Technical and Economic Comparison between Sodium and Ammonium Agents in the Jarosite Precipitation Process─An Evaluation for Industrial Applications
Notice bibliographique
Résumé
Iron content can cause severe challenges through zinc production from zinc sulfide concentrate. The zinc industry extensively uses the jarosite precipitation process (JPP) to precipitate dissolved iron and remove it before transferring the solution to downstream stages. Precipitating agents (PAs) play an essential role in the JPP. However, surprisingly, no study compares the efficiency of various PAs on an industrial scale. As an innovative approach, this investigation compares the technical and economic aspects of using various sodium and ammonium compounds (hydroxides, carbonates, bicarbonates, sulfates, and bisulfates) as typical PAs for the JPP at the Bafgh Zinc Smelting Company (BZSC) plant. Experimental results revealed that ammonium hydroxide, with 90.85% iron removal efficiency, had the highest performance, and sodium bisulfate and ammonium bisulfate had the lowest efficiency (74.54 and 77.13%, respectively). However, since ammonium hydroxide is a corrosive PA, it is not a promising alternative to sodium sulfate (with both economic and safety issues). Based on technical and economic assessments, sodium carbonate (84.31% iron removal efficiency) showed the highest potential for an efficient JPP.
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 | 0,000 |
| 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 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 ».