為什麼同一個 CSTR，開機時穩在低溫、運轉中卻會突然「跳」到高溫？

為什麼同一個 CSTR，開機時穩在低溫、運轉中卻會突然「跳」到高溫？

你在入門篇學過：CSTR 的設計方程是一條乾淨的代數式，給定進料與速率定律，就能算出體積與轉化率。但如果你真的去操作一座放熱反應的 CSTR，會遇到一個課本代數式預測不到的怪現象——把冷卻水溫度緩緩調高，反應器溫度起初也緩緩上升，直到某一刻「啪」地一聲跳上去，轉化率從 20% 暴衝到 95%；而當你想退回來、把冷卻水溫度調低，它卻不照原路回去，要降到比剛才低得多的溫度才肯「熄火」掉回低轉化率。

這不是儀器故障，而是同一組進料條件下，反應器存在多重穩態（multiple steady states）。線性的代數直覺在此失靈，因為阿瑞尼斯方程把溫度塞進了指數，使「產熱」對溫度呈 S 形非線性，而「移熱」對溫度呈直線——兩條曲線可以相交三次。這篇進階篇要帶你越過入門的理想反應器手算，進入三個真實反應器的核心機制：多重穩態與點火–熄火（ignition–extinction）、真實流動的停留時間分布（RTD）數學，以及觸媒顆粒內擴散與反應的競爭（Thiele 模數）。每一個都是把入門那條漂亮方程「打碎、再依現實重建」的過程。

機制一：非絕熱 CSTR 的多重穩態

我們把入門的能量平衡推到底。考慮一個放熱一級反應 $A \to B$ 在 CSTR 中進行，穩態下要同時滿足莫耳平衡與能量平衡。莫耳平衡給出轉化率與溫度的關係（速率常數 $k(T)$ 走阿瑞尼斯）：

$$X_A(T) = \frac{\tau\, k(T)}{1 + \tau\, k(T)}, \qquad k(T) = A\, e^{-E_a/(RT)}$$

把它代進能量平衡。我們定義兩個量：產熱速率（heat generated） $Q_g$ 與 移熱速率（heat removed） $Q_r$。

$$Q_g(T) = (-\Delta H_{\text{rxn}})\,\dot{n}_{A0}\,X_A(T) = (-\Delta H_{\text{rxn}})\,\dot{n}_{A0}\,\frac{\tau k(T)}{1+\tau k(T)}$$

$$Q_r(T) = \dot{n}_{\text{total}}\,C_p\,(T - T_{\text{in}}) + UA_{\text{c}}\,(T - T_{\text{c}})$$

關鍵在於兩條曲線的形狀。$Q_g(T)$ 因為 $k(T)$ 走指數、又被 $X_A$ 飽和到 1，整體是一條 S 形（sigmoidal） 曲線：低溫時幾乎貼地（反應太慢），中段陡升，高溫飽和（反應物已快耗盡）。而 $Q_r(T)$ 對 $T$ 是一條直線。穩態的條件是 $Q_g(T) = Q_r(T)$，也就是 S 形曲線與直線的交點。

一條直線最多能與 S 形曲線交於三點。當移熱直線的斜率與截距落在某個範圍內，就會出現三個穩態：

• 低溫穩態（熄火態）：轉化率低，反應幾乎沒在跑。
• 中溫穩態（不穩定）：數學上存在，但物理上不可達——任何微擾都會讓它滑向高溫或低溫態。
• 高溫穩態（點火態）：轉化率高，反應旺盛。

動手試試：判斷穩態穩定性的斜率準則

哪個穩態穩定、哪個不穩，有一個漂亮的判據。在某個交點附近，如果溫度被擾動了一點點 $+\delta T$：

• 若此時產熱增加得比移熱還快（$\dfrac{dQ_g}{dT} > \dfrac{dQ_r}{dT}$），多出來的熱會讓溫度繼續往上跑——這是不穩定的（正回饋）。
• 若移熱增加得比產熱快（$\dfrac{dQ_r}{dT} > \dfrac{dQ_g}{dT}$），系統會自己把擾動壓回去——這是穩定的。

寫成不等式，穩定穩態需滿足：

$$\frac{dQ_r}{dT} > \frac{dQ_g}{dT}$$

幾何上看就是「移熱直線比產熱曲線更陡」的那些交點才穩定。S 形曲線的低溫段與高溫段都比直線平緩（直線較陡）→ 穩定；中段最陡（陡過直線）→ 不穩定。這就解釋了開頭的怪現象：你升高冷卻水溫度 $T_c$，等於把整條移熱直線往右平移，低溫穩態與不穩定穩態會逐漸靠近、在某個臨界點相切後一起消失，系統別無選擇只能「跳」到僅存的高溫穩態——這就是點火（ignition）。反向降溫時，要降到另一個相切臨界點高溫穩態才消失、掉回低溫——這就是熄火（extinction）。兩個臨界溫度不相等，中間那段就是遲滯（hysteresis），正是你觀察到的「升上去和降回來走不同路」。

這套分析在工程上極其重要：反應器的點火條件決定了開車（startup）策略，熄火條件決定了它能容忍多大的擾動而不滅火。設計時若不小心把操作點放在不穩定穩態附近，反應器會在高低溫之間自發震盪，甚至演變成熱失控。入門篇那條 CSTR 代數式只給你「一個」解，而真實世界要求你回答「有幾個解、哪個穩定、怎麼到達它」。

機制二：真實流動的停留時間分布（RTD）

入門篇告訴你 PFR 裡每份流體待的時間都是 $\tau$、CSTR 是一個分布。進階篇要把這個「分布」變成可計算的數學工具，並用它預測非理想反應器的真實轉化率。

定義停留時間分布函數 $E(t)$：一份在 $t=0$ 進入反應器的流體，其中在 $t$ 到 $t+dt$ 之間離開的比例為 $E(t)\,dt$。它是一個機率密度函數，滿足歸一化：

$$\int_0^{\infty} E(t)\,dt = 1$$

平均停留時間就是它的一階矩，理想上應等於空間時間 $\tau$：

$$\bar{t} = \int_0^{\infty} t\,E(t)\,dt = \tau \quad(\text{理想無死區時})$$

兩種理想反應器的 $E(t)$ 是兩個極端：

• 理想 PFR：所有流體待的時間都精確等於 $\tau$，$E(t)$ 是一個位在 $t=\tau$ 的狄拉克脈衝 $\delta(t-\tau)$，變異數為零。
• 理想 CSTR：因為完全混合，剛進來的流體有相當機率立刻被沖出去，$E(t)$ 是指數衰減：

$$E(t) = \frac{1}{\tau}\,e^{-t/\tau}$$

真實反應器落在兩者之間。我們用脈衝示蹤實驗（pulse tracer）量它：在入口瞬間打入一團惰性示蹤劑，在出口連續量濃度 $C(t)$，則

$$E(t) = \frac{C(t)}{\displaystyle\int_0^{\infty} C(t)\,dt}$$

看一個例子：用 RTD 算非理想反應器的轉化率

RTD 最強的用途，是在不知道反應器內部流場細節的情況下，仍能估計轉化率。對一個一級反應（轉化率只依停留時間、與混合程度無關的特例），分離流（segregated flow）模型 給出：

$$\bar{X}_A = \int_0^{\infty} X_A(t)\,E(t)\,dt = \int_0^{\infty}\bigl[1 - e^{-kt}\bigr]E(t)\,dt$$

意思是：把每一「小包」流體按它各自待的時間 $t$ 算出轉化率 $1-e^{-kt}$，再用 $E(t)$ 加權平均。

來驗證它與入門篇結果一致。對理想 CSTR，代入 $E(t)=\frac{1}{\tau}e^{-t/\tau}$：

$$\bar{X}_A = \int_0^{\infty}\bigl(1 - e^{-kt}\bigr)\frac{1}{\tau}e^{-t/\tau}\,dt = 1 - \frac{1}{\tau}\int_0^{\infty}e^{-(k+1/\tau)t}\,dt = 1 - \frac{1/\tau}{k + 1/\tau} = \frac{k\tau}{1 + k\tau}$$

正好回到入門篇那條 CSTR 一級反應公式 $X_A = \dfrac{k\tau}{1+k\tau}$——RTD 框架把理想 CSTR 當成自己的特例復現了出來。但威力在於：給你一個從示蹤實驗量到的、長相歪七扭八的真實 $E(t)$，你照樣能套這條積分式估轉化率，而不必先解出反應器內複雜的流場。

一個必須點破的陷阱：分離流模型對一級反應給的答案是精確的，但對非一級反應，RTD 不足以唯一決定轉化率。原因是「分子何時相遇混合」這件事（micromixing）也會影響結果——同樣的 $E(t)$，可以對應「流體早早就在分子尺度混勻」或「各包流體各走各的、最後才混」兩種極端，兩者對二級或自催化反應算出的轉化率不同。RTD 只描述了巨觀混合（macromixing），真實反應器還需要微觀混合模型才能完整。這正是 RTD 理論從「工程估算工具」走向「研究級流體–反應耦合」的分水嶺。

機制三：觸媒顆粒內，擴散與反應誰先到？

入門篇提過異相觸媒有質傳阻力。進階篇我們把那顆觸媒顆粒剖開，從顆粒內部的微分方程把 Thiele 模數推出來，看清「擴散限制」到底是怎麼回事。

考慮反應物 $A$ 從顆粒外表面擴散進入一個多孔觸媒小球，邊擴散邊在孔壁上反應（一級）。對球內任一薄殼寫穩態質量平衡——「擴散進來的淨通量 = 在此殼層被反應消耗的量」——得到一條二階微分方程：

$$D_e\frac{1}{r^2}\frac{d}{dr}\!\left(r^2\frac{dC_A}{dr}\right) = k_v\, C_A$$

其中 $D_e$ 是有效擴散係數（effective diffusivity），$k_v$ 是以顆粒體積為基準的速率常數。把它無因次化，自然浮現一個無因次群——Thiele 模數（Thiele modulus） $\phi$：

$$\phi = R\sqrt{\frac{k_v}{D_e}}$$

它的物理意義一句話講完：$\phi$ 是「反應速率」與「擴散速率」的競賽指標。

• $\phi \ll 1$（反應慢、擴散快）：反應物來得及鑽到顆粒最深處，整顆觸媒濃度幾乎均勻，全顆粒都在工作。
• $\phi \gg 1$（反應快、擴散慢）：反應物才剛擴散進表面薄層就被反應掉了，顆粒中心根本「吃不到」反應物，大部分觸媒在睡覺。

我們用效率因子（effectiveness factor） $\eta$ 量化「整顆顆粒實際反應速率」相對於「假設全顆粒都處在表面濃度時的理想速率」的比值。解上面那條球座標方程，對一級反應可得到漂亮的封閉解：

$$\eta = \frac{3}{\phi}\left(\frac{1}{\tanh\phi} - \frac{1}{\phi}\right)$$

在 $\phi \gg 1$ 的強擴散限制區，這條式子簡化為 $\eta \approx 3/\phi$——意思是有效反應速率反而與 $\sqrt{k_v}$ 成正比（因為 $\phi\propto\sqrt{k_v}$，$\eta\propto 1/\sqrt{k_v}$，兩者相乘）。這帶來一個反直覺、卻在工程上致命的後果：當反應被擴散卡住時，你量到的「表觀活化能」只有真實活化能的一半。因為觀測速率 $\propto \eta k_v \propto \sqrt{k_v} \propto e^{-E_a/(2RT)}$，做阿瑞尼斯作圖時斜率減半。

動手試試：你量到的活化能是真的嗎？

假設你在實驗室量某觸媒反應的活化能，用入門篇教的 $\ln k$ 對 $1/T$ 作圖，得到 $E_a^{\text{obs}} = 40\ \text{kJ/mol}$。同事卻說文獻上這個本徵反應是 $80\ \text{kJ/mol}$。誰錯了？

很可能兩個都對——你量的是擴散限制區的表觀值（真值的一半），文獻量的是本徵動力學值。怎麼確認？把觸媒磨小。Thiele 模數 $\phi \propto R$，顆粒半徑減半，$\phi$ 減半。若你把顆粒磨碎後反應速率明顯變快、且重新作圖斜率變陡（活化能回到 $80$），就證明原本被擴散卡住了。這個「磨小顆粒測速率」的判斷法（配合 Weisz–Prater 準則 $\phi^2\eta = \dfrac{(-r_{A,\text{obs}})R^2}{D_e C_{As}}$ 是否 $\ll 1$）是異相反應工程的標準診斷流程。設計觸媒時刻意做小顆粒或薄殼觸媒（egg-shell catalyst）來逼近 $\eta \to 1$，正是這套理論的直接應用。

把三個機制接回優化學

入門篇把反應器設計寫成一個帶守恆約束的最佳化問題。進階篇的三個機制，恰好揭示了那個最佳化問題裡最棘手的三類約束：

$$\max_{T,\,\tau,\,R_p,\,\text{network}} \; \big[\,\text{利潤} = p_B\,\dot{n}_B - c_{\text{操作}} - c_{\text{設備}}\,\big]$$

• 多重穩態讓可行域變得非凸（non-convex）且不連續：操作點若落在點火–熄火遲滯區內，目標函數會跳變，梯度型優化器會被「卡」在錯誤的局部解，必須用全域優化或刻意避開不穩定分支。
• RTD 把「反應器內部混合程度」這個原本被理想化掉的東西，變成設計變數——串聯幾個 CSTR、用多大的軸向擴散，都會改變 $E(t)$ 進而改變選擇性，這是反應器網絡綜合（reactor network synthesis） 的核心，現代做法用 可達性網（attainable region） 在濃度空間中直接畫出所有可能達到的產物分布，找出最佳反應器組合。
• Thiele 模數把顆粒半徑 $R_p$、孔隙率這類觸媒微結構參數也拉進決策變數：太大顆粒壓降低但 $\eta$ 差，太小顆粒 $\eta$ 好但床層壓降暴增——又一個 trade-off。

於是程序模擬軟體裡的「一個反應器模組」，背後其實是同時在解非線性穩態多重解、RTD 卷積、與顆粒內擴散方程。優化學負責在這個崎嶇的地形上找路，而反應工程負責把地形本身畫對——模型錯了，再強的優化器也只會精準地給你一個錯誤答案。

重點回顧

• 多重穩態源於非線性：放熱 CSTR 的產熱對溫度呈 S 形、移熱呈直線，可交三點。穩定判據是「移熱比產熱更陡」（$dQ_r/dT > dQ_g/dT$）；升降冷卻溫度造成點火–熄火遲滯，是入門代數式看不到的真實行為。
• RTD 把混合量化：$E(t)$ 是停留時間的機率密度，理想 PFR 是脈衝、理想 CSTR 是指數衰減。分離流模型 $\bar{X}_A=\int(1-e^{-kt})E(t)\,dt$ 對一級反應精確，且能復現入門 CSTR 公式。
• RTD 不是萬能：它只描述巨觀混合，對非一級反應還需微觀混合（micromixing）模型才能定轉化率。
• Thiele 模數是擴散 vs 反應的競賽：$\phi=R\sqrt{k_v/D_e}$，大 $\phi$ 時顆粒中心吃不到反應物，效率因子 $\eta\approx 3/\phi$，表觀活化能掉到真值一半。
• 磨小顆粒可診斷擴散限制：$\phi\propto R$，縮小顆粒讓 $\eta\to 1$；Weisz–Prater 準則可用觀測量直接判斷是否落在擴散區。
• 進階機制是優化的硬約束：多重穩態造成非凸、RTD 牽動網絡綜合、Thiele 模數牽動顆粒設計，三者讓反應器最佳化遠比理想手算複雜。

深入探討（研究所視角）

把三個機制再往前推，會通向幾個當代反應工程的活躍研究前沿：

1. 動態行為與分岔分析（dynamic & bifurcation analysis）。 本文只談穩態的多重解，但反應器是動態系統。用連續性方法（continuation）追蹤穩態隨參數的變化，會畫出分岔圖（bifurcation diagram）：點火–熄火對應鞍結分岔（saddle-node bifurcation），而某些參數下系統會出現 Hopf 分岔 進入持續的自激震盪（自發的溫度–濃度極限環）。理解這些非線性動力學對反應器的安全操作與控制器設計至關重要，是化工與應用數學的交界。

2. 計算流體力學耦合反應（CFD-reaction coupling）。 RTD 給的是「黑箱」式的巨觀混合資訊，現代研究直接用 CFD 解出反應器內部的速度場、濃度場與溫度場，把 Navier–Stokes 方程與反應源項耦合求解。這讓我們能設計攪拌槳幾何、消除死區、優化進料口位置，把「非理想」從事後修正變成事前設計。對快速反應與強放熱系統，micromixing 模型（如 IEM、PDF 方法）更是不可或缺。

3. 多尺度建模（multiscale modeling）。 觸媒反應橫跨從原子尺度（活性位點上的吸附–反應，用 DFT 與微觀動力學 microkinetics 算）、到顆粒尺度（孔內擴散–反應，本文的 Thiele 分析）、到反應器尺度（床層流動與熱傳）。如何把這三個尺度的模型一致地接起來，讓分子層級的觸媒設計能預測整座反應器的表現，是當代反應工程結合計算化學的核心挑戰。

4. 操作優化與機器學習（real-time optimization & ML surrogates）。 因為完整模型（含多重穩態、CFD、多尺度）求解極慢，難以用於即時控制，研究者訓練代理模型（surrogate model） 或物理資訊神經網路（PINN）來逼近反應器行為，搭配模型預測控制（MPC）做即時最佳化。挑戰在於——代理模型必須忠實重現多重穩態與遲滯這類強非線性結構，否則控制器會在點火–熄火邊界做出危險決策。這把資料驅動方法、非線性動力學與傳統反應工程縫在一起，正是這個領域最前沿的縫合處。

把這四條線收攏，你會看到進階反應工程的真正主題：入門篇的理想反應器是一個「點」，進階篇研究的是這個點周圍的整片地形——它如何隨溫度分岔、隨流場扭曲、隨尺度變形。化學工程把分子尺度的化學放大成工業生產，而能否安全、高效、永續地放大，取決於我們對這片非線性地形理解得有多深。