MétaCan
Menu
Retour à la cohorte
Enregistrement W2965730065 · doi:10.11159/mmme20.136

Characterisation of South African Chromite Middle Group Seams

2020· article· en· W2965730065 sur OpenAlexvenueno aff
Mashudu Maruli, Willie Nheta

Notice bibliographique

RevueProceedings of the World Congress on Mechanical, Chemical, and Material Engineering · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueChromium effects and bioremediation
Établissements canadiensnon disponible
Organismes subventionnairesUniversity of Johannesburg
Mots-clésChromiteGeologyGroup (periodic table)Mining engineeringGeochemistryPhysics

Résumé

récupéré en direct d'OpenAlex

In this paper, detailed physical and chemical characterisation of the South African chromite Middle group seams (MG 1, 2, 3 and 4) was conducted to determine the effect it has in choosing the type of milling equipment and establish how the mineralogical characteristics vary in order to decide whether they should be processed separately or blended together. The chemical composition was analysed using XRF, mineralogical phases determined using XRD and elemental analysis as well as grain particle sizes were obtained from SEM and EDS. XRF results showed that the Cr 2 O 3 content in all seams was between 30 and 35% by weight and mostly associated with Fe, Si, Mg, and Al elements. Most dominant phases are that of chromite and magnetite in all the samples. The amount of chromium element by % weight in all seams ranged between 20% to 28 % as obtained from the EDS. The particle size of the grains in the ore ranged between 20 to 420m, with majority being between 150 and 200m. SEM showed that minerals were well distributed within the ore, with very few that were clustered together. From above mentioned mineralogical analysis that has been conducted thus far it was observed that all Middle group seams showed very similar characteristics, and blending them for processing would be most recommended, however they can also be processed separately depending on the availability of the ore.

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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,425

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 Opus0,008
Tête enseignante GPT0,171
Écart entre enseignants0,163 · 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

Citations2
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the World Congress on Mechanical, Chemical, and Material EngineeringMême sujetChromium effects and bioremediationTravaux en français237 207