為什麼一座化工廠最貴的不是反應器，而是「把流體送到對的地方」

為什麼一座化工廠最貴的不是反應器，而是「把流體送到對的地方」

走進任何一座化學工廠，你會看到密密麻麻的管線（pipe）纏繞在塔槽之間，像血管一樣連接每一台設備。原料要從儲槽送進反應器（reactor），中間產物要送進蒸餾塔（distillation column），冷卻水要繞遍整廠帶走熱量。這些「移動」看似平凡，卻是程序工程（process engineering）裡最基礎、也最容易被低估的成本來源。

一個常被引用的經驗法則是：在一座連續操作的化工廠裡，泵浦（pump）與壓縮機（compressor）消耗的電力，往往佔全廠用電的相當大比例。換句話說，你每天付的電費，有很大一部分不是花在「讓反應發生」，而是花在「把流體推著走」。如果你能把管路設計得更聰明、把壓降（pressure drop）算得更準，省下來的就是實實在在的營運成本。

這篇文章要談的，就是化工裡最核心的輸送現象（transport phenomena）之一——流體輸送（fluid transport）。我們會從一根管子裡的流體開始，談它為什麼會流、流多快、要克服多少阻力，最後談泵浦如何提供這份「動力」，以及這一切如何連回優化（optimization）的思維。

流體在管中如何流動：層流與紊流

把水龍頭慢慢轉開，你會先看到一束平滑、透明、像玻璃棒一樣的水柱；再轉大一點，水流突然變得混亂、翻騰、不透明。這個轉變不是偶然，而是流體力學裡最重要的分野：層流（laminar flow）與紊流（turbulent flow）。

在層流中，流體像一疊撲克牌平順滑動，每一層流體互不混合，速度分布呈現規則的拋物線；在紊流中，流體充滿渦旋（eddy）與隨機擾動，動量在橫向劇烈交換。判斷一個管流到底屬於哪一種，工程師依靠一個無因次數（dimensionless number）——雷諾數（Reynolds number）：

$$ Re = \frac{\rho \, v \, D}{\mu} $$

其中 $\rho$ 是流體密度（kg/m³）、$v$ 是平均流速（m/s）、$D$ 是管徑（m）、$\mu$ 是動力黏度（dynamic viscosity，Pa·s）。雷諾數的物理意義是「慣性力與黏滯力的比值」：當慣性力主導（$Re$ 大），擾動容易被放大成紊流；當黏滯力主導（$Re$ 小），擾動會被黏性「壓平」，維持層流。

對於圓管內流，工程上常用的經驗界線是：

• $Re < 2300$：層流
• $2300 < Re < 4000$：過渡區（transition）
• $Re > 4000$：紊流

化工廠裡的管流，因為流量大、管徑粗，絕大多數落在紊流區。這件事很關鍵，因為層流與紊流的壓降計算方式完全不同，後面我們會看到。

連續方程式與機械能平衡：流體輸送的兩大支柱

要把流體輸送量化，我們需要兩條基本方程式。

第一條是質量守恆（mass conservation），對於不可壓縮（incompressible）穩態流，它化簡為連續方程式（continuity equation）：

$$ \rho_1 A_1 v_1 = \rho_2 A_2 v_2 $$

對不可壓縮流體（密度不變），更簡潔：

$$ A_1 v_1 = A_2 v_2 = Q $$

這裡 $A$ 是管截面積、$Q$ 是體積流量（volumetric flow rate，m³/s）。這條式子告訴我們一件直覺的事：管子變細，流速就變快。把大拇指壓在水管出口，水會噴得更遠，正是這個道理。

第二條是機械能平衡（mechanical energy balance），又稱延伸的白努利方程式（extended Bernoulli equation）。對單位質量的流體，從位置 1 流到位置 2：

$$ \frac{P_1}{\rho} + \frac{v_1^2}{2} + g z_1 + W_s = \frac{P_2}{\rho} + \frac{v_2^2}{2} + g z_2 + h_f $$

各項依序是：壓力能（$P/\rho$）、動能（$v^2/2$）、位能（$gz$）、泵浦對流體做的功（$W_s$，shaft work），以及摩擦損失（$h_f$，friction loss）。這條式子是流體輸送計算的核心——它說：流體在兩點之間的能量帳必須平衡，泵浦補進來的能量，最後都用在抬升壓力、加速、提升高度，以及「克服摩擦」上。

注意 $h_f$ 這一項。理想的白努利方程式沒有它，但真實世界沒有零摩擦的管子。$h_f$ 正是流體輸送之所以「耗能」的根本原因，也是接下來要重點處理的對象。

壓降從何而來：Darcy–Weisbach 與摩擦因子

流體流過管子時，會與管壁、以及流體自身的黏性產生摩擦，造成壓力沿管路逐漸下降，這就是壓降（pressure drop）。量化直管摩擦損失最通用的工具，是 Darcy–Weisbach 方程式：

$$ h_f = f \, \frac{L}{D} \, \frac{v^2}{2} $$

或以壓降形式表示：

$$ \Delta P_f = f \, \frac{L}{D} \, \frac{\rho v^2}{2} $$

其中 $L$ 是管長、$D$ 是管徑、$f$ 是 Darcy 摩擦因子（friction factor，注意有些教科書用 Fanning 摩擦因子，數值是 Darcy 的 1/4，使用時務必確認）。

這條式子有幾個值得記住的結構特徵：

• 壓降與管長 $L$ 成正比——管子越長，損失越大。
• 壓降與流速平方 $v^2$ 成正比——流速加倍，摩擦損失變成四倍。這是為什麼「加大流量」往往代價高昂。
• 壓降與管徑 $D$ 成反比（還藏在 $f$ 與 $v$ 裡，整體對 $D$ 的依賴更強）——管子稍微放粗一點，壓降會明顯下降。

摩擦因子 $f$ 怎麼求？這取決於流況：

層流時，理論可解出（Hagen–Poiseuille 結果）：

$$ f = \frac{64}{Re} $$

紊流時，$f$ 同時取決於雷諾數與管壁的相對粗糙度（relative roughness，$\varepsilon/D$），需用 Colebrook 方程式隱式求解：

$$ \frac{1}{\sqrt{f}} = -2 \log_{10}\!\left( \frac{\varepsilon/D}{3.7} + \frac{2.51}{Re\sqrt{f}} \right) $$

由於這是隱式方程，工程實務上常查 Moody 圖（Moody chart），或用 Swamee–Jain 等顯式近似公式直接估算。重點在於：紊流的摩擦因子不只看流速，還看管子內壁有多粗糙——這也是為什麼老舊、結垢（fouling）的管線會比新管耗費更多泵浦能量。

除了直管，管路上的彎頭（elbow）、閥（valve）、三通（tee）等配件也會造成額外損失，稱為「次要損失」（minor loss），通常用損失係數 $K$ 表示：

$$ h_{f,\text{minor}} = K \, \frac{v^2}{2} $$

在配件密集的廠房管網裡，這些「次要」損失加總起來一點都不次要。

泵浦：流體輸送的動力來源

知道了要克服多少壓降，下一個問題是：誰來提供能量？答案是泵浦（pump）。泵浦把機械能（通常來自電動馬達）轉成流體的壓力能與動能。化工廠最常見的是離心泵（centrifugal pump），靠高速旋轉的葉輪（impeller）甩出流體產生壓力。

描述泵浦能力的核心概念是揚程（head，$H$），單位是「公尺」，代表泵浦能把流體「抬升」多高的等效高度。泵浦提供的功率（power）為：

$$ P_{\text{pump}} = \frac{\rho \, g \, Q \, H}{\eta} $$

其中 $\eta$ 是泵浦效率（efficiency，通常 0.6～0.8）。這條式子直接把「流量」「揚程」「能耗」綁在一起：要送更多流體（$Q$ 大）、或要克服更大壓降（$H$ 大），就要更大的功率，付更多電費。$\eta$ 在分母，提醒我們選對操作點讓泵浦運轉在高效率區，是省電的關鍵。

選泵時還有一個必須注意的陷阱：氣穴現象（cavitation）。當泵浦入口的局部壓力低於流體的飽和蒸氣壓（vapor pressure），液體會瞬間汽化形成氣泡，氣泡在高壓區潰滅時會劇烈衝擊葉輪表面，造成噪音、震動與金屬侵蝕。為了避免氣穴，工程師會檢核可用淨正吸入揚程（NPSH available）是否大於泵浦要求的（NPSH required）。這是泵浦設計裡攸關設備壽命的安全紅線。

看一個例子

假設我們要把 25°C 的水（密度 $\rho = 1000\ \text{kg/m}^3$，黏度 $\mu = 1.0\times10^{-3}\ \text{Pa·s}$）以體積流量 $Q = 0.02\ \text{m}^3/\text{s}$，沿一條長 $L = 200\ \text{m}$、內徑 $D = 0.1\ \text{m}$ 的水平直管輸送。管壁相對粗糙度 $\varepsilon/D = 0.0002$。試估算摩擦壓降與所需泵浦功率（假設泵浦效率 $\eta = 0.7$，揚程僅需克服此摩擦損失）。

步驟一：求平均流速。

$$ v = \frac{Q}{A} = \frac{Q}{\pi D^2 / 4} = \frac{0.02}{\pi (0.1)^2 / 4} = \frac{0.02}{7.854\times10^{-3}} \approx 2.55\ \text{m/s} $$

步驟二：求雷諾數，判斷流況。

$$ Re = \frac{\rho v D}{\mu} = \frac{1000 \times 2.55 \times 0.1}{1.0\times10^{-3}} = 2.55\times10^{5} $$

$Re \gg 4000$，屬紊流。

步驟三：求摩擦因子。 以 Swamee–Jain 顯式近似：

$$ f = \frac{0.25}{\left[\log_{10}\!\left(\dfrac{\varepsilon/D}{3.7} + \dfrac{5.74}{Re^{0.9}}\right)\right]^2} $$

代入 $\varepsilon/D = 0.0002$、$Re = 2.55\times10^5$：

$$ \frac{\varepsilon/D}{3.7} = 5.41\times10^{-5}, \qquad \frac{5.74}{(2.55\times10^5)^{0.9}} \approx 7.5\times10^{-5} $$

$$ f \approx \frac{0.25}{[\log_{10}(1.29\times10^{-4})]^2} = \frac{0.25}{(-3.89)^2} \approx 0.0165 $$

步驟四：求摩擦壓降（Darcy–Weisbach）。

$$ \Delta P_f = f \, \frac{L}{D} \, \frac{\rho v^2}{2} = 0.0165 \times \frac{200}{0.1} \times \frac{1000 \times (2.55)^2}{2} $$

$$ \Delta P_f = 0.0165 \times 2000 \times 3251 \approx 1.07\times10^{5}\ \text{Pa} \approx 107\ \text{kPa} $$

換算成揚程：

$$ H = \frac{\Delta P_f}{\rho g} = \frac{1.07\times10^5}{1000 \times 9.81} \approx 10.9\ \text{m} $$

步驟五：求泵浦功率。

$$ P_{\text{pump}} = \frac{\rho g Q H}{\eta} = \frac{1000 \times 9.81 \times 0.02 \times 10.9}{0.7} \approx 3060\ \text{W} \approx 3.1\ \text{kW} $$

也就是說，光是把這股水流推過 200 公尺的管子，就需要約 3 千瓦的泵浦功率。若這條管線全年無休運轉，一年消耗約 27,000 度電——這正是流體輸送計算對成本的直接意義。

一個延伸思考： 如果把管徑從 0.1 m 放大到 0.125 m，流速會降為原本的 $(0.1/0.125)^2 = 0.64$ 倍，而壓降約正比於 $v^2$ 再除以 $D$，整體大幅下降。代價是更粗的管子初期投資更高。「管子買粗一點省電費，還是買細一點省管材費」正是一個典型的優化取捨。

重點回顧

• 雷諾數定流況：$Re = \rho v D / \mu$ 判斷層流（$<2300$）或紊流（$>4000$）；化工管流多為紊流，兩者壓降算法不同。
• 連續方程式守質量：不可壓縮流 $A_1 v_1 = A_2 v_2 = Q$，管細則流速快。
• 機械能平衡是核心帳本：壓力能、動能、位能、泵浦功與摩擦損失必須平衡，$h_f$ 是耗能根源。
• Darcy–Weisbach 算壓降：$\Delta P_f = f \frac{L}{D}\frac{\rho v^2}{2}$；壓降隨流速平方上升，這讓「加大流量」代價昂貴。
• 泵浦功率串起一切：$P_{\text{pump}} = \rho g Q H / \eta$；效率、氣穴（cavitation）與 NPSH 是選泵的關鍵考量。

深入探討（研究所視角）

上面我們把流體當成一個整體，只談「平均流速」與「總壓降」。但在研究所層級，流體輸送的真正舞台是 Navier–Stokes 方程式——描述黏性流體運動的動量守恆偏微分方程：

$$ \rho\left(\frac{\partial \mathbf{v}}{\partial t} + \mathbf{v}\cdot\nabla\mathbf{v}\right) = -\nabla P + \mu \nabla^2 \mathbf{v} + \rho \mathbf{g} $$

這條式子是所有流體力學的母方程。前面用到的白努利方程式、Hagen–Poiseuille 層流解，都是它在特定假設（穩態、不可壓縮、特定幾何）下的化簡結果。例如圓管層流的拋物線速度分布 $v(r) = v_{\max}\left(1 - r^2/R^2\right)$，正是 Navier–Stokes 在軸對稱、充分發展（fully developed）條件下的解析解。

紊流之所以困難，在於它的非線性對流項 $\mathbf{v}\cdot\nabla\mathbf{v}$ 會把能量在不同尺度的渦旋間級聯（energy cascade），跨越從大渦到 Kolmogorov 微尺度的廣大範圍。直接數值模擬（DNS, Direct Numerical Simulation）需要解析所有尺度，計算量隨 $Re^3$ 暴增，至今只能用於低雷諾數的研究案例。實務上的計算流體力學（CFD, Computational Fluid Dynamics）多採用雷諾平均（RANS）或大渦模擬（LES）等湍流模型（turbulence model）來折衷精度與成本。

從程序系統工程（PSE, Process Systems Engineering）的角度看，流體輸送是更大優化問題的一環。考慮一個管網設計問題：在滿足各節點流量需求下，最小化「年化總成本」——它同時包含資本支出（管材、泵浦，隨管徑增加）與營運支出（泵浦電費，隨壓降增加）：

$$ \min_{\{D_i\}} \quad C_{\text{total}} = \underbrace{\sum_i a\, D_i^{\,b} L_i}_{\text{管材資本}} + \underbrace{\sum_i \frac{\rho g Q_i H_i}{\eta}\cdot c_{\text{elec}}\cdot t_{\text{op}}}_{\text{泵浦電費}} $$

其中 $H_i$ 透過 Darcy–Weisbach 與 $D_i$ 強烈耦合。這是一個典型的非線性規劃（NLP）問題：管徑大則電費低但管材貴，管徑小則反之，存在一個經濟最佳管徑（economic pipe diameter）。當管徑只能取離散規格、或泵浦數量是整數變數時，問題升級為混合整數非線性規劃（MINLP），需要更精巧的最佳化演算法求解。

這正是化學工程「輸送現象」與「程序最佳化」交會的地方：微觀層次，我們用 Navier–Stokes 理解流體為何流動；宏觀層次，我們用最佳化把這份理解轉成最省成本的設計決策。從一根水管裡的拋物線速度分布，到一座工廠的年度電費帳單，背後是同一套質量與動量守恆的數學語言——這也是流體輸送之所以是化工四大輸送現象基石的原因。