Disusun oleh :
Kelas 03
KELOMPOK 7
Depok – 2020
13-2a (h)
(h). Example 13-8. Load the Living Example Problem. How would your result change if the
reaction was pseudo first order with k1 = CAO , K = 0.08 min-t? If the reaction was third order
with k C2AO = 0.08 min-1? The raction was half order with k C2AO = 0.08. Describe any trends.
Jawab:
CA = CAo(1-X)
𝑟𝐴
= −𝑘1 (1 − 𝑋)
𝐶𝐴𝑜
𝑑𝑋 𝑟𝐴 𝐸(𝜆)
= + 𝑋
𝑑𝜆 𝐶𝐴𝑜 1 − 𝐹(𝜆)
𝑑𝑋 𝐸(𝜆)
= −𝑘1 (1 − 𝑋) + 𝑋
𝑑𝜆 1 − 𝐹(𝜆)
𝑑𝑋 𝐸(𝜆)
= 𝑘1 (1 − 𝑋) − 𝑋
𝑑𝑧 1 − 𝐹(𝜆)
CA = CAo(1-X)
𝑟𝐴
= −𝑘′𝐶𝐴𝑜 2 (1 − 𝑋)3
𝐶𝐴𝑜
𝑑𝑋 𝑟𝐴 𝐸(𝜆)
= + 𝑋
𝑑𝜆 𝐶𝐴𝑜 1 − 𝐹(𝜆)
𝑑𝑋 𝐸(𝜆)
= 𝑘′𝐶𝐴𝑜 2 (1 − 𝑋)3 − 𝑋
𝑑𝑧 1 − 𝐹(𝜆)
CA = CAo(1-X)
𝑟𝐴
= −k’C𝐴𝑜1/2(1 − 𝑋)1/2 dimana k = k’CAo1/2 =0.08min-1
𝐶 𝐴𝑜
𝑑𝑋 𝑟𝐴 𝐸(𝜆)
= + 𝑋
𝑑𝜆 𝐶𝐴𝑜 1 − 𝐹(𝜆)
𝑑𝑋 𝐸(𝜆)
= k’C𝐴𝑜 1/2 (1 − 𝑋)1/2 − 𝑋
𝑑𝑧 1 − 𝐹(𝜆)
Penurunan pada reaksi dari orde 2 ke orde 1/2 menyebabkan peningkatan konversi
keluar sebanyak 34%. Semakin kecil ketergantungan dengan laju CA menyebabkan ketika
konsentrasi A jatuh dibawah 1 mol/dm3, laju konsumsi A yang turun tidak secepat ketika reaksi
orde 2 (maupun reaksi orde 1). Sehingga menghasilkan konversi yang lebih besar
P13-2A(i)
(i) Example 13-9. Load the Living Example Problems. If the activation energies in Cal/mol
and E1 = 5000, E2=1000, E3= 9000, how would the selectivity and conversion of A change as
the temperature was raised or lowered around 350 K?
Jawab:
• Asimetrik
menyebabkan konversi A meningkat. Begitu pula dengan selektivitas Sc/d yang juga
meningkat bila suhu dinaikkan sementara Sd/c menurun seiring dengan meningkatnya suhu.
• Bimodal
𝐴→𝐵
with k = 0.8 min–1 is carried out in a real reactor with the following RTD function:
For 2τ ≥ t ≥ 0 then E(t) = √τ2 − (𝑡 − τ)2 min–1 (hemi circle). For t > 2τ, then E(t) = 0.
• k = 0.8 min–1
• E(t) = √τ2 − (𝑡 − τ)2 min–1 (2τ ≥ t ≥ 0); E(t) = 0 (t > 2τ) then E(t) = 0
Ditanya:
(b) Variance?
∞
Berdasarkan definisi ∫𝑥 𝐸 (𝑡) 𝑑𝑡 = 1. Luas area dari setengah lingkaran mempresentasikan nilai
πτ^2 2
dari E (t) yang diperoleh dari 𝐴 = dan tau = √π untuk laju alir volumetric yang konstan, tm = tau
2
2
= √π = 0,8 min
(b) Variance
∞
𝜎 2 = ∫ (𝑡 − τ)2 𝐸(𝑡) 𝑑𝑡
0
∞
𝜎 2 = ∫ 𝑡 2 𝐸(𝑡) 𝑑𝑡 − τ²
0
Dimana
∞
5π 4
𝜎 2 = ∫ 𝑡 2 𝐸(𝑡) 𝑑𝑡 = τ
0 8
Sebelum memperoleh besar konversi berdasarkan model segregasi, terdapat beberapa langkah
yang perlu dilakukan terlebih dahulu, meliputi:
Untuk memperoleh nilai konversi rata-rata aliran effluent, konversi dari berbagai globul pada
aliran keluaran reaktor harus dirata-ratakan.
Secara matematis, persamaan untuk konversi rata-rata model segregasi dinyatakan sebagai
berikut:
𝑑𝑋̅
= 𝑋(𝑡) × 𝐸(𝑡)
𝑑𝑡
dengan 𝑋(𝑡) = 1 − 𝑒 −𝑘𝑡 untuk reaksi orde satu pada reactor batch dan 𝐸(𝑡) = √τ2 − (𝑡 − τ)2 min-1
bila 2τ ≥ t ≥ 0 dan E(t) = 0 bila t > 2τ.
Program Polymath
Setelah itu, persamaan diferensial yang telah dirumuskan dan persamaan eksplisit pada tahap
sebelumnya dimasukkan ke program DEQ pada Polymath untuk diselesaikan secara simultan. Berikut
adalah input persamaan di Polymath untuk menghitung besar konversi berdasarkan model segregasi.
Berikut adalah hasil perhitungan yang didapatkan setelah running berbagai persamaan di atas
yang telah diinputkan ke program.
Setelah itu, membuat plot grafik konversi rata-rata model segregasi terhadap waktu untuk
meninjau trend konversi seiring berjalannya waktu. Grafik tersebut didapatkan melalui Polymath, di
mana sumbu x direpresentasikan oleh waktu dan sumbu y direpresentasikan oleh besar konversi rata-
rata.
Berdasarkan perhitungan yang diperoleh dari program Polymath, besar konversi untuk model
segregasi yaitu 0,445.
Sama dengan sebelumnya, terdapat beberapa langkah yang harus dilakukan dahulu sebelum
menghitung besar konversi berdasarkan model maximum mixedness.
Oleh karena software Polymath tidak dapat melakukan integrasi secara backward, maka
dibutuhkan sebuah variabel yang didefinisikan sedemikian rupa sehingga proses integrasi berjalan
forward hingga mencapai nol.
Variabel tersebut disimbolkan dengan z yaitu perbedaan antara waktu terlama yang diukur
dalam kurva E(t) (𝑇̅) dengan λ. Pada kasus ini, waktu terlama yang terukur pada kurva E(t), 𝑇̅ = 1,596
sehingga
𝑧 = 𝑇̅ − 𝜆 → 𝜆 = 𝑇̅ − 𝑧
𝑧 = 1,596 − 𝜆 → 𝜆 = 1,596 − 𝑧
𝑑𝑋 𝑟𝐴 𝐸(𝜆)
= + 𝑋
𝑑𝜆 𝐶𝐴𝑂 1 − 𝐹(𝜆)
𝑑𝑋 𝐸(𝜆)
= −𝑘(1 − 𝑋) + 𝑋
𝑑𝜆 1 − 𝐹(𝜆)
𝑑𝑋 𝑑𝑧
karena 𝑑𝜆 = − 𝑑𝜆 maka persamaan diferensial disusun ulang sehingga
𝑑𝑋 𝐸(𝜆)
= 𝑘(1 − 𝑋) − 𝑋
𝑑𝑧 1 − 𝐹(𝜆)
Lalu, kita mengetahui bahwa distribusi kumulatif adalah fraksi molekul yang keluar dari reaktor
dengan menempati reactor selama t atau kurang dari t. Oleh karena itu, persamaan untuk distribusi
kumulatif didefinisikan sebagai
𝑑𝐹
=𝐸
𝑑𝑡
karena 𝑧 = 𝑇̅ − 𝜆, maka persamaan di atas menjadi
𝑑𝐹
= −𝐸
𝑑𝑧
dengan besar dF/dz awal = 0,9999 agar program Polymath tidak error karena 1 − 𝐹(𝜆) ≠ 0.
Setelah itu, persamaan diferensial dan persamaan eksplisit yang telah dirumuskan dimasukkan
ke program DEQ pada Polymath untuk diselesaikan secara simultan. Berikut adalah input persamaan di
Polymath untuk menghitung besar konversi berdasarkan model maximum mixedness.
Berikut adalah hasil perhitungan yang didapatkan setelah running berbagai persamaan di atas
yang telah diinputkan ke program.
Setelah itu, membuat plot grafik konversi model maximum mixedness terhadap waktu untuk
meninjau trend konversi seiring perubahan nilai z. Grafik tersebut didapatkan melalui Polymath dengan
di mana sumbu x direpresentasikan oleh z dan sumbu y direpresentasikan oleh besar konversi.
Berdasarkan perhitungan yang diperoleh dari program Polymath, besar konversi untuk model
maximum mixedness yaitu 0,445.
𝝏𝟐 (−𝒓𝑨 )
Sesuai dengan rule of thumb, apabila = 𝟎, maka konversi model segregasi = konversi
𝝏𝑪𝟐𝑨