el concepto de “superbloque” donde se aglomeran bloques idénticos hasta que ya no se puede realizar más aglomeración; esto significa que el tamaño del modelo almacenado de un modelo de bloques de Surpac puede ser mucho más pequeño que el de un modelo de bloques de Datamine.

Los diferentes regímenes de tamaño de subceldas significan que muchos modelos de Datamine no se pueden convertir a un modelo de bloque Surpac nativo (mdl) si hay subceldas irregulares. Surpac proporciona el formato de “modelo de bloques libre” para importar y manipular modelos de bloques de Datamine en Surpac

Si se le proporciona un modelo de bloque “.fbm”, es mejor volver a la fuente y ver si se puede obtener el modelo de bloque original de Datamine “.dm”, o si tiene acceso a Surpac, se puede exportar como un archivo “.dm”. De lo contrario, organice una exportación de los datos en formato “.csv” y conviértalos en Deswik a un modelo de Datamine. Sin embargo, lo que se puede hacer con estos modelos es limitado. Tenga en cuenta que los campos de Surpac también pueden ser del tipo «Calcular». Este tipo de campo solo se calcula cuando se utiliza el campo, mediante una ecuación que completa la columna de descripción del campo.

Al convertir un modelo Surpac, tenga en cuenta que Surpac permite construir modelos en cualquiera de los cuatro cuadrantes cartesianos (I, II, III y IV), como se muestra en la Figura

VULCAN

Los modelos de bloques de Vulcan se pueden identificar mediante el sufijo de extensión de archivo *.bmf. También puede haber un archivo *.bdf asociado, que es un archivo de definición de bloque (utilizado en la creación del modelo de bloques, pero no necesario una vez que se ha creado el modelo de bloques).
Existen varias versiones del modelo de bloques Vulcan.
El formato original del modelo de bloques de Vulcan (Clásico) almacenaba todos los datos de todos los bloques. Esto significaba que si tenía un millón de bloques con el valor predeterminado, su archivo de modelo de bloques había escrito el valor predeterminado un millón de veces. Esto resultó en un archivo de modelo muy grande.
El formato «Extendido» escribe toda la información predeterminada en el encabezado y luego hace referencia al encabezado para cualquier bloque con valores predeterminados. Esto significa que el archivo del modelo de bloques escribirá este valor en el encabezado una vez (no un millón de veces) si tiene un millón de bloques con el valor predeterminado en el formato «Extendido». Este método ahorra una cantidad significativa de espacio en archivos.

MINESIGHT

Un modelo de bloques MineSight generalmente tendrá el sufijo *.dat
(Los archivos de modelo de bloques de Micromine también utilizan el sufijo *.dat). Tenga en cuenta que MineSight también utiliza el sufijo *.dat para otros tipos de archivos, como datos sin procesar de pozos de perforación y archivos de control de proyectos.
Otros tipos de archivos de MineSight incluyen:

» *.srg (archivos de polilínea)
» *.msr (archivos en formato MineSight Resource), utilizado para contener datos de objetos geométricos (cadenas, superficies, sólidos).

Tradicionalmente, los modelos de bloques de MineSight han utilizado un sistema de modelado de bloques completos (tamaños de bloques fijos sin subceldas) con elementos del modelo que identifican los porcentajes del bloque dentro de los contactos del dominio geológico. La mayoría de los modelos MineSight encontrados seguirán siendo de este tipo. Este enfoque permitió modelar minas muy grandes dentro de las limitaciones de memoria y almacenamiento del pasado y, por lo tanto, fue popular entre las minas grandes (y durante muchos años, la única forma en que las minas grandes podían tener un modelo de bloque único que cubriera todo su sitio).
Desde 2013, MineSight ofrece subbloqueo (sub-celda) que genera un archivo adicional asociado con el modelo de bloque 3D que solo se aplica a áreas y elementos subbloqueados.

GEMS

Los archivos de modelo de bloques de Geovia GEMS tendrán el sufijo *.txt. GEMS utiliza un enfoque de modelo de porcentaje parcial sin subceldas.

MICROMINE

Un modelo de bloques de Micromine tendrá el sufijo *.dat (el mismo que los archivos MineSight).

Los modelos de formato Datamine son actualmente el mejor formato para usar, ya que son compatibles con comandos extensos para interrogación y manipulación. Dado esto, hemos discutido este formato de archivo más extensamente que los otros formatos.

El formato Datamine estan disponibles públicamente y, por lo tanto, eran bien conocidos. Por lo tanto, muchos de los paquetes de modelado geológico admiten la exportación de sus modelos como modelos de Datamine. Otros formatos de modelos han tenido que determinarse mediante una interpretación juiciosa de prueba y error de lo que creemos que es la forma en que almacenan sus datos.

MB TIPO DATAMINE

Los modelos de bloques de Datamine se reconocerán por su sufijo: *.dm.

Hay dos limitaciones principales de los archivos Datamine que deben entenderse:

(a) Los archivos Datamine solo admiten ocho caracteres como nombres de campo.

(b) Los archivos de Datamine están limitados a un total de 256 campos (si están en el formato de precisión extendido predeterminado).

El formato Datamine tiene sus raíces en una larga historia. Datamine se fundó en 1981 y utiliza el sistema de gestión de base de datos relacional G-EXEC desarrollado por el Servicio Geológico Británico durante la década de 1970.

Los archivos Datamine son archivos de acceso aleatorio almacenados como tablas planas sin ninguna relación jerárquica o de red implícita. La estructura del modelo se define en un archivo de «prototipo de modelo» y el contexto espacial de cada bloque se almacena como parte del registro de cada bloque mediante posicionamiento implícito, lo que ahorra espacio de almacenamiento y tiempo de procesamiento. Esto se hace utilizando el código de indexación IJK (ver Figura 11 y Figura 12), lo que permite un acceso rápido por parte del programa de computadora a cualquier parte del modelo.

Algunas matemáticas relacionadas con el código IJK son:

IJK = NZ × NY × I + NZ × J + K

El IJK también se puede determinar a partir del sistema de coordenadas del modelo:

I = REDONDO[ (Xc-XParentINC/2)/XParentINC]*XParentINC – XmORIG)/XParentINC

J = ROUND[ (Yc-YParentINC/2)/YParentINC]*YParentINC –YmORIG)/YParentINC

K = REDONDO[ (Zc-ZParentINC/2)/ZParentINC]*ZParentINC –

ZmORIG)/ZParentINC

Donde XParentINC, YParentINC y ZParentINC son los X, Y y tamaños Z de los bloques principales (a cualquier subcelda).

La estructura del prototipo del modelo utiliza los campos que se muestran en la siguiente tabla.

VERSIONES DEL FORMATO DATAMINE

Hay dos versiones del formato DM: precisión simple (SP) y precisión extendida (EP).

El formato DM de precisión simple original se basaba en «páginas» de 2048 bytes. (Estos son los registros de Fortran de palabras de 512 × 4 bytes). La primera página contenía la definición de datos mientras que las páginas siguientes contenían los registros de datos.
Hay dos tipos de datos: texto o alfa («A») y números de punto flotante («N»).

Los elementos enteros en la página de definición de datos se almacenan como valores Fortran REAL4 o REAL8 en los formatos de precisión simple y extendida respectivamente.

Hay algunos códigos numéricos especiales que se utilizan dentro de los datos.
-1.0 E30 = «abajo»; se utiliza como código de datos faltantes para campos numéricos, también conocido como «valor nulo». (Para los campos de texto, los datos que faltan son simplemente todos los espacios en blanco).
+1.0 E30 = «superior»; y se usa si se necesita una representación de «infinito».
+1.0 E-30 = «TR» o «DL»; se utiliza si se requiere para representar un valor de ensayo de «traza» o «por debajo del límite de detección».

Todos los datos de texto se mantienen en variables REALES, no en el tipo CARÁCTER de Fortran, aunque el formato almacenado es idéntico. Esto permite el uso de una matriz REAL simple para contener un búfer de página completo y otra matriz REAL para contener la totalidad de cada registro lógico para escritura o lectura. Este concepto se originó en el sistema G-EXEC del Servicio Geológico Británico en 1972 y fue la clave de la generalidad de Datamine, en lugar de tener que predefinir formatos de datos específicos para cada combinación diferente de texto y campos numéricos.

El formato de archivo Datamine de «precisión extendida» (EP) tiene páginas dos veces más grandes que el formato de archivo de «precisión simple» (4096 bytes de longitud) y la estructura de la página simplemente se asigna a palabras de 8 bytes en lugar de palabras de 4 bytes.

El formato de archivo Datamine de «precisión simple» es efectivamente un formato heredado y, con suerte, ahora no se encontrará con frecuencia. Estos archivos solo pueden tener 64 campos, mientras que los archivos de «doble precisión» pueden tener 256 campos.

El formato de archivo EP Datamine permite el Fortran REAL*8 completo (o DOUBLE PRECISION), pero para los datos de texto solo se utilizan los primeros cuatro bytes de cada palabra de doble precisión. Por lo tanto, la estructura de archivos EP es ineficiente en términos de almacenamiento de datos para archivos que tienen cantidades significativas de datos de texto.

Los modelos de bloques de Datamine tienen dos «niveles» de bloques: bloques principales y bloques secundarios (subbloques o subceldas). Cuando se crea un modelo de Datamine, el usuario especifica el tamaño del bloque principal, que será consistente durante la vida útil del modelo.
Durante el proceso de creación de un modelo de bloques de Datamine, los subbloques se crean a lo largo de los límites para que un bloque principal pueda tener cualquier cantidad de bloques secundarios, y pueden ser de cualquier tamaño. Es posible que cada bloque principal tenga un número diferente de bloques secundarios.

DATAMINE – UNICODE

Los modelos de bloque Unicode de Datamine se reconocerán por su sufijo: *.dmu.

Una limitación importante con el formato de archivo Datamine es que almacena todo el texto en formato ASCII, que se desmorona cuando intenta trabajar en un lenguaje simbólico como ruso, polaco, japonés, chino, etc.

Tenga en cuenta que un modelo de bloque *.dmu tiene las siguientes características:

• No hay límite en el tamaño del nombre del campo (solía tener ocho caracteres, ahora puede ser cualquier cosa).
• Hay soporte para cualquier idioma, codificado directamente en el archivo.
• Todavía hay un límite estricto de 256 campos, pero ahora su campo de texto solo cuenta para uno de esos campos. Anteriormente, si su columna de texto tenía un ancho de 20, contaría como cinco campos, por lo que ahora puede comprimir más campos de manera efectiva si está usando texto.
• Hay disponibles longitudes de texto variables. Si tuviera una columna con AAAA y AAAAAAAA, necesitaría definir de antemano que la columna tiene ocho caracteres. Ahora, no le importa el número de caracteres (máximo o mínimo) que haya en una columna.

La recomendación es que probablemente no debería usar archivos *.dmu a menos que realmente tenga que hacerlo. Hay muchos más usuarios que usan archivos *.dm, por lo que es más probable encontrar y corregir cualquier error de software relacionado con los modelos de bloques para los archivos *.dm que para los archivos *.dmu.

Proxima entrega: Modelo de bloques en Surpac, Vulcan, Minesight y Micromine.

Las celdas de un modelo de bloques están dispuestas en un sistema de cuadrícula XYZ, y las celdas pueden ser de tamaño uniforme o irregular.
En estos paquetes, a los bloques se les asigna una calificación mediante uno de varios métodos de estimación diferentes: distancia inversa al cuadrado, kriging ordinario, kriging de indicadores múltiples, etc.

MARCO DE REFERENCIA DEL MODELO (MODEL FRAMEWORK)

El término «model framework» define la región rectangular del espacio dentro de la cual se ubican las celdas del modelo. Requiere un origen, distancia para cada eje y ángulo de rotación.

Marco de referencia de modelo de bloques estándar

Dentro de este marco hay bloques individuales, todos con una longitud designada (incremento X), anchura (incremento Y) y altura (Z-incremento). La posición del bloque puede ser definida por un centroide (Xc, Yc, Zc) o un origen de bloque (Xmin, Ymin, Zmin).

Definición de bloque de modelo de bloque

El número de bloques en cada dirección del eje de coordenadas generalmente se especifica para definir el marco del modelo de potencial completo. Tenga en cuenta que algunos esquemas de modelado no necesariamente necesitan un modelo de bloques completamente «lleno»: los bloques pueden faltar o estar ausentes dentro del marco.

Modelo de bloques rellenos

El número de bloques en cada dirección del eje de coordenadas generalmente se especifica para definir el marco del modelo de potencial completo. Tenga en cuenta que algunos esquemas de modelado no necesariamente necesitan un modelo de bloques completamente «lleno»: los bloques pueden faltar o estar ausentes dentro del marco.

Relación entre el centroide del bloque potencial y el origen

Un aspecto final e importante de los marcos de modelos de bloques es observar cómo se colocan los bloques en el origen. Hay dos opciones. El formato de bloque con el «bloque de origen» ubicado a lo largo de los ejes, es el más común, pero el «bloque de origen» tiene su centroide ubicado en el origen. debe verificarse, ya que a veces ocurrirá.

Proxima entrega: Sub celdas y modelos rotados (siguenos en nuestro canal de Youtube y en nuestra pagina de Facebook)

https://www.facebook.com/CWC.CAPACITACIONES

https://www.youtube.com/channel/UCvnxEOJo6eWTwu9m8Hb74tg

Uno de los principales costos de un proyecto de exploración es el programa de perforación. La planificación de perforaciones en 3D basada en el conocimiento existente es una manera fácil de maximizar el valor de cualquier perforación futura y se puede lograr rápida y fácilmente en  Leapfrog Geo . En este tutorial aprenderemos a través de los pasos necesarios para planificar una campaña de perforación en Leapfrog Geo, luego configurará un archivo de escena para que el equipo de campo pueda ver hacia dónde debe ir cada perforación, así como qué litología y grado se espera que intercepte.

• El primer paso es definir el área de su proyecto; un buen comienzo es importar los datos existentes. Esto podría incluir una superficie topográfica, cualquier perforación existente, una fotografía aérea o un mapa geológico y datos GIS como lagos, ríos, caminos de acceso y límites de viviendas.
• Una vez que haya importado los datos existentes, podrá comenzar a visualizar en 3D dónde es una ubicación adecuada para colocar su collar. Si ha creado algún modelo geológico o de ley, también puede visualizar dónde está su objetivo potencial.
• Para crear una perforación planificada, haga clic con el botón derecho en la carpeta ‘Perforaciones planificadas’ y haga clic en ‘Planificar perforación’.
• Hay dos opciones que puede elegir; puede especificar una ubicación de collar o una ubicación de destino. Especificaremos la ubicación del collar, ya que es más común tener un punto conocido en la topografía para colocar su collar.

• Asegúrese de que la opción ‘Collar’ esté seleccionada en la parte superior de la ventana. Arrastre su topografía a la escena, así como un modelo geológico o de grado existente, si tiene uno.
•  Gire la escena para que pueda ver la ubicación del collar, así como el punto que le gustaría cruzar.

• Haga clic en el icono del cursor en la ventana Planificación de perforaciones.
• Haga clic en la ubicación de su topografía en la que le gustaría colocar su collar y arrastre el cursor a la ubicación de destino.

• La ubicación, el buzamiento, el azimut y la profundidad, así como un nombre para el sondeo basado en la perforación actual, llenarán los campos en la ventana Planificación del sondeo.

El último paso es especificar una elevación y desviacion adecuadas para su sondaje; estos se pueden ingresar manualmente según la tendencia de los sondajes anteriores. Cuando cambie la elevación y la desviación, verá que cambia la ubicación de su objetivo. Puede cambiar manualmente el buzamiento y el azimut en la superficie para asegurarse de que su sondaje intercepte la ubicación deseada.

• Haga clic en Aceptar

Drilling Prognoses (si ya tiene un modelo geológico previo)

• Una vez que haya planificado su sondaje, haga clic con el botón derecho en el árbol del proyecto y seleccione ‘Drilling Prognosis’ para ver la litología esperada o la ley de fondo de pozo según el modelo actual de Leapfrog.

• Puede establecer la elevación y la desviación por defecto haciendo clic derecho en la carpeta Planned Drillholes y seleccionando «Edit Plan Drillholes Defaults». En la ventana que aparece, puede especificar los valores predeterminados para la elevación y la desviación, así como otras opciones.
• Uno de los valores predeterminados más útiles es la opción «Desplazamiento al siguiente sondaje», que le permite establecer la distancia y el acimut predeterminados para el siguiente sondaje. Esto puede resultar muy útil para planificar una cerca o una cuadrícula de perforaciones. En el siguiente ejemplo, la distancia predeterminada al siguiente pozo se ha establecido en 50 m, y también se ha establecido la dirección entre los sondajes, así como el buzamiento y el azimut de cada pozo. Una vez que se hayan creado estos ajustes predeterminados, haga clic en el botón «Siguiente agujero» para crear el siguiente sondaje planificado, luego repita hasta que se hayan planificado los agujeros deseados.

Exportación de un buzamiento y un azimut de ubicaciones

• Una vez planificados los sondajes en 3D, se pueden exportar a un archivo csv para utilizarlos en el campo. La información exportada incluye todos los detalles del sondaje planificado.

La herramienta de vetas de Leapfrog Geo fue diseñada para trabajar con datos de sondajes, idealmente perforaciones que intersecan ambas paredes de la estructura de veta tabular. Si está utilizando la herramienta de modelado de vetas con datos de muestra de canal fragmentados, encontrará útiles estos consejos y trucos. Cómo funciona la herramienta de vetas Para empezar, vale la pena comprender cómo funciona la herramienta de vetas. Consulte la figura 1 a continuación.

1. Primero, se genera una superficie de referencia a partir de los puntos medios de los intervalos de las vetas.
2. A los segmentos de veta se les asignan lados de pared colgante (HW) y pared de pie (FW) según su orientación a la superficie de referencia.
3. Se generan puntos HW y FW separados en los extremos de estos segmentos.
4. Se generan las superficies HW y FW; ambas son compensaciones de la superficie de referencia que se ajustan a los puntos respectivos.
5. El producto final es el volumen encerrado entre las superficies HW y FW.

Clasificación del segmento de veta

Debido a la forma en que Leapfrog Geo clasifica automáticamente los segmentos de vetas, podemos definir tres tipos básicos de muestras de vetas.
• Las muestras de pared a pared están en el mismo agujero o canal y representan / tocan / intersecan ambas paredes de la verdadera estructura de la veta.
• Las muestras de vetas incompletas son muestras que representan solo una pared de la verdadera estructura de la veta.
• Las muestras de vetas internas no se cruzan con ninguna de las paredes verdaderas de la vena.

Figura 2. Grupos: Derecha = muestras de pared a pared, Izquierda = muestras incompletas, Centro = muestras internas

La estructura de la veta ‘verdadera’ está representada por el color verde claro, con las paredes representadas por las líneas marrones. Los intervalos verdes representan muestras de vetas registradas, los intervalos violetas representan muestras de «vetas externas» registradas, las líneas grises representan las secciones no muestreadas del pozo o canal.

Como puede ver en las figuras 3 y 4, la clasificación automática de segmentos de vetas de Leapfrog Geo hace un buen trabajo con tipos de muestras de pared a pared, incluso cuando están muy fragmentadas como el último hoyo, pero no funciona tan bien con los tipos de muestra incompletos y tipos de muestras internas. Estos tipos de muestras internas e incompletas pueden producir triangulaciones superficiales deficientes porque las superficies están en contacto con cada uno de sus respectivos puntos finales de segmento. Las superficies de la pared colgante y la pared del pie pueden cruzarse entre sí, generando agujeros en el volumen modelado de la veta.

Figura 3. Resultados de la clasificación automática de segmentos de vetas de Leapfrog Geo. Cada extremo de segmento está representado por uno de estos tres tipos: Muro colgante (rojo), Muro de pie (azul) y Excluido (gris). Las triangulaciones de la superficie de la pared de la vena resultantes son verdes en esta imagen.

Figura 4. La clasificación ideal de estos segmentos de vetas. Todas las muestras internas se clasifican como «Excluidas». Se excluyen los extremos internos de los segmentos incompletos.

Edición manual

Con algunas ediciones manuales, puede lograr la clasificación de segmento de vena ideal en Leapfrog Geo.

Editar segmentos de vetas

Para corregir los segmentos de vena en las muestras incompletas, deberá editar manualmente los segmentos de vena y anular sus clasificaciones automáticas. Haga clic con el botón derecho en los segmentos de la vena y seleccione Editar en escena (ver figura 5).

Figura 5. Para editar segmentos de vena, haga clic con el botón derecho en el objeto de segmentos de vena debajo de la vena en el árbol del proyecto.

Haga clic en un segmento de vena, luego en el cuadro de diálogo Orientaciones de segmento de vena desmarque Auto para el punto (A o B) que es incorrecto. Fije el punto a la clasificación correcta. En el ejemplo ilustrado en la figura 6, el punto A del segmento parcial ha sido excluido por lo que será ignorado por las superficies de la pared de la veta. Repita esto para todos los segmentos de vena clasificados incorrectamente de muestras parciales.

Figura 6. Anule manualmente la clasificación de segmentos de vetas.

Ignorar muestras internas

Puede llevar mucho tiempo anular manualmente la clasificación del segmento de vena, especialmente con muestras de vetas internas que deben tener ambos extremos de segmento (punto A y punto B) excluidos. Una forma de evitar esto es ignorar estas muestras con un filtro de consulta. Primero, deberá clasificar las muestras internas en la tabla de intervalos. Luego, cree una nueva selección de intervalo en la tabla de intervalos a partir de la cual se construyó su vena (consulte la figura 7).

Seleccione y asigne todas las muestras internas a un nuevo código de ‘litología’ (ver figura 8)

Una vez que se crea la columna de selección de intervalo, en la misma tabla de intervalo, cree un nuevo Filtro de consulta que ignore las muestras internas.

Figura 9. Cree un nuevo filtro de consulta que ignore las muestras de vetas internas. Para aplicar este filtro de consulta a la vena, abra los segmentos de la vena, desmarque la opción para heredar el filtro de consulta del GM (modelo geológico) y seleccione el nuevo filtro de consulta de la lista desplegable

Figura 10. Aplique un filtro de consulta a los segmentos de vena para ignorar las muestras internas.

Figura 11. Resultados de la clasificación de segmentos de vetas de Leapfrog Geo después de ignorar las muestras internas

Ignorar puntos al final de los agujeros

Dependiendo de los datos, es posible reducir el número de ediciones manuales excluyendo automáticamente los extremos del segmento al final de un agujero o canal. La configuración predeterminada para los segmentos de veta es incluir puntos al final de los agujeros. Para cambiar esta configuración, abra los segmentos de la vena haciendo doble clic (o haga clic con el botón derecho y seleccione Abrir), resaltados en naranja en la imagen, luego desmarque la opción para incluir puntos en los extremos de los agujeros (ver figura 12).

Figura 12. Desmarque la opción para incluir puntos en los extremos de los agujeros.

Figura 13. La clasificación automática de segmentos de veta que excluye puntos en los extremos de los pozos.

Como puede ver en la figura 13, los extremos de los segmentos de veta se excluyen al final de los orificios o canales. Esto ha resuelto el problema de clasificación de algunas de las muestras internas e incompletas. Sin embargo, si hay muchas muestras de vetas que se extienden hasta el final de los orificios (p. Ej., El orificio 11), o si la vena representa un caparazón de grado que debe encerrar firmemente todas las muestras de vetas, es posible que cambiar este ajuste no siempre sea apropiado

Conclusión

Con respecto a la clasificación automática de segmentos de vetas de Leapfrog Geo, el tipo de muestra de veta más recomendado para usar es de pared a pared. Incluso si el muestreo de pared a pared está fragmentado (separado por intervalos no registrados o intervalos sin vetas), la clasificación automática de segmentos producirá resultados apropiados. Con las muestras de canal, si las muestras de vena se pueden incluir en el mismo canal continuo, perpendicular a la estructura de veta tabular, puede minimizar o eliminar la necesidad de ediciones manuales en Leapfrog Geo (figura 14).

Figura 14. Muestras de canales fragmentados. Las muestras de la izquierda deberán editarse manualmente para producir una triangulación de vena razonable, mientras que las muestras de la derecha funcionarán automáticamente

Fuente: Leapfrog Geo