MétaCan
Menu
Retour à la cohorte
Enregistrement W4224846142 · doi:10.3390/min12050534

The Use of Hydrogen as a Potential Reductant in the Chromite Smelting Industry

2022· article· en· W4224846142 sur OpenAlexaff
Jamey Davies, Doğan Paktunç, J.J. Ramos-Hernández, Merete Tangstad, Eli Ringdalen, Johan P. Beukes, Dmitri Bessarabov, S.P. du Preez

Notice bibliographique

RevueMinerals · 2022
Typearticle
Langueen
DomaineEngineering
ThématiqueIron and Steelmaking Processes
Établissements canadiensNatural Resources Canada
Organismes subventionnairesNorges ForskningsrådDepartment of Science and Technology, Republic of South Africa
Mots-clésChromiteFerrochromeSmeltingHydrogenSpinelScrapMaterials scienceMetallurgyChromiumMulliteLeaching (pedology)OxideSlag (welding)Environmental scienceChemistryCeramic

Résumé

récupéré en direct d'OpenAlex

The chromium (Cr) content of stainless steel originates from recycled scrap and/or ferrochrome (FeCr), which is mainly produced by the carbothermic reduction of chromite ore. Ever-increasing pressure on FeCr producers to curtail carbon emissions justifies migration from traditional FeCr production routes. The interaction between hydrogen and chromite only yields water, foregoing the generation of significant volumes of CO-rich off-gas during traditional smelting procedures. For this reason, the use of hydrogen as a chromite reductant is proposed. In addition to thermodynamic modelling, the influence of temperature, time, and particle size on the reduction of chromite by hydrogen was investigated. It was determined that, at the explored reduction parameters, the iron (Fe)-oxides presented in chromite could be metalized and subsequently removed by hot-acid leaching. The Cr-oxide constituency of chromite did not undergo appreciable metalization. However, the removal of Fe from the chromite spinel allowed the formation of eskolaite with the composition of (Cr1.4Al0.6)O3 in the form of an exsolved phase, which may adversely affect the reducibility of chromite. The study includes the limitations of incorporating hydrogen as a reductant into existing FeCr production infrastructure and proposes possible approaches and considerations.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 Opus0,030
Tête enseignante GPT0,237
Écart entre enseignants0,208 · 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 source (Gemma direct ou Codex distillé), 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

Citations25
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMineralsMême sujetIron and Steelmaking ProcessesTravaux en français237 207