دانشگاه تربیت مدرس مهندسی مکانیک مدرس 2476-6909 26 9 2026 08 23 A Molecular-Structure-Based Framework for Fouling Monitoring in Air-Cooled Heat Exchangers چارچوبی برای پایش رسوب در مبدل‌های هوا‌خنک بر پایه‌ی ساختار مولکولی 689 696 28655 10.48311/mme.2026.119766.82996 FA مجید معتمدی دانشکده فنی و مهندسی، گروه مهندسی مکانیک، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران شعیب محجوب دانشکده فنی و مهندسی، گروه مهندسی مکانیک، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران 0000-0002-8285-4194 فرهاد عظیمی فر دانشکده فنی و مهندسی، گروه مهندسی مکانیک، دانشگاه آزاد اسلامی واحد اصفهان (خوراسگان)، اصفهان، ایران علی عبدالهی دانشکده مهندسی مکانیک، دانشگاه آزاد اسلامی واحد علوم تحقیقات، تهران، ایران Journal Article 2026 04 17 This study aims to develop an intelligent and integrated framework for the predictive monitoring of the performance of air-cooled heat exchangers in refinery applications. The main innovation lies in the simultaneous and systematic investigation of the impact of fluid molecular structure (focusing on hydrocarbon branching) and dynamic operating parameters within a data-driven approach. To this end, a real heat exchanger was configured using simulation software and technical data. Ten hydrocarbon compounds with linear, two-branched, and three-branched structures were selected, and for each compound, one hundred operational scenarios were executed by varying key parameters, including inlet temperature, inlet flow rate, and fouling coefficient. Quantitative findings revealed that altering the molecular structure to longer branched forms significantly increased pressure drop by 2.25 to 3 times under a constant fouling coefficient, resulting in a decrease in heat exchanger performance. This indicates that changes in fluid structure (e.g., branching) have a substantial impact on exchanger performance. Additionally, sensitivity analysis using the Sobol method identified the inlet flow rate as the most influential parameter on exchanger performance, with an index of 0.8086. Accordingly, the operational output of the research is a predictive monitoring framework based on machine learning models, which, by defining three levels of performance indicators (optimal, requiring monitoring, and critical), facilitates early detection of fouling and optimal maintenance planning. The implementation of this system could enhance the reliability of heat exchangers and achieve significant cost savings in operational expenses by reducing unplanned shutdowns. این پژوهش با هدف توسعه یک چارچوب هوشمند و یکپارچه برای پایش پیش‌بینانه عملکرد مبدل‌های هواخنک پالایشگاهی انجام شد. نوآوری اصلی، بررسی همزمان و سیستماتیک تأثیر ساختار مولکولی سیال (با تمرکز بر شاخه‌بندی هیدروکربن‌ها) و پارامترهای عملیاتی پویا در قالب یک رویکرد داده‌محور است. برای این منظور، یک مبدل واقعی با استفاده از نرم‌افزار شبیه‌سازی و داده‌های فنی پیکربندی شد. ده ترکیب هیدروکربنی با ساختارهای خطی، شاخه‌ای دوگانه و سه‌گانه انتخاب و برای هر یک، یکصد سناریوی عملیاتی با تغییر پارامترهای کلیدی شامل دمای ورودی، دبی ورودی و ضریب رسوب اجرا شد. یافته‌های کمی نشان داد که تغییر ساختار مولکولی به شاخه‌ای بلنددر یک ضریب رسوب ثابت ، افت فشار را2.25 تا 3 برابر افزایش می‌دهد که افت عملکرد مبدل را به همراه دارد و نشان می دهد تغییر ساختار سیال" (مثلاً شاخه‌ای شدن) تأثیری مهمی بر عملکرد مبدل دارد. همچنین تحلیل حساسیت با روش سوبول، دبی سیال ورودی را با شاخص 0.8086 به عنوان مؤثرترین پارامتر بر عملکرد مبدل شناسایی کرد. بر این اساس، خروجی عملیاتی تحقیق، یک چارچوب پایش پیش‌بینانه مبتنی بر مدل‌های یادگیری ماشین است که با تعریف سه سطح شاخص عملکردی (بهینه، نیازمند نظارت و بحرانی)، امکان شناسایی زودهنگام رسوب و برنامه‌ریزی بهینه نگهداری را فراهم می‌کند. پیاده‌سازی این سیستم می‌تواند قابلیت اطمینان مبدل‌ها را افزایش داده و از طریق کاهش توقف‌های ناخواسته، صرفه‌جویی قابل‌توجهی در هزینه‌های عملیاتی ایجاد نماید. https://mme.modares.ac.ir/article_28655_974e2945a18e0bfb8e3aa8becac3e65c.pdf