Foreseeing of residue chemical and mineralogical composition of dust for the Waelz process optimization

Electric Arc Furnace Dust (EAFD) is a hazardous by-product of electric steelmaking characterized by significant variability in chemical and mineralogical composition. Despite its classification as hazardous waste, EAFD represents an important secondary resource, particularly for zinc recovery through the Waelz process. Since process efficiency depends on the distribution of zinc among different mineral phases, reliable characterization of EAFD is essential for material evaluation and process optimization. Conventional techniques such as X-ray diffraction (XRD) and X-ray fluorescence (XRF) are commonly used to determine mineralogical and chemical composition. Although these methods provide accurate information, they require dedicated instrumentation, controlled laboratory conditions, and complex analytical procedures, limiting their applicability for rapid assessments. This thesis investigates the feasibility of image based colorimetric analysis as an alternative approach for assessing chemical and mineralogical variability in EAFD. The study explores whether colorimetric parameters can be correlated with mineralogical descriptors, with particular focus on the ZnO/spinel ratio. Statistical analyses were performed using univariate and multivariate regression models, including linear, polynomial, exponential, and power law formulations. Colorimetric descriptors were analyzed in RGB, HSB, and CIELAB color spaces to evaluate the relationship between visible color and mineralogical composition. Results showed that multivariate models improved predictive capability compared to univariate approaches. External validation confirmed the ability of the proposed methodology to estimate mineralogical trends from colorimetric data, with the CIELAB-based model providing the best overall performance and the lowest prediction error. Overall, this work proposes a preliminary framework integrating conventional analytical techniques with digital image-based methods, demonstrating the potential of colorimetric analysis as a rapid and simplified tool for process-oriented characterization of EAFD.

Le polveri da forno elettrico ad arco (Electric Arc Furnace Dust, EAFD) rappresentano un sottoprodotto pericoloso del processo siderurgico, caratterizzato da una significativa variabilità nella composizione chimica e mineralogica. Nonostante la loro classificazione come rifiuto pericoloso, le EAFD costituiscono una importante risorsa secondaria, in particolare per il recupero dello zinco mediante il processo Waelz. Poiché l’efficienza del processo dipende dalla distribuzione dello zinco tra le diverse fasi mineralogiche, una caratterizzazione affidabile delle EAFD risulta essenziale per la valutazione del materiale e l’ottimizzazione del processo. Tecniche convenzionali come la diffrazione a raggi X (XRD) e la fluorescenza a raggi X (XRF) sono comunemente utilizzate per determinare la composizione mineralogica e chimica. Tuttavia, sebbene forniscano informazioni accurate e dettagliate, richiedono strumentazione dedicata, condizioni controllate di laboratorio e procedure analitiche complesse, limitandone l’applicabilità per analisi rapide o di routine. Questa tesi indaga la fattibilità di un approccio colorimetrico basato su immagini digitali come metodo alternativo per valutare la variabilità chimica e mineralogica delle EAFD. Lo studio analizza la possibilità di correlare parametri colorimetrici a descrittori mineralogici, con particolare attenzione al rapporto ZnO/spinello. Le analisi statistiche sono state condotte mediante modelli di regressione monovariata e multivariata, includendo formulazioni lineari, polinomiali, esponenziali e power-law. I descrittori colorimetrici sono stati analizzati negli spazi colore RGB, HSB e CIELAB per valutare la relazione tra colore visibile e composizione mineralogica. I risultati hanno mostrato che i modelli multivariati migliorano la capacità predittiva rispetto agli approcci monovariati. La validazione esterna ha confermato la capacità della metodologia proposta di stimare i trend mineralogici a partire da dati colorimetrici, con il modello sviluppato nello spazio CIELAB che ha mostrato le migliori prestazioni complessive. Complessivamente, questo lavoro propone un framework preliminare che integra tecniche analitiche convenzionali con metodi basati su immagini digitali, dimostrando il potenziale dell’analisi colorimetrica come strumento rapido e semplificato per la caratterizzazione orientata al processo delle EAFD.