An Investigation on Design Criteria of Heat Exchangers by Using Tree Models of Machine Learning Methods

Merve Ala; Mahir Şahin; Mustafa Kılıç; Gökay Dişken

Makale detayları

An Investigation on Design Criteria of Heat Exchangers by Using Tree Models of Machine Learning Methods

Yazarlar:

Merve Ala | Mahir Şahin | Mustafa Kılıç | Gökay Dişken

Yayıncı:

Cukurova University

Ana Başlıklar:

Akışkan Akışı | Isı ve Kütle Transferinde Hesaplamalı Yöntemler (Hesaplamalı Akışkanlar Dinamiği Dahil)

Dergi:

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi Vol.40 Issue 2, pp.375-386

Belge Tipi:

Makale

Yayın Tarihi:

2/2025

Belge Dili:

İngilizce

Document ID (Org No.):

2001351730

pISSN:

2757-9255

Anahtar kelimeler:

Özet:

 Heat exchangers are critical components widely used in various industries such as chemical processing, automotive, and HVAC. The evaluation and optimization of heat exchanger design criteria play a vital role in improving industrial applications. Tree-based machine learning models offer a powerful alternative to time-consuming numerical solutions by enabling optimization and classification predictions for problems involving small, medium, or large datasets. This study aims to analyze heat exchanger design criteria using tree-based machine learning models and to identify the most suitable model for each design parameter. As a result, it has been evaluated that the XGBoost model provides effective solutions for design criteria such as heat transfer rate, safety, and reliability; the AdaBoost model is more suitable for criteria such as exchanger type and ease of maintenance; and the RF model performs well for cost and pumping power. It is anticipated that in the future, analyzing heat exchanger design parameters using various machine learning approaches will enable the development of more cost-effective and efficient heat exchangers.

 Heat exchangers are critical components widely used in various industries such as chemical processing, automotive, and HVAC. The evaluation and optimization of heat exchanger design criteria play a vital role in improving industrial applications. Tree-based machine learning models offer a powerful alternative to time-consuming numerical solutions by enabling optimization and classification predictions for problems involving small, medium, or large datasets. This study aims to analyze heat exchanger design criteria using tree-based machine learning models and to identify the most suitable model for each design parameter. As a result, it has been evaluated that the XGBoost model provides effective solutions for design criteria such as heat transfer rate, safety, and reliability; the AdaBoost model is more suitable for criteria such as exchanger type and ease of maintenance; and the RF model performs well for cost and pumping power. It is anticipated that in the future, analyzing heat exchanger design parameters using various machine learning approaches will enable the development of more cost-effective and efficient heat exchangers.

 Heat exchangers are critical components widely used in various industries such as chemical processing, automotive, and HVAC. The evaluation and optimization of heat exchanger design criteria play a vital role in improving industrial applications. Tree-based machine learning models offer a powerful alternative to time-consuming numerical solutions by enabling optimization and classification predictions for problems involving small, medium, or large datasets. This study aims to analyze heat exchanger design criteria using tree-based machine learning models and to identify the most suitable model for each design parameter. As a result, it has been evaluated that the XGBoost model provides effective solutions for design criteria such as heat transfer rate, safety, and reliability; the AdaBoost model is more suitable for criteria such as exchanger type and ease of maintenance; and the RF model performs well for cost and pumping power. It is anticipated that in the future, analyzing heat exchanger design parameters using various machine learning approaches will enable the development of more cost-effective and efficient heat exchangers.

 Isı değiştiriciler, kimya, otomotiv ve HVAC gibi çeşitli endüstrilerde yaygın olarak kullanılan kritik bileşenlerdir. Isı değiştirici tasarım kriterlerinin değerlendirilip iyileştirilmesi endüstriyel uygulamaların iyileştirilmesinde büyük önem arz etmektedir. Makine öğrenmesi ağaç modelleri, optimizasyon ve sınıflandırma tahminleri yoluyla küçük, orta veya büyük veri kümelerine sahip problemler için zaman alıcı sayısal çözümlere güçlü bir alternatif sunmaktadır. Bu çalışmada, ısı değiştirici tasarım kriterlerinin makine öğrenmesi ağaç modelleri kullanılarak incelenmesi ve her bir tasarım kriteri için en uygun modelin belirlenmesi amaçlanmaktadır. Sonuç olarak; ısı transfer hızı, güvenlik ve güvenilirlik tasarım kriteri için XGBoost modelinin, tip ve bakım kolaylığı tasarım kriteri için AdaBoost modelinin, maliyet ve pompa gücü tasarım kriteri için RF modelinin etkin çözümler sunabileceği değerlendirilmiştir. Gelecekte ısı değiştirici tasarım kriterlerinin farklı tip makine öğrenmesi metotları ile analiz edilerek daha maliyet etkin ısı değiştiricilerin tasarlanabileceği öngörülmüştür.

Makale detayları

An Investigation on Design Criteria of Heat Exchangers by Using Tree Models of Machine Learning Methods

Yazarlar:

Merve Ala | Mahir Şahin | Mustafa Kılıç | Gökay Dişken

Yayıncı:

Cukurova University

Ana Başlıklar:

Akışkan Akışı | Isı ve Kütle Transferinde Hesaplamalı Yöntemler (Hesaplamalı Akışkanlar Dinamiği Dahil)

Dergi:

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi Vol.40 Issue 2, pp.375-386

Belge Tipi:

Makale

Yayın Tarihi:

2/2025

Belge Dili:

İngilizce

Document ID (Org No.):

2001351730

pISSN:

2757-9255

Heat Exchangers

Machine Learning

Tree Models

Design CriteriaIsı Değiştiriciler

Makine Öğrenmesi

Ağaç Modelleri

Tasarım Kriteri

Sayı

Makale detayları

Yazarlar: Merve Ala | Mahir Şahin | Mustafa Kılıç | Gökay Dişken

Yayıncı: Cukurova University

Ana Başlıklar: Akışkan Akışı | Isı ve Kütle Transferinde Hesaplamalı Yöntemler (Hesaplamalı Akışkanlar Dinamiği Dahil)

Dergi: Çukurova Üniversitesi Mühendislik Fakültesi Dergisi Vol.40 Issue 2, pp.375-386

Belge Tipi: Makale

Yayın Tarihi: 2/2025

Belge Dili: İngilizce

Document ID (Org No.): 2001351730

pISSN: 2757-9255

Sayı

Yazarlar:

Merve Ala | Mahir Şahin | Mustafa Kılıç | Gökay Dişken

Yayıncı:

Cukurova University

Ana Başlıklar:

Akışkan Akışı | Isı ve Kütle Transferinde Hesaplamalı Yöntemler (Hesaplamalı Akışkanlar Dinamiği Dahil)

Dergi:

Çukurova Üniversitesi Mühendislik Fakültesi Dergisi Vol.40 Issue 2, pp.375-386

Belge Tipi:

Makale

Yayın Tarihi:

2/2025

Belge Dili:

İngilizce

Document ID (Org No.):

2001351730

pISSN:

2757-9255