Investigations into the Effect of Temperature on the Flotation of Galena, Sphalerite, and Pyrite
Bibliographic record
Abstract
Les variations de température pourraient potentiellement avoir un impact sur les performances de flottation, entraînant des problèmes opérationnels et économiques. Plusieurs usines historiques et actuellement en activité à travers le Canada ont signalé les pertes saisonnières de métaux comme l'un des défis majeurs. L'amélioration de l'efficacité de la flottation à des températures froides est importante pour le développement durable de l'industrie, en particulier compte tenu de l'expansion des opérations minières vers le Nord et de l'impact croissant des phénomènes météorologiques extrêmes provoqués par le changement climatique sur les opérations minières. Afin de mieux comprendre les mécanismes sous-jacents à la variation métallurgique saisonnière et le degré de vulnérabilité de la flottation par mousse aux fluctuations de température, ainsi que pour élaborer des recommandations concernant les pertes saisonnières, des expériences d'adsorption, de microflottation, de flottation mono-minérale de Denver, de flottation de minerai de Denver, de stabilité de la mousse et des études de stabilité de la mousse ont été menées. Les résultats expérimentaux ont été étayés par des simulations numériques. La flottation sélective des minerais de plomb et de zinc est un processus comportant de nombreuses variables et un équilibre délicat entre des facteurs externes (tels que la température) et internes (concentrations de réactifs, altérations de surface). Les calculs théoriques aident à expliquer les variations observées dans les résultats d'adsorption et de microflottation avec la température. D'autres paramètres statistiquement significatifs expliquant les performances d'adsorption étaient la concentration en xanthate, le dosage en sulfate de cuivre et le pH. Des calculs de sélectivité d'adsorption ont été effectués sur les réponses minérales individuelles, ce qui donne un aperçu des tendances potentielles dans la séparation de la galène, de la sphalérite et de la pyrite. La chromatographie gazeuse inverse a fourni des cartes d'hétérogénéité d'énergie de surface des minéraux. Sur une échelle de flottation par lots de Denver pour les échantillons monominéraux, les résultats de flottation ont suivi les mêmes tendances: une récupération plus élevée et une cinétique plus lente à des températures plus basses, et des récupérations plus faibles et une cinétique plus rapide à des températures plus élevées. Suite aux résultats des tests de flottation, la hauteur de mousse et la stabilité ont été étudiées à différentes températures pour expliquer les variations observées. Une forte corrélation entre les changements dans le comportement de flottation des mono-minéraux et les propriétés de la mousse avec la température a été révélée. Des recherches plus approfondies sur la stabilité de la mousse avec le minerai VMS ont démontré des tendances similaires : des rendements plus élevés et une mousse plus épaisse et plus stable à des températures plus basses. Les expériences de flottation du minerai SEDEX ont abouti à la variabilité la plus élevée pour la sphalérite, ce qui correspond bien à la littérature. L'efficacité de modificateurs de flottation tels que la chaux, le sulfate de cuivre pentahydraté et le sulfate de zinc heptahydraté a été étudiée dans un circuit de flottation sélectif pour les types de minerais SEDEX en utilisant le plan composite central de l'expérience. Les résultats ont montré des variations dans la cinétique de récupération, la taille des bulles à la surface de la mousse, la qualité du concentré, le rendement et la récupération de l'eau en fonction de la température. Des rendements plus élevés et des récupérations d'eau provenant d'une mousse plus stable ont été observés à des températures plus froides, expliquant probablement les concentrations plus faibles observées. Des recommandations sur l'atténuation des écarts liés à la température dans les performances de flottation des sulfures ont été élaborées
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.001 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".