Hydrometallurgical Process and Economic Evaluation for Recovery of Zinc and Manganese from Spent Alkaline Batteries
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.
Notice bibliographique
Résumé
An innovative, efficient, and economically viable process for the recycling of spent alkaline batteries is presented herein. The developed process allows for the selective recovery of Zn and Mn metals present in alkaline batteries. The hydrometallurgical process consists of a physical pre-treatment step for separating out the metal powder containing Zn and Mn, followed by a chemical treatment step for the recovery of these metals. Sulfuric acid was used for the first leaching process to dissolve Zn(II) and Mn(II) into the leachate. After purification, Mn was recovered in the form of MnO2, and Zn in its metal form. Furthermore, during the second sulfuric acid leaching, Na2S2O5 was added for the conversion of Mn(IV) to Mn(II) (soluble in the leachate), allowing Mn to be recovered as MnCO3. Masses of 162 kg of Zn metal and 215 kg of Mn (both in the form of MnO2 and MnCO3) were recovered from one ton of spent alkaline batteries. The direct operating costs (chemicals, labor operation, utilities, energy) and indirect costs (amortization, interest payment) required for a plant treating 8 tons of spent batteries per day was calculated to be $CAD 726 and $CAD 534 per ton, respectively, while the total revenue from the sale of the metals was calculated at $CAD 1359.6 per ton of spent batteries. The development of this type of cost-effective industrial process is necessary for a circular economy, as it contributes to addressing environment- and energy-related issues, and creates opportunities for the economic utilization of metals.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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