MétaCan
Menu
Retour à la cohorte
Enregistrement W3030340065 · doi:10.1155/2020/5607242

Flow Enhancement of Mineral Pastes to Increase Water Recovery in Tailings: A Matlab-Based Imaging Processing Tool

2020· article· en· W3030340065 sur OpenAlex

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.

aboutLe titre ou le résumé porte un signal canadien du lexique géographique.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueScientific Programming · 2020
Typearticle
Langueen
DomaineEngineering
ThématiqueTailings Management and Properties
Établissements canadiensnon disponible
Organismes subventionnairesUniversidad Católica del Norte
Mots-clésTailingsContext (archaeology)Environmental scienceEvaporationResource (disambiguation)Materials scienceGeologyComputer scienceMetallurgy

Résumé

récupéré en direct d'OpenAlex

The rate of growth of mining copper industry in Chile requires higher consumption of water, which is a resource limited in quality and quantity and a major point of concern in present times. In addition, the efficient use of water is restricted due to high levels of evaporation (10 to 15 (l/m 2 ) per day), in particular at the north highland mining sites (Chile). On the contrary, the final disposal of tailings is mainly on pond, which loses water by evaporation and in some cases by percolation. An alternative are the paste thickeners, which generate stable paste (70% solids), reducing evaporation and percolation and therefore reducing water make up. Water is a resource with more demand as the industries are expanding, making the water recovery processes more of a necessity than a simple upgrade in efficiency. This technology was developed in Canada (early 80s) and it has widely been used in Australia (arid zones with similar weather conditions to Chile), although few plants are using this technology. The tendency in the near future is to move from open ponds to paste thickeners. One of the examples of this is Minera El Tesoro. This scenario requires developing technical capacity in both paste flow characterization and rheology modifiers (fluidity enhancer) in order to make possible the final disposal of this paste. In this context, a new technique is introduced and experimental results of fluidity modifiers are discussed. This study describes how water content affects the flow behavior and depositional geometry of tailings and silica flour pastes. The depositional angle determined from the flume tests, and the yield stresses is determined from slump test and a rheological model. Both techniques incorporate digital video and image analysis. The results indicate that the new technique can be incorporated in order to determine the proper solid content and modifiers to a given fluidity requirement. In addition, the experimental results showed that the pH controls strongly the fluid paste behavior.

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)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,576
Score d'incertitude au seuil0,648

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 Opus0,011
Tête enseignante GPT0,200
Écart entre enseignants0,189 · 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