Characterization of Particulate Matter Generated at a Nickel Smelter Using Quantitative Mineralogy
Notice bibliographique
Résumé
Activities performed at mineral processing operations are capable of producing significant quantities of dust. To ensure that regulatory compliance is maintained throughout operation, dust levels are monitored by routine analysis of air filter samples. Determining the quantity and type of particulate matter present in dust allows for the operation to identify the sources of dust and where warranted, implement a dust suppressant strategy. Conventional methods of analysis, such as chemical assay, are unable to rigorously differentiate between phases containing the same elements and may result in ambiguity related to the identification of dust sources. By incorporating Quantitative Evaluation of Materials by Scanning Electron Microscope (QEMSCAN) into their routine monitoring programs, the Sudbury INO smelter has greatly improved characterization of the Ni and Co dust emissions generated at the operation. To determine specific activities responsible for emissions, bulk particulate matter was sampled from several key locations at the smelter that regularly produce dust. QEMSCAN was able to distinguish between critical subspecies of Ni and Co and mineralogical, and chemical signatures in the dust that are representative of locational activity were established. An apportionment of elements contributed by each source was calculated based on this information. The results of the characterization study assisted personnel in developing strategies to mitigate dust emissions that originate from the Smelter operations, and have general implications to occupational hygiene and environmental risk assessment.
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 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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».