در پژوهش حاضر با استفاده از روابط طراحی مبدل به روش بل ( bell)، برنامه ای در نرم افزار متلب (matlab) نوشته شده و مدل خطی تشکیل رسوب نفت خام مبدل حرارتی e01010a واحد تقطیر پالایشگاه بندرعباس، با استفاده از اطلاعات واحد عملیاتی(مستخرج از سیستم dcs پالایشگاه)، ارائه شده است. ارزیابی عملکرد این مبدل از نظر رسوب گرفتگی و طراحی حرارتی نشان می دهد که میزان رسوب این مبدل در طی گذشت حدود پنج ماه، از میزان مجاز آن 7/42 برابر بیشتر شده و در نتیجه بار حرارتی آن 13/9 درصد کاهش یافته است. همچنین در این پژوهش یک مدل جدید مبتنی بر شبکه عصبی مصنوعی برای پیش بینی نرخ تشکیل رسوب نفت¬خام ارائه شده است؛ با استفاده از این مدل و با به کارگیری الگوریتم ژنتیک و روابط (به روش بل) و متغیرهای استاندارد طراحی مبدل (به گونه ای که نتیجه آن یک طراحی معتبر از نظر استاندارد tema باشد)، یک برنامه بهینه سازی با استفاده از یک کد محاسباتی ارائه شده است؛ در این برنامه با به کارگیری مدل شبکه عصبی رسوب، هزینه رسوب مبدل محاسبه می شود و مبدل بهینه ای طراحی می گردد که هزینه کل آن(شامل هزینه اولیه، هزینه عملیاتی ناشی از افت فشار و هزینه رسوب) نسبت به سایر طراحی های ممکن کمینه باشد. همچنین مدل رسوب ارائه شده، پیش بینی با خطای 10% را ارائه می کند که نسبت به آخرین مدل شبکه عصبی ارائه شده در پژوهش های پیشین، به دلیل انتخاب پارامترهای تأثیرگذار در تشکیل رسوب به عنوان ورودی شبکه و قدرت بالای شبکه عصبی در پیش بینی مسائل پیچیده، 8% و نسبت به مدل های شناخته شده آستانه رسوب، بین 45 تا 75 درصد بهتر می باشد. جهت ارزیابی و مقایسه (در مقیاس صنعتی) نتایج مدل ارائه شده، از نتیجه ضریب رسوب مبدلe01010a که با استفاده از داده های عملیاتی پالایشگاه بندرعباس حاصل شده¬بود، استفاده شده است. درنهایت امر، برنامه بهینه¬سازی فوق¬الذکر برای مبدل e01010a براساس شرایط فرآیندی طراحی اولیه، اجراء شده و نتایج بدست آمده نشان می¬دهد که هزینه کل مبدل طراحی شده به این روش تا حدود30% نسبت به هزینه طراحی اولیه (در مجموع هزینه های خرید و هزینه عملیات) کمترمی¬باشد. لذا این روش می¬تواند ابزار قدرتمندی در طراحی مبدل محسوب شود.