تشکیل رسوب در مبدل های حرارتی پیش گرمکن نفت خام، یکی از بزرگترین عوامل هدر رفت انرژی در پالایشگاه ها است. از آنجاکه نیمی از هزینه های عملیاتی پالایشگاه ها مربوط به انرژی است، تشکیل رسوب در افزایش هزینه ها اثر مستقیم دارد. مشکلات عملیاتی، افزایش مصرف انرژی و انتشار بیشتر گازهای گلخانه ای از تبعات مهم رسوب گذاری نفت خام به شمار می رود. تا کنون مدل های نیمه تجربی فراوانی تحت عنوان "مدل های آستانه رسوب گذاری" مطرح شده است که در بین آنها، مدل آستانه رسوب گذاری شبکه عصبی دارای خطا کمتری است ولی این دقت برای استفاده های صنعتی قابل قبول نیست، همچنین مدل سازی انجام شده با روش شبکه عصبی دارای خطای زیادی است. مکانیزم های فیزیکی و شیمیایی بسیاری در رسوب گذاری نفت خام شرکت می کنند که نقش برخی از آنها ناشناخته است به همین علت مدل سازی انجام شده به روش محاسبات عددی با آنچه در واقعیت اتفاق می افتد فاصله دارد. در این پژوهش از روش فازی- عصبی جهت مدل سازی رفتار فرایند رسوب گذاری نفت خام دریکی از مبدل های پیش گرمکن واحد تقطیر پالایشگاه تهران استفاده شده است. درمبدل مورد نظر دبی نفت خام ورودی، دمای ورودی و خروجی نفت خام در سمت لوله و دمای ورودی و خروجی نفت سفید در سمت پوسته از سیستم dcs واحد تقطیر که بیش650 داده تجربی را شامل میشود جمع آوری شده است. با مقایسه مقادیر پیش بینی شده توسط مدل فازی-عصبی با داده های تجربی قدر مطلق خطای نسبی 3% بدست می آید. با توجه به دقت خروجی این مدل، می توان از آن در بررسی رفتار رسوب در مبدل های صنعتی استفاده کرد.