回收一噸塑膠，到底「綠」在哪裡？當直覺被質能平衡推翻

回收一噸塑膠，到底「綠」在哪裡？當直覺被質能平衡推翻

你已經知道寶特瓶可以解聚回單體、再聚合成新瓶子。但這裡有一個更尖銳的問題：把一噸 PET 化學回收，真的比直接燒掉、用新石油做一噸新料更綠嗎？

很多人憑直覺說「回收一定比較好」。可是化工人不能憑直覺——我們要算。化學回收要把高分子加熱解聚、用甲醇或乙二醇當試劑、再蒸餾純化單體，每一步都要能量、要溶劑、要設備。如果這些「成本」加總起來比省下的原油還多，那這個「綠色製程」其實是在用納稅人的好感補貼一個耗能黑洞。

進階綠色化工的核心，不是喊永續口號，而是把「綠」轉成可計算的量：質量強度、能量強度、碳足跡、迴避排放（avoided burden）。這篇我們就用程序系統工程（process systems engineering）的方法，把「綠」拆成方程式，再看它怎麼接回優化學。

第一把尺：把「環保」量化成 E-factor 與原子經濟

化學家 Roger Sheldon 在 1990 年代提出一個極簡卻威力強大的指標——環境因子（E-factor）：

$$ E = \frac{\text{總廢棄物質量}}{\text{目標產物質量}} = \frac{m_{\text{in}} - m_{\text{product}}}{m_{\text{product}}} $$

分子是「所有進料扣掉目標產物」剩下的東西：副產物、未反應原料、溶劑損失、廢水裡的鹽。E-factor 越大，代表每做一公斤產品就製造越多垃圾。

這把尺殘酷在哪裡？它揭穿了「產率高就環保」的迷思。一個反應可以有 95% 產率，卻因為用了大量溶劑與水洗純化，E-factor 高達 50。下表是 Sheldon 的經典產業分級：

跟 E-factor 互補的是原子經濟（atom economy），由 Barry Trost 提出，看的是「理論上」反應方程式裡有多少原子進到產物：

$$ \text{AE} = \frac{M_{\text{product}}}{\sum M_{\text{reactants}}} \times 100\% $$

注意兩者的分工：原子經濟是反應化學的天花板（只看反應式、不看實務），E-factor 是整廠製程的實況（連溶劑、純化、損耗都算進去）。一個反應原子經濟 100%，若製程要用十倍溶劑萃取，E-factor 仍然爛。綠色化工要兩把尺一起看：先在分子設計時把原子經濟拉高，再在製程設計時把 E-factor 壓低。

看一個例子：PET 甲醇解聚的 E-factor 試算

回到你熟悉的 PET。用甲醇解聚（methanolysis），主反應是：

$$ \text{PET}\;(\text{C}_{10}\text{H}_8\text{O}_4)_n + 2n\,\text{CH}_3\text{OH} \rightarrow n\,\text{DMT} + n\,\text{EG} $$

其中 DMT 是對苯二甲酸二甲酯、EG 是乙二醇，兩者都是可回用的單體。假設我們處理 1000 kg PET（重複單元莫耳質量 192 g/mol），化學計量需要的甲醇：

$$ n_{\text{PET unit}} = \frac{1000}{0.192} = 5208\ \text{mol}, \quad m_{\text{MeOH}} = 2 \times 5208 \times 0.032 = 333\ \text{kg} $$

理論產物（DMT 194 g/mol、EG 62 g/mol）：

$$ m_{\text{DMT}} = 5208 \times 0.194 = 1010\ \text{kg}, \quad m_{\text{EG}} = 5208 \times 0.062 = 323\ \text{kg} $$

到這裡看起來很美：1333 kg 進料變成 1333 kg 產物，質量守恆、原子經濟接近 100%。但 E-factor 的魔鬼在純化。實務上甲醇要過量 3～4 倍以推動平衡、催化劑（如醋酸鋅）要回收、DMT 要結晶純化、過量甲醇要蒸餾回收（無法 100% 回收，假設損失 5%）。若每噸 PET 額外損失 50 kg 甲醇、產生 30 kg 廢觸媒與重組分：

$$ E = \frac{(1000 + 1000\,\text{MeOH}_{\text{excess}} \cdot 0.05) + 30}{1010 + 323} \approx \frac{80}{1333} \approx 0.06 $$

這個 0.06 看起來極漂亮——但它只算了質量，沒算能量。蒸餾回收過量甲醇的再沸器負荷，才是這個製程真正的環境瓶頸。這就帶我們到第二把尺。

第二把尺：能量整合與夾點分析

化學回收最大的隱形成本是熱。解聚要加熱、蒸餾要再沸、純化要冷卻。如果這些冷熱流各自獨立用蒸氣與冷卻水，能量強度會高到讓整個「綠色」標籤站不住腳。

程序系統工程的答案是熱整合（heat integration）：讓製程裡需要被加熱的「冷流」去吸收需要被冷卻的「熱流」放出的熱，用換熱器網路（heat exchanger network）把外部能源需求壓到最低。

核心觀念是夾點分析（pinch analysis）。我們把所有冷熱流的「熱負荷對溫度」畫成複合曲線（composite curves），熱流複合曲線與冷流複合曲線最靠近的地方就是夾點（pinch point），其溫差等於我們設定的最小容許溫差 $\Delta T_{\min}$。夾點把製程切成兩塊，並給出三條鐵律：

1. 夾點以上只能放熱（need heating utility above），夾點以下只能放冷。
2. 不要跨夾點傳熱——跨夾點每傳 1 單位熱，外部加熱與冷卻需求各增加 1 單位。
3. 不要在夾點以上用冷卻水、不要在夾點以下用蒸氣。

夾點分析能在畫任何換熱器之前，就告訴你這個製程理論上最少需要多少外部加熱 $Q_{H,\min}$ 與冷卻 $Q_{C,\min}$。對一條冷流或熱流，可用熱負荷是：

$$ Q = \dot{m}\, c_p\, (T_{\text{out}} - T_{\text{in}}) = CP \cdot \Delta T $$

其中 $CP = \dot{m} c_p$ 稱為熱容流率（heat capacity flowrate，單位 kW/K）。

動手試試：兩股流的最小公用能源

假設 PET 解聚廠有一條熱流與一條冷流：

取 $\Delta T_{\min} = 10$°C。先做問題表法（problem table）的直覺版：把溫度都對應到「位移溫度」，熱流減 $\Delta T_{\min}/2$、冷流加 $\Delta T_{\min}/2$，使兩者在同一尺度上可直接比熱。

H1 可放出的總熱：$Q_{H1} = 3.0 \times (200-60) = 420$ kW C1 需要吸收的總熱：$Q_{C1} = 2.5 \times (180-40) = 350$ kW

理論上 C1 需要的 350 kW 可以全部由 H1 提供（H1 有 420 kW 可放），剩下 H1 還有 70 kW 要靠冷卻水帶走。檢查溫度可行性：在 $\Delta T_{\min}=10$°C 限制下，H1 從 200°C 降溫，C1 升到 180°C，最熱端溫差 $200-180=20 > 10$，可行；冷端 H1 還要降到 60°C，由冷卻水處理。所以：

$$ Q_{H,\min} = 0\ \text{kW}, \qquad Q_{C,\min} = 70\ \text{kW} $$

對比沒有熱整合的情境：C1 要 350 kW 蒸氣、H1 要 420 kW 冷卻水，外部能源合計 770 kW。整合後降到 70 kW——省了 91% 的外部能源。這 91% 就是「綠」真正落地的地方，而且是用一台換熱器、零額外原料換來的。這也說明為什麼夾點分析是綠色化工的硬核工具：它把模糊的「節能」變成可計算、可驗收的數字。

第三把尺：程序強化——把多個單元壓進一台設備

夾點省的是「網路層級」的能量。程序強化（process intensification, PI）則更激進：直接重新設計單元，讓反應與分離在同一台設備發生，從根本上消掉中間流、消掉純化負擔。

最經典的例子是反應蒸餾（reactive distillation）。傳統製程是「反應器 → 分離塔」兩台串聯；反應蒸餾把催化劑放進蒸餾塔內，讓產物一生成就被蒸出塔外，用移除產物來推動可逆反應越過平衡限制（勒沙特列原理的工程化身）。

對一個可逆解聚 $\text{A} \rightleftharpoons \text{B} + \text{C}$，平衡轉化率受平衡常數 $K_{\text{eq}}$ 限制：

$$ K_{\text{eq}} = \frac{[\text{B}][\text{C}]}{[\text{A}]} $$

傳統反應器一旦達到平衡就停住，殘留大量未反應 A 要回收（這就是 E-factor 的來源）。反應蒸餾持續把 B、C 從反應區蒸走，使局部 $[\text{B}][\text{C}]$ 一直被壓低，反應被迫持續向右，轉化率可逼近 100%。結果是：

• 砍掉一整台分離塔與其再沸器（資本與能量雙省）；
• 未反應原料大幅減少 → E-factor 下降；
• 設備數變少 → 佔地、管線、洩漏點都減少。

醋酸甲酯（methyl acetate）製程就是教科書案例：傳統需要一個反應器加八九根塔，反應蒸餾濃縮成單塔，能耗與投資雙雙腰斬。綠色化工把這類強化視為「源頭減廢」——不是事後處理廢棄物，而是設計到根本不產生廢棄物。

第四把尺：別只看圍牆內——生命週期與迴避負擔

前三把尺都在「廠界（gate-to-gate）」內算帳。但「回收 vs. 新料」的勝負，往往在廠界之外。這需要生命週期評估（life cycle assessment, LCA）。

關鍵概念是迴避負擔（avoided burden / system expansion）。當化學回收產出單體取代了石化新單體，它「省下」的原油開採、裂解、聚合的全部排放，要記為負的環境負擔。淨碳足跡因此是：

$$ \text{GWP}_{\text{net}} = \text{GWP}_{\text{recycle process}} - \text{GWP}_{\text{avoided virgin production}} - \text{GWP}_{\text{avoided incineration}} $$

這個式子才是真正回答開頭那個問題的工具。化學回收要贏，必須讓「迴避掉的新料排放 ＋ 迴避掉的焚化排放」大於「回收製程自己的排放」。決定勝負的關鍵變數，正是前面算過的能量強度——若解聚與蒸餾用的是燃煤蒸氣，$\text{GWP}_{\text{recycle process}}$ 暴增，整個減碳優勢可能被吃光；若用再生電力與熱整合後的低能耗製程，回收就穩贏。

這也解釋了為什麼綠色化工不能只是化學問題：它是化學 × 能源系統 × 邊界設定的耦合問題。同一個解聚反應，配上不同的能源結構與系統邊界，可以得出完全相反的「綠不綠」結論。誠實的化工人會明確報告自己的系統邊界與能源假設，而不是挑一個對自己有利的邊界來宣稱永續。

重點回顧

1. 綠色要可計算：用原子經濟（反應天花板）、E-factor（製程實況）、能量強度、碳足跡四把尺把「環保」轉成數字，而非口號。
2. 質量守恆會騙人：PET 甲醇解聚質量帳很漂亮（E≈0.06），但真正瓶頸是純化與蒸餾的能量，光看質量平衡會誤判。
3. 夾點分析是節能硬核：透過熱整合，範例中外部能源需求從 770 kW 降到 70 kW，省 91%——零額外原料、可驗收的數字。
4. 程序強化從源頭減廢：反應蒸餾用「邊反應邊分離」越過平衡限制，砍掉整台分離塔，同時降低 E-factor 與資本支出。
5. 勝負在廠界之外：迴避負擔（avoided burden）與系統邊界決定「回收 vs. 新料」的真實減碳量，而能源結構是關鍵翻盤變數。

深入探討（研究所視角）

把上述四把尺整合起來，研究所層級的綠色化工其實是一個多目標最佳化問題（multi-objective optimization）。我們不再只問「轉化率最大」，而是同時最小化能量強度、E-factor 與碳足跡，並在它們之間找 Pareto 前緣（Pareto front）。形式上：

$$ \min_{\mathbf{x}} \;\; \big[\, f_1(\mathbf{x}),\, f_2(\mathbf{x}),\, f_3(\mathbf{x}) \,\big] = \big[\, E\text{-factor},\; Q_{\text{energy}},\; \text{GWP}_{\text{net}} \,\big] $$

$$ \text{s.t.}\quad g_j(\mathbf{x}) \le 0\ (\text{質能平衡、相平衡、設備限制}), \quad \mathbf{x} \in \mathcal{X} $$

決策變數 $\mathbf{x}$ 可能包含操作溫度、回流比、過量試劑比、$\Delta T_{\min}$、能源來源。這類問題通常被建模成 MINLP（mixed-integer nonlinear programming）——整數變數決定「要不要這台設備、用哪種公用能源」，連續變數決定操作條件。這正是化工最佳化（process optimization）課程的核心戰場，也是優化學讀本的延伸方向。

幾個值得追的前沿：

• 超結構最佳化（superstructure optimization）：把所有可能的製程拓樸（反應路徑、分離順序、熱整合方案）編進一個超結構，讓最佳化演算法自動挑出 Pareto 最優流程，而非靠工程師逐一手算。
• $\Delta T_{\min}$ 的能量—資本權衡：$\Delta T_{\min}$ 取小則能量省（夾點更貼近）但換熱面積暴增、資本升高；取大則反之。最佳 $\Delta T_{\min}$ 本身就是一個經濟最佳化點。
• 不確定性下的穩健設計：原油價格、再生電力佔比、回收料雜質都會漂移，把這些當隨機變數做隨機規劃（stochastic programming）或穩健最佳化，得到的製程才不會「設計時最綠、上線後最爛」。
• 以 LCA 當目標函數：把生命週期排放直接放進最佳化目標，而不是事後補做 LCA——這是近年「永續導向製程合成」的主流方向。

如果你想動手，建議從一個小型反應蒸餾的質能平衡模型開始，用 Python（SciPy 或 Pyomo）寫出平衡式與目標函數，掃描操作條件畫出能量—E-factor 的權衡曲線。當你親眼看到那條 Pareto 前緣，你就會明白：綠色化工不是一個道德選擇，而是一個有最優解、可被求出的工程問題。