MétaCan
Menu
Retour à la cohorte
Enregistrement W1949387818 · doi:10.1080/01496395.2015.1056360

Separation and Recovery of Valuable Metals from Nickel Slags Disposed in Landfills

2015· article· en· W1949387818 sur OpenAlexaff
Aleksandar M. Mitrašinović

Notice bibliographique

RevueSeparation Science and Technology · 2015
Typearticle
Langueen
DomaineEngineering
ThématiqueMaterials Engineering and Processing
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNickelChemistryRefining (metallurgy)SettlingSlag (welding)MetallurgyCobaltMetalCopperPartition coefficientExtraction (chemistry)Inorganic chemistryEnvironmental scienceEnvironmental engineeringMaterials scienceChromatography

Résumé

récupéré en direct d'OpenAlex

With the increased requests for more sustainable extraction processes feedstocks with low metal content are becoming more attractive. In this research, an additional refining step is investigated in order to recover valuable metals from slag generated during nickel extraction process, particularly copper, nickel, and cobalt. Slag was settled at the different temperatures for various times in conditions that simulated the industrial environment. The chemical composition and morphology of newly formed matte and slag were determined. Kinetic parameters of matte formation, valuable metal recovery rates and partition coefficients were deduced. Metals separation and settling rate was found to be strongly dependent on temperature. The highest recovery rates were found to occur at 1598 K (1325°C) for two hour settling while the most economical combination of parameters was found when settling at 1573 K (1300°C) for one hour. Silica additions generated higher partition coefficients for copper and nickel than the addition of lime. It is concluded that an additional refining step involving SiO2 and CaO fluxes is an economical way to recover more than 60% of valuable metals from slag that is disposed in landfills.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,018
Tête enseignante GPT0,279
Écart entre enseignants0,261 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueSeparation Science and TechnologyMême sujetMaterials Engineering and ProcessingTravaux en français237 207