Echantillonnage dans le complexe aurifère de Loulo-Gounkoto

Télécharger le fichier pdf d’un mémoire de fin d’études

Relief, climat, hydrographie, flore et faune

Le site se trouve dans la zone de transition sahélienne entre le désert du Sahara au nord et la zone tropicale du sud. Les précipitations annuelles moyennes s’élèvent à 1091 mm. La température moyenne est de 28° C. Les conditions climatiques n’ont pas d’incidence importante sur les opérations d’exploration, de mise en valeur ou d’exploitation minière.
Kayes compte 21 forêts classées dont Bagouko qui regorge d’une vaste faune constituée notamment d’hippopotames, d’antilopes, de singes et d’oiseaux.

Infrastructure et environnement

L’eau du complexe provient des Fleuve Gara et Falémé qui traversent le site.
L’électricité est produite sur place à l’aide de générateurs et de panneaux solaires. Le projet Ramjack Newtrax, actuellement en cours permettra l’automatisation et la surveillance des mines souterraines du complexe via un réseau de fibre relié aux sources d’électricité.
Une piste d’atterrissage en latérite de 1,5 km est présente dans le permis Loulo.
L’usine de traitement se trouve à Loulo et est audité selon les exigences du Code international de gestion des cyanures. Les activités de Loulo sont conformes à la norme ISO 14001 et sont auditées indépendamment pour améliorer en permanence la gestion de l’environnement.

Population et occupations

La zone est surtout peuplée par les Malinkés, les Peuls, les Bambaras et les Khassonkés. La principale activité de ces habitants est l’orpaillage. L’agriculture et l’élevage des caprins, des ovins et des bovins sont tout de même pratiqués.

Contexte géologique

Le craton ouest africain (COA) est limité au sud et à l’ouest par la marge Atlantique et par les bassins sédimentaires associés, au nord par la chaîne de l’Atlas et à l’est par la suture Panafricaine (Ennih et Liégeois, 2008). Ce craton est composé d’un noyau Archéen dans sa partie sud-ouest, contre lequel se juxtaposent des séries de ceintures de roches vertes Paléoprotérozoïques (Gueye, 2008). Ces terrains Paléoprotérozoïques sont constitués par le domaine Baoulé-Mossi (dorsale de Man), par la partie orientale de la dorsale Réguibat et par les boutonnières de Kédougou-Kéniéba et de Kayes qui abritent plusieurs gisements aurifères.
Les gisements de Loulo-Gounkoto se situent à l’Est de la boutonnière de Kédougou-Kénieba et reposent sur la formation de Kofi affecté par l’orogenèse Eburnéenne. Cette formation renferme des grauwackes, des grès argileux, des grès calcaires et des grès tourmalinisés (Figure 2).

Historique du complexe aurifère de Loulo-Gounkoto

Le gisement d’or de Gara a été découvert en 1981 par une joint-venture entre la Direction nationale malienne de la Géologie et des Mines et le Bureau français de Recherches Géologiques et Minières. En 1992, BHP Minerals Mali a conclu un accord avec la Société des Mines de Loulo SA (« SOMILO ») pour un accord conjoint entreprise qui a fait du gisement Gara une ressource minérale jugée sub-économique à l’époque.
En 1996, Randgold a acquis BHP Minerals Mali et a entrepris des explorations régionales supplémentaires qui ont abouti en 1997 à la découverte de Yalea. Gounkoto a été découvert par l’exploration régionale en 2009 et a produit son premier métal en ciel ouvert en 2011.
Le 1er janvier 2019, Barrick a acquis une part dans Loulo-Gounkoto en vertu de la fusion avec Randgold.
La mine de Loulo appartient à la SOMILO (Société des Mines de Loulo), une société malienne.
La mine d’or de Gounkoto appartient à une société malienne, la Société des Mines de Gounkoto SA, qui appartient à 80 % à Barrick et à 20 % à l’État du Mali.

Production et durée de vie du projet

Si Yalea et Gara étaient exploités en ciel ouvert auparavant, l’approfondissement du corps minéralisé a conduit à la transition vers une autre opération de minage pour une extraction hautement sélective et à haut rendement qu’est l’exploitation souterraine. Gounkoto est toujours exploité en ciel ouvert avec une potentialité de mine souterraine prévue en fin 2020. Compte tenu des réserves et de la production existante, l’exploitation à ciel ouvert de Loulo-Gounkoto devrait se poursuivre jusqu’en 2024 et l’exploitation souterraine jusqu’en 2032. En outre le potentiel géologique de la zone permet de convoiter aux environs, d’autres prospects tels que Loulo 3 qui permettrait de prolonger la durée de vie du complexe.

Récupération de l’or dans le complexe aurifère de Loulo-Gounkoto

Plusieurs paramètres conditionnent la récupération notamment la taille des particules, la densité de la pulpe, le type de réactif et le dosage, le temps de décapage, la température de désorption, etc. Plus les particules sont fines, plus leurs surfaces de contact sont libres et se laissent attaquer par les réactifs. La réaction sera efficace d’où l’importance d’un broyage ultra fin.
Le Rapport Technique du complexe aurifère de Loulo-Gounkoto en 2018 évalue la récupération de l’or dans l’usine de traitement de Loulo à 84,5 % pour Yalea, à 94,4 % pour Gara, à 92,5 % pour Gounkoto et à 94,0 % pour le satellite de Baboto. La figure 3 expose la variation de la récupération de l’or et du minerai broyé au cours des années à Loulo et à Gounkoto.

Modèle à long terme

C’est un modèle à long terme par rapport au modèle à court terme. Il est généralement élaboré avec moins d’informations sur le gisement que le modèle à court terme.
La planification à long terme découle de ce modèle. C’est une planification stratégique de décisions durables qui pilotent les niveaux de décisions inférieures. C’est précisément le cas du budget établi tous les ans et non révocable au cours de l’année. Le budget se base sur la quantité d’or à délivrer et prévoit les meilleures stratégies de récupération du minerai en suivant la séquence de minage. La réconciliation des tonnages, des teneurs et de la quantité de métal est en partie une comparaison entre le budget prédéfini et la production observée.

Modèle à court terme

Le modèle à court terme est développé à partir des trous de forage supplémentaire (si disponibles) et contient généralement de nouvelles informations provenant de la cartographie. De ce fait, elle permet souvent une meilleure estimation que le modèle à long terme. Le modèle du Contrôle de la Teneur2 est un modèle à court terme utilisé pour la planification de la production journalière. À ce stade, la dilution et les pertes de minerai sont généralement mieux planifiées.

Variation d’un stock en cours

C’est une valeur qui indique l’évolution d’un stock entre deux instants. Elle est déterminée par l’Équation 1.2. 1.2. ′ = ô − ′

Conformité

La conformité permet d’apprécier la production observée par rapport au plan. Lorsque la production dépasse le plan alors, la conformité est égale à 100 %. Elle n’existe pas lorsque la production observée n’est pas planifiée. C’est donc une valeur comprise entre 0 et 100 et est calculée par l’Équation 1.3. 1.3 é = é é × 100 é

Écart relatif

Un bilan comptable des métaux contient des chiffres de mesures de masse (tonnage), de teneur
et de quantité de métal. L’écart relatif entre deux mesures est calculé par l’Équation 1.4. 1.4 = − ×100 2 C’est une entité du département de Ressource Minérale chargée du contrôle de la qualité du minerai ainsi que le suivi du corps minéralisé.

Théorie du Facteur d’Appel de la Mine

Un rapprochement peut être défini comme une comparaison entre le plan (estimation) et la production de l’usine. Le Facteur d’Appel de la Mine (FAM) compare la somme du métal produit en plus de celui contenu dans les résidus au métal estimé à partir des méthodes d’évaluation des mines (Storrar, 1981). Storrar (1981) révèle qu’un faible FAM persistant inférieur à 80 % suscite une inquiétude sur toute la chaine minière, car l’échantillonnage de la mine peut exagérer le contenu du minerai traité. Un FAM anormalement élevé et qui persiste sur une longue période n’est pas convenable si la cause n’est pas déterminée. Ce facteur est exprimé en pourcentage et est calculé par l’Équation 1.5. 1.5 ′ = é × 100 é é
Une marge de plus ou moins ± 5 % est tolérée. Cette définition signifie que si l’échantillonnage, le dosage et les mesures de tonnage dans une mine et une usine sont sans failles, qu’il n’y a aucun minéral perdu à aucun stade pendant la manipulation et le traitement et enfin que la méthode d’estimation de la mine est parfaite, le Facteur d’Appel de la Mine devra être théoriquement 100 % (Tetteh, 2014). On peut donc en déduire dans ce contexte qu’un écart est le résultat d’un gain ou d’une perte de métal. Storrar (1981) a en outre souligné que des irrégularités de cette nature pourraient réduire la confiance sur les procédures d’échantillonnage et par conséquent, les méthodes d’échantillonnage devront être revues.
Dans la mine, ce facteur dépasse 100 % lorsque le métal attendu par le Contrôle de la Teneur est inférieure à celle comptabilisée par l’usine. Cet écart pourrait traduire une sous-estimation du contenu métallique. Par contre, les pertes tendent à maintenir le FAM en dessous de 100 %. Les pertes sont en outre classées comme apparentes ou réelles (Cawood, 2003).

Pertes apparentes

La surestimation du contenu métallique lors de la modélisation géologique est la source des pertes apparentes. Le métal surestimé, qui n’existe donc pas en réalité, sera inclus (« Appelé ») dans le calcul du FAM et contribuera à des pertes apparentes. Les autres contributeurs aux pertes apparentes comprennent les normes d’échantillonnages inappropriés, la mauvaise application des normes et une densité relative incorrecte appliquée.

Pertes réelles

Il s’agit de pertes physiques de métaux. Cette quantité de métal est perdue lors des opérations d’extractions ou de traitement de minerai.

Approche d’étude du FAM

Une approche systématique et scientifique est nécessaire pour de bons résultats de FAM. Une enquête sur le FAM devrait commencer par l’analyse des différentes composantes du FAM. Cawood (2003) décrit une approche en sept étapes pour mener enquête FAM à savoir :
– l’examen des protocoles existants pour établir la conformité ;
– une étude de la littérature ;
– la compréhension du processus de flux de minerai vers la fonderie ;
– l’identification et la quantification des risques ;
– l’introduction de tests et observation des réponses ;
– faire la distinction entre les recherches à long terme et à court terme ;
– ajustement des protocoles existants par les résultats de l’enquête.
Storrar (1981) a quant à lui suggéré un examen systématique de neuf variables pour les mines d’or souterraines :
– les méthodes de mesure et de calculs du géomètre,
– l’échantillonnage du minerai envoyé au broyeur (l’usine);
– le déversement de minerai et les facteurs de wagons dans certaines circonstances ;
– l’accumulation souterraine de minerai et le balayage ;
– les pertes dues au vol d’or dans l’usine ;
– le biais dans le dosage et la tolérance pour la teneur en argent dans le dosage de l’or ;
– les roches stockées dans la mine souterraine en tant que stérile ;
– les roches stockées en surface en tant que stérile ;
– les roches définies ensuite comme minerai à partir du stérile stockée.
Généralement, les problèmes de FAM varient d’une mine à l’autre en raison de la nature irrégulière des activités minières. De ce fait, chaque mine sera appelée à corriger les écarts différemment. De Jager (1997) déclare que l’industrie minière est parfois confrontée à divers mythes concernant les causes possibles de disparitions d’or.

Facteurs de réconciliation

Le Facteur d’Appel de la Mine est considéré comme une mesure de l’efficacité de tous les processus de la chaîne de valeur des mines à l’usine. D’ailleurs, Cawood (2003) a étudié l’échantillonnage de la face souterraine sur des récifs étroits. Son étude a montré que le FAM n’est pas un indicateur fiable lorsqu’il est utilisé pour identifier l’emplacement de la perte d’or, car il couvre un large éventail d’activités.
Éliminer les causes des écarts sur plusieurs opérations permet de mieux rapprocher la production réelle de l’estimation. C’est le concept de la « réconciliation proactive », un processus itératif qui permet de corriger les méthodes d’échantillonnage et d’estimation de la production dans le but d’améliorer la prévisibilité des modèles (Chieregati et al., 2019). Ces derniers proposent alors de diviser le système de réconciliation en ses composants de base et ont présenté un nouveau modèle de réconciliation avec des indicateurs de réconciliation pour une mine d’or. Cette méthode permet de mettre en évidence les étapes critiques des opérations et de résoudre chaque problème séparément. C’est précisément ce type de modèle de rapprochement qui nous a inspiré durant notre étude pour l’élaboration du plan de réconciliation que nous avons appliqué dans le complexe aurifère de Loulo-Gounkoto (Figure 5). Ce modèle propose tous les rapprochements jugés primordiaux. Quelques facteurs sont définis et facilitent la comptabilité des actifs.

ECHANTILLONNAGE, ESTIMATION ET MODELISATION

Les problèmes de réconciliation sont très courants dans l’industrie minière, en particulier lorsqu’il s’agit de métaux précieux ou de gisements à fort effet de pépite ou hétérogénéité. Il s’avère que ces problèmes surviennent très souvent à la suite de mauvaises pratiques d’échantillonnage et/ou de modélisation des ressources (Chieregati et al., 2019). On sait qu’une estimation de qualité n’est possible qu’avec un système d’échantillonnage approprié et capable de générer des échantillons représentatifs. Dès lors, la prévisibilité de toute opération d’estimation des ressources, d’exploitation minière, jusqu’à la production du métal, dépend de l’optimisation d’une opération de base, qui est l’échantillonnage. Par conséquent, une attention particulière doit être accordée aux procédures de collecte et de traitement des données.
L’objectif de cette section est de présenter les bonnes pratiques de l’échantillonnage pour une estimation efficace des ressources et des réserves, mais également les principales sources d’erreurs durant l’estimation et la modélisation. La compréhension de ce chapitre est intéressante car dans tous projets miniers, la planification de la mine à l’usine et la prévision des performances sont basées sur des estimations de contenu et de quantité de minerai.

Théorie de l’échantillonnage

La Théorie de l’échantillonnage (TOS) est développée par Pierre Gy qui, de 1950 à 1975, l’a appliquée dans des secteurs industriels clés (mines, minéraux, ciment et traitement des métaux). Cette théorie vise à savoir identifier, réduire et éliminer les erreurs d’échantillonnage. Selon Gy, une procédure d’échantillonnage inadéquate peut entraîner des erreurs allant jusqu’à :
• 1000 % pour les échantillons de l’échantillonnage primaire (sélection de l’échantillon) ;
• 50 % pour l’échantillonnage secondaire ou pré-échantillon (réduction de la masse de l’échantillon)
• 0,1 à 1,0 % pour l’étape d’analyse chimique.
Gy a identifié pas moins de huit erreurs rencontrées en raison de l’hétérogénéité et/ou la conception et le rendement de l’équipement d’échantillonnage ainsi que leur impact négatif sur l’incertitude totale accumulée.
Ces huit erreurs d’échantillonnage proviennent de seulement trois sources :
• le matériau (toujours hétérogène, car ce n’est qu’une question d’échelle),
• l’équipement d’échantillonnage (qui peut être conçu pour favoriser un échantillonnage sélectif ou non) ;
• le processus d’échantillonnage (même un équipement correctement conçu peut être utilisé de
manière non-représentative).
Il est bien sûr nécessaire de savoir comment identifier ces erreurs et comment les éliminer. La figure 7 présente les six principes généraux (GP) des TOS sur le panneau gris supérieur, les quatre opérations d’unité d’échantillonnage (SUO) sur le panneau jaune inférieur et les huit erreurs d’échantillonnage, distinguées comme ISE (erreur d’échantillonnage incorrect) et CSE (erreur d’échantillonnage correct). Ce plan doit être considéré comme un catalyseur pour approfondir la littérature des TOS. La signification des erreurs est traduite en français pendant l’étude, mais les notes ont été maintenues en anglais sur la figure 7 pour se référer aux notations établies par Gy (1992) et modifiées par Pitard (1993 et 2009).
L’échantillonnage de matériaux stationnaires renferme six erreurs d’échantillonnage de base (ISE), tandis que l’échantillonnage de processus (échantillonnage de lots dynamiques) renferme deux erreurs supplémentaires (CSE).
La première tâche de tout programme d’échantillonnage est d’éliminer les ISE qui sont principalement les problèmes concernant la conception, l’installation, le fonctionnement et la maintenance de l’équipement d’échantillonnage. Ces erreurs sont les suivantes :
• IDE: l’erreur de suppression incorrecte est liée à la forme de l’outil d’échantillonnage,
• IEE: une erreur d’extraction incorrecte est liée au matériau extrait par l’outil d’échantillonnage ;
• IPE: une erreur de préparation incorrecte se rapporte à toutes les modifications de l’échantillon après que l’échantillon ait été prélevé ;
• IWE: lié aux erreurs de pesées.
Ensuite, ce sont les CSE qui peuvent être traités. Il s’agit des :
• GSE : c’est la ségrégation et le groupement dans les échantillons. L’erreur provient des particules qui ont tendance à s’agréger au sein d’un lot ; il faudrait homogénéiser le matériau pour le minimiser,
• FSE: c’est l’échantillonnage fondamental ; l’erreur qui se produirait si chaque partie du
lot était échantillonnée de la même manière.
L’Erreur de sélection de point (PSE) est une erreur provoquée par l’hétérogénéité dans un flux d’échantillon qui coule, comme une bande transporteuse (convoyeur).
La théorie exige logiquement que toutes les étapes soient supervisées et régies par un système unifié d’échantillonnage.

Erreur d’estimation globale

Chaque estimation est basée sur des échantillons et donc l’erreur de l’estimation globale inclut toutes les erreurs d’échantillonnage et d’analyse chimique.
Une variabilité naturelle élevée peut augmenter la quantité d’erreurs de classification. La reconnaissance de l’effet de pépite est d’une extrême importance pour les estimations de modèle. En géostatistique, l’effet de pépite, ou σ (0) du variogramme, peut être défini comme la comparaison entre une unité (ou un échantillon) avec son duplicata le plus proche de lui, qui nous amènerait à conclure que σ (0)= 0.
Toutes les erreurs générées lors de ces processus sont contenues dans la valeur σ (0), appelée par Pitard (1993) « Garbage can », pour représenter la somme de toutes les variances des CSE et FSE ainsi que la variance de l’hétérogénéité intrinsèque du matériel, ou effet de pépite in situ (σ 2 NE).

Modélisation et estimation

Des modèles mal conçus des ressources minérales et de la distribution du minerai peuvent résulter d’un échantillonnage insuffisant et inadéquat de la minéralisation (planification des trous de forage) et de l’accumulation d’incertitudes et erreurs.

Incertitude géologique

Les modèles bidimensionnels (cartes, coupes, sections, etc.) sont le résultat de longs processus dans lesquels le géologue recueille des données et les interprète sur la base de théories géologiques. L’interprétation conduit à une extrapolation et une interpolation qui peuvent être la cause de certains écarts observés lors de la réconciliation. Ces erreurs et/ou incertitudes sont introduites particulièrement dans cet ordre selon Clarke (2004) :
1. erreurs dans la mesure des données brutes ou le positionnement spatial,
2. erreurs et incertitudes résultant de la quantité (ou du manque) de données brutes ;
3. erreurs liées à l’échelle ou à la projection des données ;
4. incertitude dans les théories géologiques utilisées dans l’interprétation ;
5. incertitude dans l’interprétation de la géologie régionale ou de l’histoire géologique de la zone étudiée ;
6. incertitude avec les techniques d’extrapolation ;
7. incertitude des connaissances des experts (limite des connaissances, de la formation ou de scientifique faisant l’interprétation) ;
8. incertitude sur la qualité des données, la méthode par laquelle elles ont été collectées ou la manière dont elles ont été traitées ;
9. incertitude résultant d’un conflit de données.
Il est important de comprendre que l’erreur et l’incertitude ne sont pas la même chose. L’erreur est définie comme la différence entre un résultat individuel et la vraie valeur mesurable (ISO, 2000). Par contre, les incertitudes peuvent être quantifiées numériquement avec une marge d’erreur.

Méthodes d’évaluation des incertitudes et des erreurs

La description détaillée des méthodes d’évaluation des incertitudes et des erreurs dépasse l’objectif de ce travail. Néanmoins, la source des écarts doit être connue pour être minimisés. Les erreurs et les incertitudes sont regroupées en 03 catégories de sources différentes pour être évaluées:
1. les erreurs quantifiables proviennent de problèmes d’échelle, des erreurs aléatoires et systématiques résultant des caractéristiques de l’entité mesurée et de la méthode de mesure. Ces erreurs sont évaluées à l’aide de marges d’erreur, de déclarations d’exactitude et de l’analyse statistique (Isaaks et al., 1989 ; Day et al., 1991).
2. l’incertitude de calcul (ou « ajustement ») découle d’interpolation ou d’extrapolation utilisée pour interpréter les données. Les effets de l’incertitude de calcul peuvent être évalués à l’aide de technique de rééchantillonnage statistique (Efron, 1979; Meinrath et al., 2000).
3. l’incertitude d’interprétation géologique tient sa source de la quantité des données géologiques et de la qualité de l’interprétation. Cette incertitude peut être évalué par la méthode de la «confiance géologique » (Clarke,2004).

Echantillonnage dans le complexe aurifère de Loulo-Gounkoto

D’importants programmes de forage et de cartographie dans les développements miniers ou les carrières sont organisés par le Contrôle de la Teneur pour accroître la confiance dans les estimations des ressources minérales et des réserves de minerai. Ces programmes garantissent l’échantillonnage des gisements, l’emplacement des zones minéralisées et de leurs caractéristiques intrinsèques comme la teneur, le volume et la densité.
Les forages à circulation inverse (RC) et au diamant (DD) sont pratiqués à Loulo et à Gounkoto. L’échantillonnage de canal est adopté dans les mines souterraines de Loulo alors que la ligne de tranchée s’effectue à Gounkoto. Le forage à boue est pratiqué à Gara avant le minage des blocs à cause du plissement intense.

Table des matières

SYMBOLES ET ABRÉVIATIONS
INTRODUCTION GÉNÉRALE
CHAPITRE 1: PRÉSENTATION DU COMPLEXE AURIFÈRE DE LOULOGOUNKOTO
Introduction
1.1. Contexte géographique
1.1.1. Relief, climat, hydrographie, flore et faune
1.1.2. Infrastructure et environnement
1.1.3. Population et occupations
1.2. Contexte géologique
1.3. Historique du complexe aurifère de Loulo-Gounkoto
1.4. Production et durée de vie du projet
1.5. Récupération de l’or dans le complexe aurifère de Loulo-Gounkoto
Conclusion
CHAPITRE 2 : PROCESSUS DE RÉCONCILIATION
Introduction
2.1. Notions clé
2.1.1. Minerai et stérile
2.1.2. Dilution
2.1.3. Pertes
2.1.4. Modèle à long terme
2.1.5. Modèle à court terme
2.1.6. Variation d’un stock en cours
2.1.7. Conformité
2.1.8. Écart relatif
2.2. Théorie du Facteur d’Appel de la Mine
2.2.1. Pertes apparentes
2.2.2. Pertes réelles
2.2.3. Approche d’étude du FAM
2.3. Facteurs de réconciliation
2.4. Etat de l’art
2.5. Historique de la réconciliation dans le complexe aurifère de Loulo-Gounkoto
Conclusion
CHAPITRE 3 : ECHANTILLONNAGE, ESTIMATION ET MODELISATION
Introduction
3.1. Théorie de l’échantillonnage
3.2. Erreur d’estimation globale
3.3. Modélisation et estimation
3.3.1. Incertitude géologique
3.3.2. Méthodes d’évaluation des incertitudes et des erreurs
3.4. Echantillonnage dans le complexe aurifère de Loulo-Gounkoto
3.4.1. Analyse de l’Assurance de la Qualité et du Contrôle de la Qualité (AQ / CQ)
Conclusion
CHAPITRE 4 : SYSTEMES DE MESURE
Introduction
4.1. Le code AMIRA P 754
4.2. Mesure des masses
4.2.1. Mesure de la densité et de la teneur en humidité
4.2.2. Mesure du minerai broyé et concassé
4.2.3. Mesure de masse de concentré de métaux précieux
4.2.4. Mesure de masse de produit de métaux précieux
4.2.5. Mesure de masse des stocks/inventaire en cours
4.2.6. Équilibrage des masses et réconciliation
4.3. Potentielles sources des écarts en rapport avec les instruments de mesure
4.3.1. Défauts et états de fonctionnement
4.3.2. Erreurs de mesure
4.4. Traitement des données et rapports
4.5. Filtrage des données
4.6. Comptabilité du tonnage dans le complexe aurifère de Loulo-Gounkoto
4.6.1. Suivi des camions et des chargeurs
4.6.2. Levées topographiques
4.6.3. Balance du convoyeur
4.6.4. Débitmètre
4.7. Réconciliation du minerai extrait de Loulo et de Gounkoto en fonction du système de mesure
4.7.1. Réconciliation des mesures topographiques avec celles des balances des convoyeurs
4.7.2. Réconciliation du minerai extrait mesuré par les levées topographiques et par suivi des camions et des chargeurs à Loulo
4.7.3. Réconciliation du minerai extrait mesuré par levées topographiques et par le suivi des camions et des chargeurs à Gounkoto
4.7.4. Alimentation de l’usine par le minerai de Baboto
4.7.5. Interprétation des résultats de réconciliation par les instruments de mesure de la mine
4.8. Réconciliation du minerai traité dans l’usine à partir des balances des convoyeurs et des débitmètres
4.8.1. Circuit de fragmentation du complexe aurifère de Loulo-Gounkoto
4.8.2. Processus de traitement chimique du complexe de Loulo-Gounkoto
Conclusion
CHAPITRE 5 : CONTROLE DE LA DILUTION ET DES PERTES DE MINERAI
Introduction
5.1. Potentielles sources de dilution et de pertes de minerai dans les mines
5.1.1. Paramètres influençant la dilution et les pertes planifiées
5.1.2. Paramètres influençant la dilution et les pertes opérationnelles
5.2. Logistique minière : chargement et transport de matériaux
5.3. Problématique des pertes de minerai sur le FAM
Conclusion
CHAPITRE 6 : RÉCONCILIATION DU TONNAGE, DE LA TENEUR ET DE LA QUANTITÉ DE METAL DU MINERAI EXTRAIT ET TRAITÉ DANS LE COMPLEXE AURIFÈRE DE LOULO-GOUNKOTO
Introduction
6.1. Résultats de l’enquête sur la base de donnée
6.2. Réconciliation entre le modèle de ressource et le modèle du Contrôle de la Teneur
6.2.1. Réconciliation entre modèle du Contrôle de la Teneur et modèle de messource à Yalea
6.2.2. Réconciliation modèle du Contrôle de la Teneur et modèle de ressource à Gara 59
6.2.3. Rapprochement modèle du Contrôle de la teneur et modèle de ressource à Gounkoto
6.3. Réconciliation entre le plan à long terme et le plan à court terme : Facteur F1
6.3. Réconciliation entre le minerai extrait et celui planifié
6.3.1. Extraction dans la mine souterraine de Yalea
6.3.2. Extraction dans la mine souterraine de Gara
6.3.3. Extraction dans la mine à ciel ouvert de Gounkoto
6.3.4. Réconciliation entre le minerai total extrait dans le complexe et les prévisions
6.4. Réconciliation entre la mine et l’usine
6.5. Facteur d’Appel de la Mine du complexe aurifère de Loulo-Gounkoto
6.6. Causes des écarts dans la réconciliation des mines à l’usine
Conclusion
CONCLUSION GÉNÉRALE
RECOMMANDATIONS
BIBLIOGRAPHIE

Télécharger le rapport complet