Si bien la estimación por krigeado es el estándar para la elaboración de informes y la planificación a largo plazo, por su propia naturaleza atenúa los valores máximos y mínimos a escala local. La simulación condicional ofrece una respuesta geoestadística a esta limitación, ya que genera múltiples realizaciones equiprobables que reproducen la varianza real y la cola de altas leyes de los datos de entrada, lo que permite cuantificar la incertidumbre.
Durante mucho tiempo, ejecutar una simulación ha planteado dificultades operativas. Para generar estas realizaciones era necesario exportar los datos a software especializado, escribir scripts personalizados y mantener ocupado el hardware local durante procesos intensivos.
En este informe técnico se analiza cómo Leapfrog Edge y Seequent Evo permiten aplicar la simulación condicional de manera práctica. Al trasladar el procesamiento intensivo a la nube, este flujo de trabajo integrado incorpora el modelado de la incertidumbre en su entorno 3D habitual de manera directa, sin necesidad de exportar datos ni crear scripts especializados y sin las limitaciones del hardware local.
