當流體不再是「水」：番茄醬、天然氣與氣泡管，化工輸送的三個複雜面孔

當流體不再是「水」：番茄醬、天然氣與氣泡管，化工輸送的三個複雜面孔

入門篇裡，我們把流體當成一桶乖巧的水：密度固定、黏度（viscosity）不變、滿管單相流動。Darcy–Weisbach 一算，泵浦功率就出來了。但走進真實的化工廠，你很快會發現這個假設處處踩雷。

擠過番茄醬瓶口的醬料、輸送高壓天然氣的長程管線、反應器裡同時有液體與氣泡翻騰的兩相系統——這三者沒有一個能用入門篇那套「常黏度、不可壓縮、單相」的公式直接套用。聚合物熔體（polymer melt）的黏度會隨你攪拌的快慢而改變；高壓氣體流過管線時密度一路下降、流速一路飆高，甚至會卡在「音速」這道牆；氣液兩相流（two-phase flow）的壓降可能是純液相的好幾倍，而且管子裝水平或垂直，流型（flow pattern）完全不同。

這篇進階文章，要帶你看流體輸送的三個複雜面孔：非牛頓流變（non-Newtonian rheology）、可壓縮流（compressible flow） 與 兩相流（two-phase flow）。它們是化工輸送從教科書走向真實程序的關鍵門檻，也是程序最佳化（process optimization）裡常被低估的成本與風險來源。

第一張面孔：黏度會變的流體——非牛頓流變

入門篇用到的黏度 $\mu$，背後藏著一個叫「牛頓流體（Newtonian fluid）」的假設。牛頓流體的定義是：剪應力（shear stress，$\tau$）與剪切速率（shear rate，$\dot{\gamma}$）成正比，比例常數就是黏度：

$$ \tau = \mu \, \dot{\gamma} $$

水、空氣、稀薄的有機溶劑都符合這條線性關係——不管你攪得快還是慢，黏度都是同一個數。但化工處理的物料裡，這種「老實」的流體其實是少數。

許多工業流體屬於非牛頓流體（non-Newtonian fluid），它們的「表觀黏度（apparent viscosity）」會隨剪切速率而變。最常見的模型是冪律模型（power-law model，又稱 Ostwald–de Waele 模型）：

$$ \tau = K \, \dot{\gamma}^{\,n} $$

其中 $K$ 是稠度係數（consistency index），$n$ 是流動行為指數（flow behavior index）。這一個指數 $n$ 就把流體分成三類：

• $n = 1$：退回牛頓流體（$K$ 即黏度）。
• $n < 1$：剪切稀化（shear-thinning，又稱 pseudoplastic）——攪得越快越「稀」。油漆、血液、聚合物溶液、番茄醬都屬此類。你用力甩番茄醬瓶讓醬料變稀流出，正是在「提高剪切速率降低表觀黏度」。
• $n > 1$：剪切增稠（shear-thickening，又稱 dilatant）——攪得越快越「稠」。高濃度玉米澱粉水是經典例子，慢慢攪像液體，用力打卻像固體。

還有一類更頑固的流體叫賓漢塑性體（Bingham plastic），它必須先超過一個降伏應力（yield stress，$\tau_0$）才開始流動，否則就像固體一樣不動：

$$ \tau = \tau_0 + \mu_p \, \dot{\gamma} \qquad (\tau > \tau_0) $$

牙膏、潤滑脂、某些泥漿與水泥漿都是賓漢塑性體——這正是牙膏能在牙刷上「站著不流」，卻能被你擠出來的原因。

為什麼這對輸送很要命

非牛頓行為直接顛覆入門篇的壓降計算。對冪律流體，雷諾數要改用廣義雷諾數（generalized Reynolds number，Metzner–Reed 定義）：

$$ Re_{\text{gen}} = \frac{\rho \, v^{2-n} D^{n}}{K \left(\dfrac{3n+1}{4n}\right)^{n} 8^{\,n-1}} $$

當 $n = 1$ 時，這條式子會漂亮地退化回入門篇的 $Re = \rho v D / \mu$。層流摩擦因子仍維持熟悉的形式 $f = 64 / Re_{\text{gen}}$（Darcy 定義），但因為 $Re_{\text{gen}}$ 的定義變了，實際壓降可能與「把它當水算」差好幾倍。

更實際的影響是：剪切稀化流體在管壁附近剪切速率高、表觀黏度低，在管心剪切速率低、表觀黏度高，於是速度分布比牛頓流體的拋物線更「扁平」、更像柱塞（plug-like）。這會改變停留時間分布（residence time distribution），進而影響下游反應器與混合設備的設計。把聚合物溶液當水來選泵，幾乎一定會選錯。

第二張面孔：密度會變的流體——可壓縮流

入門篇假設「不可壓縮」，所以連續方程式可以寫成簡潔的 $A_1 v_1 = A_2 v_2$。對液體，這個假設極好。但對氣體——尤其是長程天然氣管線、壓縮空氣系統、真空管路——密度會隨壓力顯著變化，不可壓縮假設就崩了。

衡量「壓縮性重不重要」的關鍵無因次數是馬赫數（Mach number）：

$$ Ma = \frac{v}{c}, \qquad c = \sqrt{\gamma R T} $$

其中 $c$ 是當地音速、$\gamma$ 是比熱比（heat capacity ratio）、$R$ 是氣體常數、$T$ 是絕對溫度。工程經驗法則是：$Ma < 0.3$ 時壓縮效應通常可忽略（仍可近似當不可壓縮處理）；$Ma > 0.3$ 就必須認真對待密度的變化。

可壓縮管流有一個違反直覺的現象：氣體沿管線因摩擦損失壓力，壓力下降使密度下降，由連續方程式 $\rho v A = \dot{m}$（質量流量守恆）可知，密度降則流速必須升。也就是說，摩擦不只讓氣體變慢，反而讓它沿管路越流越快。這個過程持續下去，會逼近一道無法跨越的物理上限——當出口的馬赫數達到 1（音速），流動進入壅塞（choked flow）狀態，此時不管你把下游壓力降得多低，質量流量都無法再增加。這對安全閥（safety valve）洩放速率與壓縮機選型是決定性的限制。

對等溫可壓縮管流（isothermal compressible pipe flow，長程天然氣管線的常用近似），質量流量與兩端壓力的關係可寫成：

$$ \dot{m}^2 = \frac{A^2 \, (P_1^2 - P_2^2)}{R T \left( f \dfrac{L}{D} + 2 \ln \dfrac{P_1}{P_2} \right)} $$

注意這裡驅動流動的不是壓差 $P_1 - P_2$，而是壓力平方差 $P_1^2 - P_2^2$——這是可壓縮流與不可壓縮流最醒目的數學分野。把天然氣管線當水管、用線性壓差去估流量，會得到嚴重失真的結果。

第三張面孔：氣液同管——兩相流

化工廠裡有大量管線同時輸送氣體與液體：沸騰中的再沸器（reboiler）出口、氣提塔（stripper）的進料、含溶氣的管路、輸送漿料的氣力管線。這時流體輸送進入最棘手的領域——兩相流（two-phase flow）。

兩相流最先要回答的不是「壓降多少」，而是「它長什麼樣子」。氣液在管中的分布形態稱為流型（flow pattern），在水平管中常見的有：

• 氣泡流（bubble flow）：少量氣泡分散在連續液相中。
• 塞狀／彈狀流（slug flow）：大氣彈與液塞交替通過——這種流型會造成管線劇烈震動與壓力脈動，是工程師最不想遇到的。
• 環狀流（annular flow）：液體沿管壁形成液膜，氣體高速從中心穿過。
• 分層流（stratified flow）：低流速時液在下、氣在上，靠重力分層（垂直管中不會出現這一型）。

哪一種流型會發生，取決於氣液各自的表觀速度（superficial velocity），工程上用流型圖（如 Baker map、Mandhane map）來判讀。流型不只是描述性的——它直接決定壓降與熱質傳係數，所以兩相流設計的第一步永遠是先定流型。

兩相流的壓降通常用兩相乘子（two-phase multiplier，Lockhart–Martinelli 法）來估算。其核心想法是：先算出「假設只有液相單獨流」的壓降，再乘上一個大於 1 的修正因子 $\phi_L^2$：

$$ \left(\frac{\Delta P}{L}\right)_{\text{TP}} = \phi_L^2 \left(\frac{\Delta P}{L}\right)_{L}, \qquad \phi_L^2 = 1 + \frac{C}{X} + \frac{1}{X^2} $$

其中 $X$ 是 Lockhart–Martinelli 參數（液相與氣相單獨壓降比的平方根），$C$ 是依兩相流況（層流／紊流組合）取 5 到 20 的常數。重點在於：兩相流壓降往往是純液相的數倍，若用單相公式去估，泵浦或壓縮機會嚴重選小，整條管線都可能變成程序瓶頸。

看一個例子

某天然氣管線輸送甲烷（$\text{CH}_4$），入口壓力 $P_1 = 5.0\ \text{MPa}$，出口壓力 $P_2 = 4.0\ \text{MPa}$，管長 $L = 50\ \text{km}$、內徑 $D = 0.5\ \text{m}$，操作溫度 $T = 288\ \text{K}$。甲烷氣體常數 $R = 518\ \text{J/(kg·K)}$，假設摩擦因子 $f = 0.012$（紊流、商用鋼管）。試估算質量流量 $\dot{m}$。

步驟一：計算管截面積。

$$ A = \frac{\pi D^2}{4} = \frac{\pi (0.5)^2}{4} = 0.1963\ \text{m}^2 $$

步驟二：評估各項。 先看摩擦項與對數項何者主導：

$$ f \frac{L}{D} = 0.012 \times \frac{50000}{0.5} = 1200 $$

$$ 2 \ln \frac{P_1}{P_2} = 2 \ln \frac{5.0}{4.0} = 2 \times 0.223 = 0.446 $$

對數項（動能變化貢獻）相較摩擦項可忽略，這也印證了長程管線「摩擦主導」的直覺。

步驟三：代入等溫可壓縮流公式。

$$ \dot{m}^2 = \frac{A^2 (P_1^2 - P_2^2)}{R T \left( f \dfrac{L}{D} + 2 \ln \dfrac{P_1}{P_2}\right)} $$

分子：

$$ P_1^2 - P_2^2 = (5.0\times10^6)^2 - (4.0\times10^6)^2 = (25 - 16)\times10^{12} = 9.0\times10^{12}\ \text{Pa}^2 $$

$$ A^2 (P_1^2 - P_2^2) = (0.1963)^2 \times 9.0\times10^{12} = 3.47\times10^{11} $$

分母：

$$ R T \left( f\frac{L}{D} + 2\ln\frac{P_1}{P_2}\right) = 518 \times 288 \times (1200 + 0.446) = 1.492\times10^5 \times 1200.4 \approx 1.791\times10^8 $$

步驟四：求質量流量。

$$ \dot{m}^2 = \frac{3.47\times10^{11}}{1.791\times10^8} \approx 1937 \quad\Rightarrow\quad \dot{m} \approx 44\ \text{kg/s} $$

也就是說，這段 50 公里的高壓甲烷管線在 1 MPa 的壓差下，可輸送約 44 公斤／秒的天然氣。若你誤用不可壓縮假設，以平均密度配 $\Delta P = 1\ \text{MPa}$ 的線性公式估算，得到的數字會明顯偏離——因為真正驅動流動的是 $P_1^2 - P_2^2$，不是 $P_1 - P_2$。

延伸思考： 若把入口壓力從 5 MPa 提高到 6 MPa（出口仍 4 MPa），驅動項變成 $6^2 - 4^2 = 20$（相對單位），是原本 9 的 2.2 倍，質量流量約增為 $\sqrt{2.2} \approx 1.49$ 倍。這說明在可壓縮流裡，「升高入口壓力」對輸送量的槓桿效果與不可壓縮流截然不同——這正是壓縮機站（compressor station）沿線佈設的設計依據。

重點回顧

• 非牛頓流變改寫黏度：冪律 $\tau = K\dot{\gamma}^n$ 把流體分成剪切稀化（$n<1$）、剪切增稠（$n>1$）；賓漢塑性體有降伏應力。把聚合物溶液或漿料當水算，泵浦一定選錯。
• 可壓縮流由壓力平方差驅動：馬赫數 $Ma > 0.3$ 時密度變化不可忽略；長程氣體管線用 $P_1^2 - P_2^2$ 而非 $P_1 - P_2$，並存在壅塞（choked flow）這道音速上限。
• 兩相流先定流型再算壓降：氣泡／彈狀／環狀／分層流各有不同特性；Lockhart–Martinelli 兩相乘子 $\phi_L^2 > 1$ 提醒兩相壓降遠大於單相。
• 無因次數是共同語言：廣義雷諾數、馬赫數、Lockhart–Martinelli 參數，都是把複雜流體「對齊」到可比較尺度的工具。
• 複雜流況直接影響選型與成本：每一種「非理想」都意味著更大的壓降、更高的泵壓縮能耗，以及更窄的安全操作窗。

深入探討（研究所視角）

把三張面孔串起來，會發現它們在研究所層級指向同一套更普遍的守恆律：可壓縮、變黏度、多相的流體，仍由質量、動量、能量三大守恆方程描述，只是不能再像入門篇那樣大幅化簡。

以非牛頓流體為例，入門篇的 Navier–Stokes 假設黏度為常數，但對廣義牛頓流體，黏性應力張量必須寫成依賴剪切速率的形式 $\boldsymbol{\tau} = \eta(\dot{\gamma}) \, \dot{\boldsymbol{\gamma}}$，其中表觀黏度 $\eta(\dot{\gamma})$ 本身是流場的函數，使動量方程變成強非線性。更前沿的黏彈性流體（viscoelastic fluid，如熔融聚合物）甚至需要本構方程（constitutive equation，如 Oldroyd-B、Giesekus 模型）來描述應力的「記憶效應」，這是計算流變學（computational rheology）的核心難題，也是高分子加工模擬的關鍵。

可壓縮流則把能量方程拉回舞台中央。入門篇的機械能平衡（白努利）對等溫不可壓縮流夠用，但可壓縮流中壓力做功會改變溫度，必須同時聯立連續、動量與能量方程，並以狀態方程（equation of state）閉合。對非理想氣體還要引入壓縮因子（compressibility factor，$Z$）修正理想氣體假設——這正是天然氣管線模擬軟體（如 pipeline simulator）內部在做的事。

從程序系統工程（PSE）的角度看，這些複雜流況把入門篇的「經濟最佳管徑」問題推向更高維度。考慮一條輸送剪切稀化漿料、需沿線加壓的管線，年化總成本最小化問題可寫成：

$$ \min_{\{D_i\},\,\{P_j\}} \quad C_{\text{total}} = \sum_i a\, D_i^{\,b} L_i \;+\; \sum_j \frac{\dot{m}\,\Delta h_j}{\eta_{\text{comp}}} \, c_{\text{elec}} \, t_{\text{op}} $$

其中壓縮（或泵送）每段的比能耗 $\Delta h_j$ 不再是入門篇那條乾淨的 Darcy–Weisbach，而要透過廣義雷諾數（非牛頓）或可壓縮流方程（氣體）計算，並受流型維持（避免彈狀流震動）、避免壅塞（$Ma < 1$）、降伏應力下管段不得停滯等額外約束。這些非線性、有時非平滑的約束，把問題從入門篇的 NLP 推向更難求解的混合整數非線性規劃（MINLP）甚至需要全域最佳化（global optimization）的範疇。

這也呼應了入門篇的結尾：微觀層次，我們用愈來愈精細的本構與守恆方程理解流體「為何如此流動」；宏觀層次，我們把這份理解化為最佳化模型裡的約束與目標函數。流體輸送之所以是化工輸送現象的基石，正因為從一瓶番茄醬的剪切稀化，到一條跨國天然氣管線的壅塞極限，背後都是同一套質量與動量守恆的數學語言——只是真實世界，遠比一桶水複雜。