This paper presents the design of a multi-objective tool for sizing shell and tube heat exchangers (STHX), developed under a University/Industry collaboration. This work aims to show the feasibility of implementing artificial intelligence tools during the design of Heat Exchangers in industry. The design of STHX optimisation tools using artificial intelligence algorithms is a visited topic in the literature, nevertheless, the degree of implementation of this concept is uncommon in industrial companies. Thus, the challenge of this research consists of the development of a tool for the design of STHX using artificial intelligence algorithms that can be used by industrial companies. The approach is implemented using a simulated dataset contrasted with ARA TT, the company taking part in the project. The given dataset to develop a theoretical STHX calculator was modeled using MATLAB. This dataset was used to train seven neural networks (NNs). Three of them were mono-objective, one per objective to predict, and four were multi-objective. The last multi-objective NN was used to develop an inverse neural network (INN), which is used to find the optimal configuration of the STHXs. In this specific case, three design parameters, the pressure drop on the shell side, the pressure drop on the tube side and heat transfer rate, were jointly and successfully optimised. As a conclusion, this work proves that the developed tool is valid in both terms of effectiveness and user-friendliness for companies like ARA TT to improve their business activity.

中文翻译：

---

神经网络的换热器热设计多目标工具的开发与应用

本文介绍了在大学/工业界的合作下开发的用于确定壳管式换热器（STHX）尺寸的多目标工具的设计。这项工作旨在展示在工业换热器设计过程中实施人工智能工具的可行性。使用人工智能算法的STHX优化工具的设计是文献中访问过的主题，但是，在工业公司中，这种概念的实现程度并不常见。因此，这项研究的挑战包括使用工业公司可以使用的人工智能算法开发用于STHX设计的工具。该方法是通过与参与该项目的公司ARA TT对比的模拟数据集来实现的。使用MATLAB对开发理论STHX计算器的给定数据集进行了建模。该数据集用于训练七个神经网络（NN）。其中三个是单目标的，每个目标可以预测一个，而四个则是多目标。最后一个多目标NN用于开发逆神经网络（INN），该逆神经网络用于找到STHX的最佳配置。在这种特定情况下，三个设计参数，即壳侧的压降，管侧的压降和传热率被成功地联合优化。总而言之，这项工作证明，对于ARA TT这样的公司而言，开发的工具在有效性和用户友好性方面均有效，可以改善其业务活动。其中三个是单目标的，每个目标可以预测一个，而四个则是多目标。最后一个多目标NN用于开发逆神经网络（INN），该逆神经网络用于找到STHX的最佳配置。在这种特定情况下，三个设计参数，即壳侧的压降，管侧的压降和传热率被成功地联合优化。总而言之，这项工作证明，对于ARA TT这样的公司来说，开发的工具在有效性和用户友好性方面均有效，可以改善其业务活动。其中三个是单目标的，每个目标可以预测一个，而四个则是多目标。最后一个多目标NN用于开发逆神经网络（INN），该逆神经网络用于找到STHX的最佳配置。在这种特定情况下，三个设计参数，即壳侧的压降，管侧的压降和传热率被成功地联合优化。总而言之，这项工作证明，对于ARA TT这样的公司来说，开发的工具在有效性和用户友好性方面均有效，可以改善其业务活动。共同成功地优化了三个设计参数，即壳侧的压降，管侧的压降和传热速率。总而言之，这项工作证明，对于ARA TT这样的公司来说，开发的工具在有效性和用户友好性方面均有效，可以改善其业务活动。共同成功地优化了三个设计参数，即壳侧的压降，管侧的压降和传热速率。总而言之，这项工作证明，对于ARA TT这样的公司来说，开发的工具在有效性和用户友好性方面均有效，可以改善其业务活动。