Untuk menunjukkan bagaimana model merespon ketika diuji dengan data nyata dan

memvalidasinya, kondisi operasi yang tercantum dalam Tabel 5 digunakan dalam melakukan studi
simulasi. Data dari empat tingkat polietilen yang berbeda yang diproduksi di perusahaan petrokimia
dilaporkan oleh Kiashemshaki et al. [19] digunakan untuk memvalidasi dan membandingkan model.
Kecuali disebutkan lain, hasilnya didasarkan pada kondisi operasi untuk grade BP LL0209 seperti yang
tercantum pada Tabel 5.
Tabel 6
Kondisi operasi untuk petrochemical comlex 2.
Parameter BP LL0209
Time 8:00 8:30 9:00 9:30 10:00 10:30 11:00 11:30 12:00 12:30 13:00 13:30 14:00 14:30
H (m) 19.76 19.77 19.74 19.79 19.87 19.87 19.83 19.6 19.91 20.12 20.13 20.04 20.11 20.12
dp (𝜇m) 986 986 986 986 986 986 986 986 986 986 986 986 986 986
P (bar) 21.8 21.81 21.81 21.8 21.83 21.79 21.81 21.74 21.74 21.74 21.73 21.77 21.75 21.76
U0 (m/s) 0.634 0.635 0.636 06.35 0.635 0.633 0.634 0.633 0.634 0.634 0.631 0.629 0.631 0.632
Ethylene (%) 37.07 36.9 36.88 36.95 37.02 36.96 36.8 36.67 36.63 36.6 36.44 36.54 36.45 36.46
1-Butene (%) 13.73 13.75 13.73 13.71 13.69 13.67 13.63 13.64 13.55 13.55 13.57 13.54 13.56 13.57
Hydrogen (%) 4.57 4.58 4.62 4.62 4.6 4.6 4.65 4.65 4.63 4.65 4.69 4.66 4.69 4.68
Inert gas (%) 36.39 36.4 36.32 36.38 36.47 36.32 36.41 36.38 36.42 36.49 36.7 36.57 36.7 36.7
Catalyst feed rate (g/s) 0.661 0.661 0.661 0.661 0.661 0.661 0.661 0.661 0.661 0.661 0.661 0.661 0.661 0.661

Kondisi yang disebutkan dalam tabel ini adalah umum untuk menghasilkan nilai-nilai ini dari
polietilen di reaktor industri. Sifat polimer seperti berat molekul, PDI dan Melt Flow Index (MFI), yang
sangat penting untuk memperkirakan kualitas polimer tertentu, telah dihitung berdasarkan model kinetik
yang digunakan dalam pekerjaan ini. Menggunakan metode yang dijelaskan oleh McAuley dkk. [24], berat
rata-rata dan jumlah berat molekul rata-rata polimer juga dapat dihitung.
Polimer terbuat dari banyak unit berulang (monomer) yang terikat secara kimia dan membuat
rantai yang sangat panjang. Memiliki persepsi panjang rantai polimer adalah wajib untuk memahami sifat
fisik polimer. Panjang rantai sering dilambangkan sebagai berat molekul rantai polimer, yang berkorelasi
dengan jumlah monomer yang terhubung dalam rantai dan massa molekuler relatif dari monomer.
Namun demikian, semua polimer buatan adalah polidispersi, yang berarti bahwa panjang rantai polimer
tidak sama, dan sebagai hasilnya, bukannya sebagai nilai tunggal, polimer memiliki distribusi berat
molekul dan panjang rantai. Akibatnya, beberapa berat molekul rata-rata harus dihitung dari berat
molekul semua rantai dalam sampel polimer untuk menentukan berat molekul.
Gambar. 2 menunjukkan bagaimana hasil simulasi, berdasarkan model yang disajikan dan data
industri LLDPE, memprediksi MWD yang sempit untuk polimer.
Jumlah berat molekul rata-rata didefinisikan sebagai mean aritmetik dari semua berat molekul
rantai polimer dalam sampel, yang diberikan oleh:
dimana Ni adalah jumlah rantai berat molekul dan Mi adalah berat molekul rantai. Mn diukur dengan
pendekatan yang menentukan jumlah molekul dalam sampel berat tertentu dan dapat diprediksi dengan
menggunakan mekanisme polimerisasi. Jika Mn disebutkan untuk MWD tertentu, itu berarti bahwa
jumlah molekul yang identik ada di kedua sisi berat molekul dalam distribusi. Di sisi lain, berat rata-rata
berat molekul diberikan oleh:
Dibandingkan dengan Mn, Mw mengambil berat molekul rantai menjadi pertimbangan untuk
memutuskan bagaimana hal itu berkontribusi terhadap berat molekul rata-rata. Semakin besar rantai,
efek rantai pada berat molekul rata-rata meningkat. Alih-alih jumlah molekul, berat rata-rata berat
molekul didefinisikan oleh prosedur yang mengukur ukuran molekul, seperti melalui teknik hamburan
cahaya. Jika Mw disebutkan untuk MWD tertentu, itu berarti bahwa berat identik molekul hadir di kedua
sisi Mw berat molekul dalam distribusi. Nilai-nilai ini diilustrasikan pada Gambar. 3. Gambar ini
menunjukkan bahwa dibutuhkan kurang dari satu jam untuk jumlah berat rata-rata dan berat molekul
berat polimer untuk mencapai nilai konstan, karena panjang rantai molekul tumbuh dengan cepat selama
waktu ini. Seperti yang ditunjukkan pada gambar ini, jumlah berat rata-rata berat molekul tertinggi
tercapai hampir 99.000 kg / mol. PDI suatu polimer dinyatakan sebagai berat rata-rata berat molekul
untuk jumlah proporsi berat molekul rata-rata, dan digunakan sebagai parameter untuk mengetahui
seberapa luas suatu polimer MWD dan diberikan oleh:
Jika suatu polimer memiliki nilai PDI yang lebih besar, maka berat molekul polimer lebih luas.
Suatu polimer dengan PDI = 1 di mana semua panjang rantai adalah setara (seperti protein) disebut
polimer monodisperse. Polimer buatan paling sempit yang dibangun sejauh ini yang digunakan untuk
kalibrasi memiliki PDI 1,02-1,10. Sementara reaksi berantai menghasilkan nilai PDI antara 1,5 dan 20 ketika
reaksi polimerisasi langkah biasanya nilai PDI sekitar 2,0 [33]. Profil PDI sepanjang proses polimerisasi
mirip dengan berat molekul rata-rata. Sifat penting lainnya dari polimer adalah MFI. Ini adalah metode
analisis yang mengontrol seberapa mudah aliran material plastik dan merupakan tes yang sangat penting
untuk jaminan kualitas. Untuk mengukur MFI, jumlah polimer yang mengalir dari instrumen standar
selama interval waktu akan ditimbang. Hubungan antara berat molekul polietilena dan MFInya didasarkan
pada jenis yang diusulkan oleh McAuley et al. [24], yang konstantanya telah dimodifikasi agar sesuai
dengan data aktual dan diberikan oleh persamaan berikut:
Nilai steady state PDI dan MFI di bawah kondisi operasi yang diberikan pada Tabel 5 adalah 4,14
dan 0,98 g / 10 menit masing-masing. Gambar 3 juga menunjukkan evolusi PDI dan MFI dengan waktu di
dalam reaktor.
Untuk keperluan verifikasi model, hasil model yang disajikan dalam pekerjaan ini untuk PDI dan
MWD telah dibandingkan dengan data plant yang sebenarnya dan hasil dari studi yang dilakukan oleh
Kiashemshaki et al. [19]. Plot paritas Gambar. 4 menunjukkan bahwa model dinamis saat ini telah mampu
memprediksi PDI LLDPE sangat akurat dan sangat dekat dengan karya Kiashemshaki et al. [19]. Seperti
yang disebutkan oleh penulis, perbedaan dalam PDI dihitung dari HDPEs dapat karena
mempertimbangkan sifat katalis yang sama untuk semua nilai. Namun, katalis diproduksi dalam batch
yang berbeda di pabrik ini dan dapat memiliki sifat yang sedikit berbeda dan konstanta laju dan karenanya
dapat menghasilkan penyimpangan dari PDI yang sebenarnya.
Selanjutnya, MWD negara mapan dihitung telah dibandingkan dengan literatur [19] dan titik
data MWD aktual untuk LLDPE (BP LL0209) dan HDPE (BP HD5218) grade pada Gambar. 5 untuk
perbandingan. Data aktual telah diproduksi menggunakan data GPC yang disediakan oleh kompleks
petrokimia. Kedua angka ini dihasilkan dengan menghitung dan memplot turunan dari fraksi berat
kumulatif terhadap logaritma berat rata-rata berat molekul, yang merupakan keluaran GPC yang khas.
Seperti dapat dilihat, selain dari sedikit perbedaan, ada kesepakatan yang sangat baik antara semua set
data untuk kedua kasus LLDPE dan HDPE. Meskipun mengambil padatan elutriasi memperhitungkan
dalam model ini mengarah ke memprediksi sifat-sifat polimer seperti MFI, PDI dan MWD yang akurat,
keuntungan utamanya terletak pada menghitung parameter proses seperti tingkat produksi dan suhu
reaktor lebih tepat. Hal ini disebabkan oleh persamaan keseimbangan massa dan energi dinamis yang
meningkat yang menganggap entrainment solid dan pada dasarnya meningkatkan model untuk lebih
mematuhi data proses yang nyata. Selain itu, model ini mampu memprediksi perilaku dinamis reaktor
unggun terfluidisasi dan juga dapat digunakan untuk studi kontrol dan merancang sistem kontrol yang
efisien untuk proses nonlinier ini.
 Laju produksi polimer selama waktu tinggal di FBR diberikan oleh Persamaan. (2) dan
ditunjukkan pada Gambar. 6. Gambar ini menunjukkan evolusi tingkat produksi dari saat start-up ketika
katalis Z-N memasuki reaktor, dan reaksi dimulai sampai waktu partikel padat mengendap di FBR, dan
unggun terfluidisasi bergerak ke kondisi steady state dan laju produksi menjadi stabil (Gbr. 1). Gambar ini
juga menunjukkan laju produksi polimer baik dalam fase gelembung dan emulsi selama waktu tinggal
polimer dalam reaktor. Tingkat produksi keseluruhan dihitung melonjak dari hampir 7 t / jam di jam
pertama hingga hampir 10 t / jam di jam kedua, dan menjadi stabil pada 13,44 t / jam setelah hampir 5
jam produksi. Untuk menunjukkan akurasi model dan memvalidasi hasil, tingkat produksi telah diplot
terhadap data industri dan model Kiashemshaki dkk. [19]. Garis horizontal yang menunjukkan data aktual
adalah jumlah untuk tingkat produksi steady state dalam FBR industri. Seperti dapat dilihat, model mampu
memprediksi secara akurat tingkat produksi steady state dan menstabilkan sangat dekat dengan data ini
dengan deviasi 0,4 ton. Gambar tersebut juga menggambarkan bahwa hampir 60% dari polimer
diproduksi dalam fase emulsi dan hampir 40% dari total produksi polimer berlangsung dalam fase
gelembung. Peningkatan 20% dalam tingkat produksi dalam fase gelembung dibandingkan dengan
Kiashemshaki et al. [19] adalah karena pengenalan padatan elutri daur ulang ke dalam reaktor. Ini dapat
diprediksi meningkatkan jumlah katalis dalam fase gelembung dan mengarah ke produksi yang lebih tinggi
dalam fase ini. Karena sebagian besar katalis berada dalam fase emulsi, tingkat reaksi yang lebih sedikit
atau produksi polimer dalam fase gelembung tidak dapat dihindari.
Evolusi suhu fase emulsi selama waktu tinggal polimer dalam reaktor ditunjukkan pada Gambar
7 untuk empat kelas polimer yang berbeda. Semua nilai mulai dari suhu yang diberikan pada Tabel 5 dan
terus meningkat dengan kemiringan yang berbeda, dan menjadi stabil setelah hampir 5 jam. Misalnya,
diperkirakan bahwa suhu LLDPE mencapai 78? C setelah stabil sekitar jam kelima dan tetap pada suhu itu.
Suhu fase emulsi tumbuh dengan cepat dalam waktu kurang dari satu jam dan mencapai 58 ° C setelah
satu jam dari suhu 44 ° C di awal, karena reaksi polimerisasi eksotermik dan grafik ini menggambarkan hal
ini dengan jelas. Suhu akhir kondisi stabil dari kelas ini dibandingkan dengan data industri dan karya
Kiashemshaki et al. [19] dalam plot paritas Gambar. 8. Suhu LLDPE yang lebih rendah dibandingkan dengan
suhu HDPE dan data literatur adalah karena kecepatan gas superfisial yang lebih tinggi dari kelas LLDPE
dibandingkan dengan kelas HDPE. Ada hubungan langsung antara kecepatan gas superfisial dan waktu
tinggal themonomer dalam reaktor, laju penghilangan panas dari reaktor, pencampuran partikel dan
kondisi fluidisasi. Bahkan, dengan meningkatkan kecepatan gas superfisial, gas melewati lebih cepat
melalui tempat tidur. Sebagai akibatnya, semakin banyak partikel padat yang terbawa, jumlah katalis dan
partikel polimer yang tersedia di dasar reaktor akan berkurang, dan beberapa monomer dapat melewati
katalis, dan oleh karena itu, tingkat reaksi akan berkurang dan menyebabkan pengurangan dalam reaksi.
menilai. Lebih sedikit reaksi dalam reaksi eksotermis ini adalah suhu yang lebih rendah. Karena
entrainment partikel dipertimbangkan dalam model ini, ini akan membenarkan hasil suhu yang lebih
rendah dari model ini dalam kelas LLDPE dibandingkan dengan yang diperoleh oleh Kiashemshaki et al
[19].
Keuntungan lain dari model saat ini adalah menghitung suhu secara dinamis. Berbeda dengan
model yang disajikan dalam makalah ini, karya Kiashemshaki et al. [19] tidak dinamis dalam hal
menghitung konsentrasi suhu dan komonomer. Model dinamis dapat memiliki keuntungan yang dapat
digunakan sebagai dasar dalam studi kontrol proses untuk menguji berbagai pendekatan untuk
mengontrol properti polimer dan parameter reaktor berdasarkan parameter seperti komposisi gas inlet,
laju masukan katalis, kecepatan superfisial gas, dan tekanan reaktor. Selain itu, elutriasi padatan adalah
fenomena lain dalam FBRs yang tidak dapat diabaikan, dan dimasukkan dalam pekerjaan ini untuk
membuat model menjadi lebih realistis. Gambar 8 menunjukkan bahwa temperatur yang dihitung dalam
pekerjaan ini lebih akurat dan lebih dekat dengan data aktual.
Tabel 6 menunjukkan kondisi operasi dari reaktor produksi polietilen industri lain dalam
kompleks petrokimia kedua selama satu shift kerja. Data operasional dan data suhu yang dihasilkan
dikumpulkan menggunakan sistem kontrol terdistribusi plant. Untuk lebih memvalidasi model, itu diuji
menggunakan dataset ini. Suhu reaktor yang dihitung telah dibandingkan dengan data nyata pada
Gambar. 9. Model ini sekali lagi mampu secara akurat memprediksi suhu reaktor untuk kelas polimer ini.
Kesalahan rata-rata untuk dataset ini adalah 0,6 persen deviasi dari data industri, yang kecil dalam konteks
rekayasa. Namun demikian, mengingat resistensi perpindahan panas antara gas dan padatan pada kedua
fase, gradien suhu radial dalam reaktor dan distribusi ukuran partikel dapat lebih meningkatkan model,
yang mengarah ke prediksi yang lebih baik dari parameter reaktor dan sifat polimer. Namun, ini akan
meningkatkan kompleksitas model dan upaya komputasi.
Evolusi konsentrasi monomer rata-rata di seluruh tempat bed selama waktu tinggal dalam
reaktor ditunjukkan pada Gambar. 10. Jelas bahwa waktu masuk ke kondisi steady state sama dengan laju
produksi dan grafik profil suhu. Seperti dapat dilihat, etilena sebagai monomer dan 1-butena sebagai
komonomer dikonsumsi melalui reaksi kopolimerisasi untuk menghasilkan polimer. Akibatnya,
konsentrasi mereka menurun secara eksponensial selama 5 jam pertama dari waktu tinggal sebelum pergi
datar di zona stabil. Sifat penting lainnya dari polimer adalah densitasnya. Beberapa nilai polimer untuk
aplikasi yang berbeda harus memiliki kerapatan tertentu. Karena model ini bersifat dinamis, ia mampu
digunakan dalam studi kontrol densitas polimer di masa depan. Namun, sangat rumit untuk menemukan
korelasi antara kepadatan dan struktur polimer. Kepadatan dapat diubah baik oleh panjang dan jumlah
cabang rantai pendek dan untuk sebagian kecil oleh berat molekul polimer [34]. McAuley dkk. [24]
mengembangkan persamaan eksperimental untuk menghubungkan jumlah komonomer dalam polietilen
linier dengan densitasnya:
di mana 𝛼 dan 𝛽 adalah parameter yang bergantung pada komonomer, dan Cx adalah komonomer mol
persen dalam polimer. 𝛼 dan 𝛽 telah dipasang pada 0,02386 dan 0,514 untuk polimer derajat butana.
Gambar. 11 menunjukkan korelasi antara konsentrasi 1-butena dari umpan dan kepadatan dihitung dari
Persamaan. (22). Secara alami, peningkatan konsentrasi 1-butena mengarah ke nilai densitas yang lebih
rendah dan dapat digunakan sebagai variable yang dimanipulasi dalam studi kontrol proses masa depan
untuk mengatur nilai densitas polimer.
Kesimpulan
Sebuah model dua fase yang komprehensif dikembangkan untuk memprediksi reaktor
kopolimerisasi etilen-fase gas skala industri. Model ini menganggap entrainment padat dalam pemodelan
FBR. Model hidrodinamik yang digabungkan dengan model kopolimerisasi kinetik (etilena dan 1-butena)
memberikan pemahaman yang lebih rinci tentang sistem.
Model ini mampu memprediksi parameter reaktor vital seperti laju produksi polimer dan suhu
polimer. Selain itu, model kinetik mampu memprediksi sifat polimer seperti PDI, berat molekul rata-rata
dan MWD polimer. PDI, MWD, laju produksi dan temperatur reaktor hasil model ini dibandingkan dengan
data plant dan literatur aktual untuk menunjukkan kesepakatan data. Model ini menyediakan alat untuk
mempelajari parameter operasional, hidrodinamik, dan kinetik pada kinerja reaktor selain sifat polimer,
dan dapat digunakan sebagai dasar untuk studi kontrol untuk mengatur sifat seperti PDI, MFI atau
densitas polimer dalam pekerjaan di masa depan.
Ucapan terima kasih
Para penulis ingin mengucapkan terima kasih atas dukungan dari Dewan Penelitian Universitas Malaya di
bawah High Impact Research Grant (UM.C / 625/1 / HIR / MOHE / ENG / 25) dan proyek Hibah Penelitian
Pascasarjana (PPP) No. PG131- 2014A.
Lampiran A. Data tambahan
Data tambahan yang terkait dengan artikel ini dapat ditemukan, dalam versi online, di
http://dx.doi.org/10.1016/j.apt.2016.05.014.
References
[1] P. Cai, L. Chen, J. van Egmond, M. Tilston, Some recent advances in fluidizedbed polymerization
technology, Particuology 8 (2010) 578–581.
[2] M. Alizadeh, N. Mostoufi, S. Pourmahdian, R. Sotudeh-Gharebagh, Modeling of fluidized bed reactor
of ethylene polymerization, Chem. Eng. J. 97 (2004) 27– 35.
[3] T. Xie, K.B. McAuley, J.C.C. Hsu, D.W. Bacon, Gas phase ethylene polymerization: production
processes, polymer properties, and reactor modeling, Ind. Eng. Chem. Res. 33 (1994) 449–479,
http://dx.doi.org/ 10.1021/ie00027a001.
[4] K.-Y. Choi, W. Harmon Ray, The dynamic behaviour of fluidized bed reactors for solid catalysed gas
phase olefin polymerization, Chem. Eng. Sci. 40 (1985) 2261–2279, http://dx.doi.org/10.1016/0009-
2509(85)85128-9.
[5] F.A.N. Fernandes, L.M. Ferrareso Lona, Fluidized-bed reactor modeling for polyethylene production,
J. Appl. Polym. Sci. 81 (2001) 321–332, http://dx.doi. org/10.1002/app.1442.
[6] K.B. McAuley, J.P. Talbot, T.J. Harris, A comparison of two-phase and wellmixed models for fluidized-
bed polyethylene reactors, Chem. Eng. Sci. 49 (1994) 2035–2045.
[7] R. Jafari, R. Sotudeh-Gharebagh, N. Mostoufi, Performance of the wide-ranging models for fluidized
bed reactors, Adv. Powder Technol. 15 (2004) 533–548,
http://dx.doi.org/10.1163/1568552042000192.
[8] H.T. Bi, J. Li, Multiscale analysis and modeling of multiphase chemical reactors, Adv. Powder Technol.
15 (2004) 607–627, http://dx.doi.org/10.1163/ 1568552042456223.
[9] F. Fernandes, L. Lona, Heterogeneous modeling for fluidized-bed polymerization reactor, Chem. Eng.
Sci. 56 (2001) 963–969, http://dx.doi.org/ 10.1016/S0009-2509(00)00311-0.
[10] H. Hatzantonis, H. Yiannoulakis, A. Yiagopoulos, C. Kiparissides, Recent developments in modeling
gas-phase catalyzed olefin polymerization fluidized-bed reactors: the effect of bubble size variation
on the reactor’s performance, Chem. Eng. Sci. 55 (2000) 3237–3259.
[11] Z.-W. Zheng, D.-P. Shi, P.-L. Su, Z.-H. Luo, X.-J. Li, Steady-state and dynamic modeling of the basell
multireactor olefin polymerization process, Ind. Eng. Chem. Res. 50 (2011) 322–331,
http://dx.doi.org/10.1021/ie101699b.
[12] Z.-H. Luo, P.-L. Su, D.-P. Shi, Z.-W. Zheng, Steady-state and dynamic modeling of commercial bulk
polypropylene process of Hypol technology, Chem. Eng. J. 149 (2009) 370–382,
http://dx.doi.org/10.1016/j.cej.2009.01.021.
[13] O. Ashrafi, H. Nazari-pouya, N. Mostoufi, Particle size distribution in gas-phase polyethylene reactors,
Adv. Powder Technol. 19 (2008) 321–334.
[14] D.Y. Khang, H.H. Lee, Particle size distribution in fluidized beds for catalytic polymerization, Chem.
Eng. Sci. 52 (1997) 421–431, http://dx.doi.org/10.1016/ S0009-2509(97)86701-2.
[15] C.D. Immanuel, C.F. Cordeiro, S.S. Sundaram, E.S. Meadows, T.J. Crowley, F.J. Doyle, Modeling of
particle size distribution in emulsion co-polymerization: comparison with experimental data and
 parametric sensitivity studies, Comput. Chem. Eng. 26 (2002) 1133–1152,
http://dx.doi.org/10.1016/S0098- 1354(02)00031-5.
[16] M.R. Tamadondar, H. Azizpour, R. Zarghami, N. Mostoufi, J. Chaouki, Using particle trajectory for
determining the fluidization regime in gas–solid fluidized beds, Adv. Powder Technol. 23 (2012) 349–
351, http://dx.doi.org/ 10.1016/j.apt.2011.04.012.
[17] Y. Makkawi, P. Wright, Fluidization regimes in a conventional fluidized bed characterized by means
of electrical capacitance tomography, Chem. Eng. Sci. 57 (2002) 2411–2437,
http://dx.doi.org/10.1016/S0009-2509(02)00138-0.
[18] A.J. Sederman, L.F. Gladden, M.D. Mantle, Application of magnetic resonance imaging techniques to
particulate systems, Adv. Powder Technol. 18 (2007) 23–38,
http://dx.doi.org/10.1163/156855207779768232.
[19] A. Kiashemshaki, N. Mostoufi, R. Sotudeh-Gharebagh, Two-phase modeling of a gas phase
polyethylene fluidized bed reactor, Chem. Eng. Sci. 61 (2006) 3997–4006. [20] A. Shamiri, M.A.
Hussain, F. Sabri Mjalli, N. Mostoufi, S. Hajimolana, Dynamics and predictive control of gas phase
propylene polymerization in fluidized bed reactors, Chinese, J. Chem. Eng. 21 (2013) 1015–1029,
http://dx.doi.org/ 10.1016/S1004-9541(13)60565-0.
[21] A. Shamiri, S. Wei, M. Fauzi, M.A. Hussain, N. Mostoufi, Modified two-phase model with hybrid
control for gas phase propylene copolymerization in fluidized bed reactors, Chem. Eng. J. 264 (2015)
706–719, http://dx.doi.org/ 10.1016/j.cej.2014.11.104.
[22] A. Shamiri, M.A. Hussain, F.S. Mjalli, N. Mostoufi, Improved single phase modeling of propylene
polymerization in a fluidized bed reactor, Comput. Chem. Eng. 36 (2012) 35–47.
[23] A.B. de Carvalho, P.E. Gloor, A.E. Hamielec, A kinetic mathematical model for heterogeneous Ziegler-
Natta copolymerization, Polymer (Guildf) 30 (1989) 280–296, http://dx.doi.org/10.1016/0032-
3861(89)90118-3.
[24] K.B. McAuley, J.F. MacGregor, A.E. Hamielec, A kinetic model for industrial gasphase ethylene
copolymerization, AIChE J. 36 (1990) 837–850, http://dx.doi. org/10.1002/aic.690360605.
[25] M. Rhodes, Introduction to Particle Technology, John Wiley & Sons Ltd, 2008. [26] A. Lucas, J.
Arnaldos, J. Casal, L. Puigjaner, Improved equation for the calculation of minimum fluidization
velocity, Ind. Eng. Chem. Proc. DD 25 (1986) 426–429.
[27] K. Daizo, O. Levenspiel, Fluidization engineering, Butterworth-Heinemann, 1991. [28] N. Mostoufi, H.
Cui, J. Chaouki, A comparison of two-and single-phase models for fluidized-bed reactors, Ind. Eng.
Chem. Res. 40 (2001) 5526–5532.
[29] K. Hillegardt, J. Werther, Local bubble gas hold-up and expansion of gas/solid fluidized beds, German
Chem. Eng. 9 (1986) 215–221.
[30] H. Cui, N. Mostoufi, J. Chaouki, Characterization of dynamic gas–solid distribution in fluidized beds,
Chem. Eng. J. 79 (2000) 133–143.
[31] Y.K. Ho, A. Shamiri, F.S. Mjalli, M. Hussain, Control of industrial gas phase propylene polymerization
in fluidized bed reactors, J. Process Contr. 22 (2012) 947–958.
[32] A. Shamiri, M. Hussain, F.S. Mjalli, M.S. Shafeeyan, N. Mostoufi, Experimental and modeling analysis
of propylene polymerization in a pilot-scale fluidized bed reactor, Ind. Eng. Chem. Res. 53 (2014)
8694–8705.
[33] D. Braun, H. Cherdron, H. Ritter, Polymer Synthesis: Theory and Practice: Fundamentals, Methods,
Experiments, Springer Science & Business Media, 2013.
[34] K.B. Sinclair, Characteristic of linear LPPE and description of UCC gas phase process, Process Econ.
Report, SRI Int. Menlo Park, CA, 1983.

Fig. 1. Diagram skematik dari suatu fluidized-bed reactor polyethylene di industrial.

Fig. 2. Molecular Weight Distribution dari LLDPE yang diproduksi.
Fig. 3. Evolusi dari Melt Flow Index, Polydispersity Index, number dan berat molekul rata-rata over time
di reactor.
Fig. 4. Perbandingan Polydispersity Index dari empat grade dari polyethylene dengan industrial dan
literatur data.
Fig. 5. Perbandingan Molecular Weight Distribution dari LLDPE dan HDPE pada industrial dan literatur.
Fig. 6. Evolusi dari polymer production rate over time di FBR.
Fig. 7. Evolusi dari temperature di fase emulsi untuk empat grade yang berbeda dari polyethylene.
Fig. 8. Perbandingan temperature fase emusi dengan industrial dan literatur data untuk empat grade
yag berbeda setelah mencapai steady state.
Fig. 9. Perbandingan temperatur reactor dengan industrial data selama shift operasi.
Fig. 10. Evolusi dari mean konsentration ethylene dan 1-butene di seluruh bed selama residence time di
FBR.
Fig. 11. Hubungan antara konsentrasi 1-butene dari feed dan density polymer.

Nomenclature
A cross sectional area of the reactor (m2)
[Mi] concentration of component i in the reactor (kmol/m3)
[Mi]in concentration of component i in the inlet gaseous stream
AlEt3 triethyl aluminum co-catalyst
Ar Archimedes number
Bi moles of reacted monomer bound in the polymer in the reactor
CFD computational fluid dynamics
Cp,pol specific heat capacity of solid product (J/kg K)
Cpg specific heat capacity of gaseous stream (J/kg K)
Cpi specific heat capacity of component i (J/kg K)
db bubble diameter (m)
db0 initiate bubble diameter (m)
Dg gas diffusion coefficient (m2/s)
dp particle diameter (m)
Dt reactor diameter (m)
FBR Fluidized-Bed Reactor
Fcat catalyst feed rate (kg/s)
fi fraction of total monomer in the reactant gas which is monomer Mi
g gravitational acceleration (m/s2)
GPC Gel Permeation Chromatography
H height of the reactor (m)
H2 hydrogen
Hbc bubble to cloud heat transfer coefficient (W/m3 K)
Hbe bubble to emulsion heat transfer coefficient (W/m3 K)
Hce cloud to emulsion heat transfer coefficient (W/m3 K)
HDPE high-density polyethylene
Im impurity such as carbon monoxide (kmol/m3)
Kb elutriation constant in bubble phase (kg m2 s−1)
Kbc bubble to cloud mass transfer coefficient (s−1)
Kbe bubble to emulsion mass transfer coefficient (s−1)
Kce cloud to emulsion mass transfer coefficient (s−1)
kdI(j) deactivation by impurities rate constant for a site of type j
kds(j) spontaneous deactivation rate constant for a site of type j
Ke elutriation constant in emulsion phase (kg m2 s−1)
kf(j) formation rate constant for a site of type j
kfhi(j) transfer rate constant for a site of type j with terminal monomer Mi reacting with
hydrogen
kfmi(j) transfer rate constant for a site of type j with terminal monomer Mi reacting with
monomer Mk
kfri(j) transfer rate constant for a site of type j with terminal monomer Mi reacting with AlEt3
kfsi(j) spontaneous transfer rate constant for a site of type j with terminal monomer Mi
kg gas thermal conductivity (W/m K)
khi(j) rate constant for reinitiating of a site of type j by monomer Mi
khr(j) rate constant for reinitiating of a site of type j by cocatalyst
kii(j) rate constant for initiation of a site of type j by monomer Mi
kpik(j) propagation rate constant for a site of type j with terminal monomer Mi reacting with
monomer Mk
LLDPE linear low-density polyethylene
MFI melt flow index (g/10 min)
M‾n number average molecular weight of polymer (kg/kmol)
M‾w weight average molecular weight of polymer (kg/kmol)
MWD Molecular Weight Distribution
mwi molecular weight of monomer i (g/mol)
N(0, j) uninitiated site of type j produced by formation reaction
N∗(j) potential active site of type j
Nd(j) spontaneously deactivated site of type j
NdIH(0, j) impurity killed sites of type j
NH uninitiated site of type j produced by transfer to hydrogen reaction
Nj(r, j) living polymer molecule of length r, growing at an active site of type j, with
terminal monomer M
P pressure (Pa)
PDI Polydispersity Index
Q(r, j) dead polymer molecule of length r produced at a site of type j
r number of units in polymer chain
Remf Reynolds number of particles at minimum fluidization condition
R instantaneous consumption rate of monomer (kmol/s)
Rp production rate (kg/s)
Rv volumetric polymer outflow from the reactor (m3/s)
T temperature (K)
t time (s)
Tin temperature of the inlet gaseous stream (K)
Tref reference temperature (K)
Ut∗ dimensionless terminal falling velocity coefficient
U0 superficial gas velocity (m/s)
Ub bubble velocity (m/s)
Ubr bubble rise velocity (m/s)
Umf minimum fluidization velocity (m/s)
Ut terminal velocity of falling particles (m/s)
V reactor volume (m3)
Vp volume of polymer phase in the reactor (m3)
Wb weight of solids in the bubble phase (kg)
We weight of solids in the emulsion phase (kg)
X(n, j) nth moment of chain length distribution for dead polymer produced at a site of type j
Y(n, j) nth moment of chain length distribution for living polymer produced at a site of type j
Z−N Ziegler–Natta catalyst

Greek letters
ΔHR heat of reaction (J/kg)
δ volume fraction of bubbles in the bed
εb void fraction of bubble for Geldart B particles
εe void fraction of emulsion for Geldart B particles
εmf void fraction of the bed at minimum fluidization
μ gas viscosity (Pa s)
ρg gas density (kg/m3)
ρpol polymer density (kg/m3)
ϕs sphericity for sphere particles

Subscripts and superscripts

1 ethylene
2 1-butene
b bubble phase
e emulsion phase
I component type number
j active site type number
mf minimum fluidization
pol polymer
ref reference condition
T, TT pseudo kinetic rate constants