MétaCan
Menu
Retour à la cohorte
Enregistrement W2913904842 · doi:10.32339/0135-5910-2019-1-48-56

Relating to the rational utilization of manganese-containing raw materials

2019· article· en· W2913904842 sur OpenAlex
О. И. Нохрина, И. Д. Рожихина, I. E. Proshunin, М. А. Голодова, I. E. Khodosov

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueFerrous Metallurgy Bulletin of Scientific Technical and Economic Information · 2019
Typearticle
Langueen
DomaineEngineering
ThématiqueEngineering and Environmental Studies
Établissements canadiensEVRAZ (Canada)
Organismes subventionnairesnon disponible
Mots-clésManganeseBeneficiationRaw materialMetallurgyNickelSmeltingMaterials scienceFlow chartChemistryEngineering

Résumé

récupéré en direct d'OpenAlex

Data on main manganese ores deposits by Russian Federation subjects presented. It was shown, that main part of manganese ore raw materials prognostic resources are concentrated in Altaj-Sayan and Enisej-East-Sayan metallogenic provinces. Estimation of metallurgical value of manganese ores deposits, located at the territory of Altaj-Sayan metallogenic province, carried out. A technological flow-chart of manganese-containing raw materials elaborated, comprising high quality manganese concentrate obtaining, its preparation, synthesis of marokite and mono-phase CaMnO3 material, marokite briquetting with a reducing agent and application for steel processing in ladle-furnace facility. A possibility shown to utilization of CaMnO3 mono-phase material mixed with a reducing agent and high quality manganese concentrate for production of metal manganese. Thermodynamic calculations and experiment studies on polymetallic manganese-containing raw material beneficiation enabled to determine main technological parameters of extraction and elaborate a technological flow-chart of beneficiation. The elaborated technology enables to obtain high quality manganese, nickel, iron and cobalt concentrates. Application of optimal technological parameters of beneficiation enables to extract from a polymetallic manganese-containing raw materials up to 95–97% of manganese, 98–99% of nickel, 96–98% of iron. It was shown, that it is reasonable to use the manganese concentrate for low phosphor metal manganese smelting, that will enable to decrease the dependence from manganese-containing materials import. A technology of steel alloying by obtained nickel concentrate elaborated. The substitution of metal nickel by nickel concentrate will considerably reduce expenses for alloying. A technology of metalized iron production by a solid-phase reducing method from an iron concentrate also elaborated, which will enable to decrease impurities content in steel during its application.

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.

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)0,000
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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,738
Score d'incertitude au seuil0,284

Scores Codex et Gemma par catégorie

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)0,0000,000

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 Opus0,009
Tête enseignante GPT0,180
Écart entre enseignants0,171 · 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