بهینه سازی فرایند جدایش تفریقی دیسپروسیم و گادولینیم در شرایط عدم قطعیت

نوع مقاله: علمی-پژوهشی

نویسندگان

دانشکده فنی و مهندسی، دانشگاه لرستان، خرم آباد، ایران

چکیده

عنصرهای کمیاب در طبیعت بیش ­تر به صورت اکسید یافت می­ شوند و چون از نظر ویژگی­ های فیزیکی و شیمیایی بسیار شباهت دارند، جدایش آن­ها از هم دیگر بسیار مشکل است. از این رو بررسی و انتخاب مناسب ­ترین روش ­های جدایش عنصرهای کمیاب، بسیار دارای اهمیت دارد. درنتیجه در این پژوهش در گام اول، به منظور مدل­ سازی و بهینه ­سازی عامل­های مؤثر بر بهبود جدایش تفریقی دیسپروسیم و گادولینیم، پنج عامل شامل میزان pH، نسبت حجم سیانکس272 به دپا، غلظت حلال­ های آلی، زمان انجام فرایند و غلظت لاکتیک اسید، انتخاب شدند. سپس به منظور طراحی آزمایش ­ها از نرم­افزار DX7 استفاده شد و بر اساس آن تعداد 29 آزمایش تعیین شد.ولی از سویی در انجام آزمایش­ ها موردهایی مانند وزن کردن با دستگاه، آماده سازی محلول­ ها با غلظت مشخص، برداشتن حجم­ های متفاوت و عیارسنجی از موردهایی هستند که می­ توانند عامل ایجاد خطا و در نتیجه عدم قطعیت باشند، به همین دلیل بحث تحلیل احتمالاتی به منظور مدل­ سازی در شرایط عدم قطعیت، برای اطمینان سنجی نتیجه­ های به­ دست آمده، می ­تواند بسیار کارگشا باشد. برای این منظور در گام دوم، بر اساس داده ­های به دست آمده از آزمایش ­ها و رابطه­ های به دست آمده بین متغیرهای ورودی و خروجی، نخست نوع و ویژگی ­های تابع توزیع احتمالی، هر کدام از پنج پارامتر مؤثر ورودی تعیین شد و بر اساس آن­ ها و با توجه به نتیجه­ های شبیه­ سازی، ویژگی­ های نابع توزیع پارامترهای خروجی (درصد بازیابی دیسپروسیم و گادولینیم) به دست آمد.

کلیدواژه‌ها

موضوعات


[1] Haxel G.B., Hedrick J.B., Orris G.J., Stauffer P.H., Hendley J.W., Rare Earth Elements Critical Resources for High Technology. USGS Facts Sheet 087-02, (2002).

[2] Jorjani E., Bagherieh A.H., Rezai B., Determination of Rare Earth Elements in Products of Chadormalu Iron ore Beneficiation Plant (Iran) from Beneficiation Point of View, Iranian Journal of Chemistry and Chemical Engineering (IJCCE), 26(4): 11-18 (2007).

[3] Jia Q., Tong S., Li Z., Zhou W., Li H., Meng S., Solvent Extraction of Rare Earth Elements
with Mixtures of Sec-octylpHenoxy Acetic Acid and bis(2,4,4-trimethylpentyl) DithiopHospHinic Acid
, Separation and Purification Technology, 64: 345-350 (2009).

[4] Shanshan T., Xiaowei Z., Naizhong S., Qiong J., Weihong Z., Wuping L., Solvent Extraction Study of Rare Earth Elements from Chloride Medium by Mixtures of Sec-nonylpHenoxy Acetic Acid with Cyanex301 or Cyanex302. Hydrometallurgy, 100(1-2): 15-19 (2009).

[5] Coleman H.W., Steele W.G., "Experimentation and Uncertainty Analysis for Engineers", John Wiley & Sons, Inc., New York, (1999).

[6] Christian j.T., Beacher G.B., “Reliability and Probability in Stability Analysis”, ASCE,Geotechnical Spatial Publication, 1071-1111 (1992).

[7] Sari M., Karpuz C., Ayday C., Estimating Rock Mass Properties using Monte Carlo Simulation: Ankara Andesites, Computers & Geosciences, 36(7): 959-969 (2010).

[8] Fenton A., Griffiths D.V., Bearing Capacity of Rough Rigid Strip Footing on Cohesive Soil, Probabilistic Study, Journal of Geotechnical and Geo Environmented Engineering, 128(9): 743-755 (2002).

[9] Ghaffari A., Hayati M., Shekholeslami A., Probability and Sensitivity Analysis in Flotation Circuit of Bama Lead and Zinc Processing Plant Using Monte Carlo Simulation Method. Mineral Processing and Extractive Metallurgy Review, 33(6): 416-426 (2012).

[10] Mellado M.E., Gálvez E.D., Cisternas L.A., Stochastic Analysis of Heap Leaching Process
via Analytical Models
, Minerals Engineering, 33: 93-98 (2012).

[11] Zou R., Lung W.S., Guo H., Neural Network Embedded Monte Carlo Approach for Water Quality Modeling under Input Information Uncertainty, Journal of Computing in Civil Engineering, 16(2): 135-142 (2002).

[12] Salas J. D., Shin H.S., Uncertainty Analysis of Reservoir Sedimentation, Journal of Hydraulic Engineering, 125(4): 339-350 (1999).

[13] El Safadi E.A., Adrot O., Flau J.M., Advanced Monte Carlo Method for Model Uncertainty Propagation in Risk Assessment, IFAC-Papers Online, 48(3): 529-534 (2015).

[14] Ahammed M., Melchers R.E., Gradient and Parameter Sensitivity Estimation for Systems Evaluated Using Monte Carlo Analysis, Reliability Engineering and System Safety, 91(5): 594-601 (2006).

[15] Cadini F., Sanctis J.D., Girotti T., Zio E, Luce A., Taglioni A., Monte Carlo-Based Assessment of the Safety Performance of a Radioactive Waste Repository, Reliability Engineering and System Safety, 95(8): 859-865 (2010).

[16] Cadini F., Sanctis J.D., Bertoli I., Zio E., Monte Carlo Simulation of Radionuclide Migration
in Fractured Rock for the Performance Assessment of Radioactive Waste Repositories
, Reliability Engineering and System Safety, 111: 241-247 (2013).

[17] Cadini1 F., Gioletta A., A Bayesian Monte Carlo-Based Algorithm for the Estimation of Small Failure Probabilities of Systems Affected by Uncertainties, Reliability Engineering and System Safety, 153: 15-27 (2016).

[18] Dehghani H., Ataee-pour M., Esfahanipour A., Evaluation of the Mining Projects under Economic Uncertainties Using Multi Dimensional Binomial Tree, Resources Policy, 39(1): 124-133 (2014).

[19] Robert C.P., Casella. G., "Monte Carlo Statistical Methods", 2nd ed. Springer-Verlag,
New York, (2004).

[20] Wills B.A., "Mineral Processing Technology", 7th ed. Elsevier, Oxford, (2006).