MétaCan
Menu
Retour à la cohorte
Enregistrement W4400528419 · doi:10.1016/j.mineng.2024.108824

Mass balance and economic study of a treatment chain for rare earths, base metals and precious metals recovery from used smartphones

2024· article· en· W4400528419 sur OpenAlexafffund
Salmata Diallo, Lan Huong Tran, Dominic Larivière, Jean-François Blais

Notice bibliographique

RevueMinerals Engineering · 2024
Typearticle
Langueen
DomaineEnvironmental Science
ThématiqueRecycling and Waste Management Techniques
Établissements canadiensUniversité LavalInstitut National de la Recherche Scientifique
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésPrecious metalBase metalBalance (ability)Base (topology)Rare earthMetallurgyChemistryEnvironmental scienceNatural resource economicsWaste managementMaterials scienceEngineeringMetalEconomicsMedicine

Résumé

récupéré en direct d'OpenAlex

In the present study, a comprehensive hydrometallurgical process was developed for the recovery of several types of metals from used cell phone printed circuit board assemblies. The overall process is divided into four stages of selective leaching of rare earth elements (REE), copper, nickel, silver and finally gold. After solubilization, the metals were purified using precipitation, solvent extraction, electrodeposition, and cementation techniques. Laboratory pilot-scale tests of the complete smart phone printed circuit board processing line showed REE, copper, nickel, silver, and gold recovery efficiencies of 78.0 %, 98.8 %, 81.8 %, 100 % and 96.1 %, respectively. The purity of the products obtained is evaluated at 94.8 % for rare earth oxides (70.0 % Nd2O3, 18.5 % Pr2O3, 2.8 % Dy2O3 and 2.4 % Sm2O3), 99.8 % for elemental copper, 94.3 % for nickel oxide, 93.8 % for silver and 89.3 % for gold. A scenario involving the installation of a plant processing 1 t/h of waste was evaluated using SuperPro Designer software. For a total investment of $53.22 million and an operating cost of $18.23 million per year, the main revenue is $65.77 million per year, with a return on investment of 91.6 % and a payback period of 1.1 years.

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 enseignants0,649
Score d'incertitude au seuil0,575

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 Opus0,013
Tête enseignante GPT0,219
Écart entre enseignants0,206 · 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

Citations10
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMinerals EngineeringMême sujetRecycling and Waste Management TechniquesTravaux en français237 207