MétaCan
Menu
Retour à la cohorte
Enregistrement W3041353619 · doi:10.1002/cjce.23844

A continuous‐flow surface flotation cell for the separation of scanty mineral samples based on wettability contrast

2020· article· en· W3041353619 sur OpenAlexafffundvenue
Michaël Faucher, Olivier Gravel, Faı̈çal Larachi

Notice bibliographique

RevueThe Canadian Journal of Chemical Engineering · 2020
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueMinerals Flotation and Separation Techniques
Établissements canadiensUniversité Laval
Organismes subventionnairesMitacs
Mots-clésWettingGangueFroth flotationMineralMineral processingMaterials scienceQuartzContact angleSeparation processGalenaMineralogyChemistryChromatographyMetallurgyComposite materialSphalerite

Résumé

récupéré en direct d'OpenAlex

Abstract Reliable measurements of hydrophobicity of minerals and ores are important to the study of the separation performance of a froth flotation process. However, surface heterogeneity, which is inexorably linked to actual industrial ores, has always been a challenging factor to characterize with currently existing measurement techniques. In this study, a new apparatus of surface flotation that provides surface floatability and wettability evaluation requiring parsimonious needs in sample consumption is presented. It consists of a continuous‐flow macroscopically flat‐interface flotation cell for the selective separation at a moving liquid‐gas interface between hydrophobic mineral and hydrophilic gangue from scanty mineral samples. To prove the concept, comparative experiments were conducted with a mineral matrix composed of graphite and quartz using the new surface flotation apparatus, a micro‐flotation cell, and a Denver cell. The results obtained from the surface flotation cell indicate that its separation efficiency and its reproducibility are better than the two standard laboratory separation techniques. Use of this new technique provides more and better information related to the wettability of mineral/ore surfaces while requiring as low as 3 g of mineral samples.

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: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,155
Score d'incertitude au seuil0,206

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 Opus0,014
Tête enseignante GPT0,218
Écart entre enseignants0,204 · 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'étudeSimulation ou modélisation
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

Citations4
Publié2020
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueThe Canadian Journal of Chemical EngineeringMême sujetMinerals Flotation and Separation TechniquesTravaux en français237 207