在穩健 CSTR 安全包絡內生產

放熱連續攪拌槽反應器（CSTR）是一個濃縮的非線性決策例子。反應加快會提高轉化率，但放出的熱又會透過 Arrhenius 速率加速反應，形成正回饋；冷卻則與它競爭。在部分參數下，同一操作條件可有多個穩態溫度；加入不確定性後，名義上吸引的操作點可能貼近不理想的高溫分支。

研究問題是：

當傳熱與動力學不確定，為令已聲明熱風險代理低於指定水平，需要放棄多少名義產量？

「代理」表示風險事件是數學準則，不是事故概率；「合成」表示參數分布用來壓力測試，不是由工廠資料擬合的後驗不確定性。

物料與能量平衡

濃度 $C$ 與溫度 $T$ 的一階 Arrhenius CSTR 可寫成

\frac{dC}{dt}=\frac{C_f-C}{\tau}-k_0e^{-E/(RT)}C,

\frac{dT}{dt}=\frac{T_f-T}{\tau} +\frac{-\Delta H}{\rho C_p}k_0e^{-E/(RT)}C-k_c(T-T_c).

停留時間 $\tau$ 與冷卻劑溫度 $T_c$ 是決策變數。轉化率為 $X=1-C/C_f$ ，時空產量代理為 $X/\tau$ 。名義優化器用中央動力學與傳熱參數追求高產量。

穩態物料平衡先把濃度寫成溫度函數，再代入能量平衡，把平衡搜尋化成一個純量熱平衡殘差。程式會在指定溫度區間找出所有根，再以完整二狀態 Jacobian 分類。這一步重要，因為只接受數值器回傳的第一個根會隱藏多重平衡。

不同操作條件下的 CSTR 平衡分支與穩定性，並標示名義及穩健選擇。 — **圖 1。** 平衡景觀。決策需要相對穩定與不穩定分支解讀，而不是只看求解器的一個回傳值。

名義最優與穩健選擇

名義最優使用停留時間 $0.55$ 、冷卻溫度 $326$ 。名義轉化率為 $0.986$ 、產量 $1.793$ 、平衡溫度約 $434.25$ ；在不確定性樣本上，其已聲明風險為 $0.8875$ 。

穩健規則把每個候選決策放進含傳熱與動力學擾動的情境集合。若情境觸發指定高溫穩態或多重平衡準則，便計作違反。最後選出的點為停留時間 $0.75$ 、冷卻溫度約 $319.82$ ；名義溫度降至 $411.67$ ，轉化率降至 $0.970$ ，產量降至 $1.293$ ，情境風險為 $0.01875$ 。

這個移動付出約 $27.88\%$ 名義產量。穩健性不是免費改善，而是一個已量化取捨。

以停留時間和冷卻溫度表示產量與穩健可行包絡的決策圖。 — **圖 2。** 穩健可行包絡。方法不是自動選最保守角落，而是在風險約束內最大化已聲明產量目標。

這裡的概率代表甚麼

$0.01875$ 是 160 個合成參數情境中違反已聲明平衡準則的比例，不是火災、失控、傷亡或損失的頻率估計。後者需要工廠失效定義、參數後驗、操作歷史、保護層、暫態擾動與後果模型。

情境概率仍然有用：它迫使操作點通過一組透明擾動，並提供共同尺度比較決策。但其含義完全條件於：

包含哪些不確定變數；
抽樣分布與相關性；
高溫準則；
平衡搜尋範圍；
以及把平衡行為視為主要失效視角的假設。

任何一項改變都可能移動包絡。

多重平衡不是完整安全問題

冷穩態與熱穩態之間由不穩定分支分隔，可產生經典點火—熄滅行為。但真實反應器安全還取決於暫態：進料可突然改變、冷卻可失效、控制器可飽和、換熱面可結垢、混合亦可能不完全。

本文使用多重平衡與高溫穩態，是因為它們是可審核的非線性標記，而不是因為它們代表所有事故。穩健選擇只表示在平衡模型及已聲明參數集合內較穩健，不是經認證安全操作點。

數值驗證

根搜尋分別使用 500、1,200、2,400 及 5,000 個掃描點，驗證配置均找到相同根，最大殘差約 $5.68\times10^{-14}$ 。獨立時間積分到達同一平衡，溫度差約 $4.65\times10^{-10}$ 。

穩健 CSTR 研究的產量風險前沿及數值檢查。 — **圖 3。** 產量—風險取捨與根解析度、時間積分檢查並列。數值一致支持平衡計算，不支持工廠安全聲稱。

純量根搜尋與時間積分以不同方式失敗。掃描太疏可錯過接近的兩個根；時間積分通常只會由初值所在吸引域走向穩定平衡。兩者一致比重複同一演算法但收緊 tolerance 更有資訊。

留出情境的重要性

穩健最佳化也可像預測模型一樣過度擬合。如果反覆使用同一批隨機情境選決策並描述表現，風險可能過度樂觀。

本研究把選擇所用情境與選後檢查分開。更完整應用應：

由明確資料生成過程估計不確定性；
凍結決策規則；
在獨立後驗或壓力情境評估；
為違反概率報告信賴區間；
加入選擇時未出現的分布轉移。

本文示範工作流程，但不聲稱已完成統計校準。

名義最優為何是好失敗案例

因為名義最優溫度已高於研究線，讀者可能認為它太容易被擊敗。但它的作用正是顯示：若只在名義參數下最佳化產量，目標函數會忽略甚麼。

一個好基準應合理，而且可清楚失敗。穩健方法只在這個比較下有意義：

名義最佳化有較高報告產量；
它在已聲明不確定性下脆弱；
加入風險約束後決策移動；
移動代價亦被量度。

若不報告產量損失，「穩健更安全」會成為單面聲稱；若沒有名義基準，穩健點亦失去決策背景。

結論對哪些選擇敏感

精確數值對合成參數分布與高溫線敏感。較穩定的結構結論是：在非線性放熱 CSTR 中，名義產量最佳化可選出對傳熱與動力學不確定性表現差的點；情境約束會揭示可量度的產量—風險前沿。

後續消融可比較：只有傳熱不確定、只有動力學不確定；獨立與相關不確定；平衡與暫態峰溫風險；概率、最壞情況與 CVaR 約束；固定冷卻溫度與回饋控制；以及包含能源成本的產量定義。

聲稱界線

本文支持的可重現陳述是：

在已聲明平衡、候選網格、不確定情境與熱準則下，穩健點把情境違反由 $0.8875$ 降至 $0.01875$ ，同時放棄 $27.88\%$ 名義產量。

它不建立真實工廠安全操作包絡，任何人都不應由本文推斷實際 set-point。轉移此流程需要設備專屬平衡、校準動力學與傳熱、製程危害分析、保護系統、暫態驗證及正式工程審閱。

參考文獻

R. Aris, Introduction to the Analysis of Chemical Reactors, Prentice-Hall, 1965.
W. H. Ray, Advanced Process Control, McGraw-Hill, 1981.
I. E. Grossmann and G. Guillén-Gosálbez, “Scope for the application of mathematical programming techniques in the synthesis and planning of sustainable processes,” Computers & Chemical Engineering, 2010. doi:10.1016/j.compchemeng.2009.11.012.
A. Ben-Tal, L. El Ghaoui, and A. Nemirovski, Robust Optimization, Princeton University Press, 2009. doi:10.1515/9781400831050.