MétaCan
Menu
Retour à la cohorte
Enregistrement W1971693278 · doi:10.1021/ie900305r

Sphalerite Flotation Using an Arylhydroxamic Acid Collector: Improving Grade while Using a Reduced Amount of Copper Sulfate for Activation

2009· article· en· W1971693278 sur OpenAlexafffund
Daniel Hamilton, Ramanathan Natarajan, Inderjit Nirdosh

Notice bibliographique

RevueIndustrial & Engineering Chemistry Research · 2009
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensLakehead University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésGangueSphaleriteXanthateChemistryCopperSulfatePyriteFroth flotationDepressantInorganic chemistrySulfide mineralsReagentGalenaNuclear chemistryChalcopyriteMetallurgyMineralogyMaterials scienceOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

N -Hydrocinnamoyl- N -phenylhydroxylamine (HCNPHA) was determined to float sphalerite without copper sulfate activation. However, the concomitant flotation of sulfidic (pyrite) and nonsulfidic gangue (silica) minerals significantly reduced the grade of the float concentrate. The addition of only 200 g/t copper sulfate, which is ∼20% of that which is being used currently in the xanthate reagent scheme, improved the grade and the recovery. Seven different types of carboxymethylcellulose (CMC-1−CMC-7) were tested. CMC-1 was found to be the best as a depressant of gangue flotation. Copper sulfate appeared to differentiate the sphalerite surface well and facilitated chelation while the CMC changed the frothing characteristics of the slurry and prevented entrainment of gangue into float concentrate (froth). Studies on flotation kinetics also confirmed the improved selectivity attained by using copper sulfate and a CMC. The selectivity index (SI) for sphalerite, with respect to pyrite, improved from 0.88 to 2.35 when copper sulfate was added, and that for nonsulfidic gangue increased from 1.93 to 6.29 when CMC was added.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,219
Score d'incertitude au seuil0,700

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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)0,0000,000

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 Opus0,164
Tête enseignante GPT0,370
Écart entre enseignants0,206 · 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 tête enseignante, 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

Citations6
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueIndustrial & Engineering Chemistry ResearchMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207