Embora uma estimativa Krigada seja o padrão para a elaboração de relatórios e o planejamento de longo prazo. Ele modera inerentemente os picos e as quedas locais. A simulação condicional é a resposta da geoestatística a essa questão, pois gera múltiplas realizações equiprováveis que reproduzem a variação real e os teores mais altos presentes nos dados de entrada, permitindo quantificar as incertezas.
Historicamente, a execução de uma simulação tem sido operacionalmente desafiadora. Gerar essas simulações significava exportar os dados para softwares especializados, escrever scripts personalizados e deixar o hardware local ocupado durante processamentos intensivos.
Este whitepaper explora como o Leapfrog Edge e o Seequent Evo tornam a simulação condicional viável na prática. Ao transferir o processamento intensivo para a nuvem, esse fluxo de trabalho integrado incorpora a modelagem de incertezas diretamente ao ambiente em 3D utilizado no dia a dia, sem necessidade de exportar dados, criar scripts especializados ou lidar com limitações de hardware.
