Investigating Sand-Related Causes of Mold Collapse in the V-Process

Abstract

This study, conducted in collaboration with a industrial steel foundry, investigates how variations in sand properties influence mold stability in the V‑process, a vacuum‑assisted molding technique used in steel casting. A mixed‑method approach was applied, combining analysis of historical data, laboratory permeability testing, personnel interviews, and data-driven permeability modeling to identify which sand characteristics are most strongly associated with collapse events. The historical data show that a marked reduction in fine‑particle content following a renovation of the sand‑handling system coincided with a substantial increase in collapse frequency. Although this correlation is clear at the process level, the limited resolution of the historical dataset and the variability of the measurements prevent definitive causal conclusions.

Laboratory permeability tests revealed substantial inherent measurement variability, which in several cases was comparable to the differences observed between sand mixtures. This variability, together with specimen‑volume differences introduced by the constant‑mass preparation method, obscured the underlying relationship between particle size distribution and airflow behavior.

To complement the experimental work, machine learning models were trained on the company’s historical sand data. These models showed only moderate predictive capability, largely constrained by the limited resolution and variability of the available measurements. Support vector machines showed the most stable performance, while k‑nearest neighbor and neural network models were more sensitive to data partitioning and exhibited higher variance.

Overall, the findings suggest that maintaining stable a level of fine particles is important for process robustness, but that collapse behavior is influenced by multiple interacting factors. The results highlight the need for improved monitoring practices and more controlled data collection to support reliable process control in industrial V‑process production.

Popular Abstract (Swedish)

Formkollapser är ett av de mest kritiska problemen inom stålgjutning med V-processen. Varje gång en gjutform ger vika innebär det en kassation av detaljen, vilket medför stora ekonomiska förluster. I detta examensarbete, utfört i samarbete med en partner i industrin, har vi undersökt sandens dolda egenskaper för att förstå varför stabiliteten i processen varierar och hur man kan stoppa slöseriet.
Analysen av historiska data från företaget visar på en tydlig förändring av sanden under 2023. Efter en renovering av sandberedningssystemet minskade mängden finandelar i sanden kraftigt, vilket sammanföll med att antalet kollapser ökade markant. Sambandet är dock komplext; under början av 2025 minskade kollapserna igen trots att nivåerna av finandelar fortfarande var låga. Detta tyder på att sanningen är mer komplicerad än vad enstaka mätvärden visar.
En central del i arbetet har varit att använda matematiska modeller och maskininlärning för att försöka förutsäga sandens basgenomtränglighet utifrån dess kornstorleksfördelning. Modellerna uppnådde dock endast måttlig prestanda. Parallellt avslöjade laboratorietester en betydande mätvariabilitet mellan kornstorlek och genomtränglighet, där samma sandblandning kunde ge helt olika resultat vid upprepade mätningar. Denna inneboende osäkerhet i mätmetoderna förklarar varför modeller har svårt att leverera exakta förutsägelser, då bruset i indatan riskerar att dölja de faktiska fysiska sambanden.
Resultaten pekar på att sanden är ett komplext material som påverkas av många faktorer, inklusive variabler utanför studiens fokus på sand, som vakuumtryck och mekanisk påverkan under hantering. Arbetet visar också att nuvarande mätmetoder ofta är för oprecisa för att kontrollera dessa variationer i realtid. Det går alltså inte med säkerhet att förutspå risken för kollaps genom att endast studera sandens kvalitet; det är sannolikt en kombination av många samverkande faktorer som påverkar denna sannolikhet.
Slutsatsen är att det krävs en mer standardiserad och högupplöst datainsamling för att komma till rätta med problemen. Genom att förbättra mätmetoderna och använda matematiska modeller för att analysera variationerna kan företaget gå från reaktiv felsökning till en stabilare process. Samtidigt visar studien att det inte med säkerhet går att förutspå risken för kollaps genom att endast studera sandens kvalitet. Det är sannolikt en kombination av många faktorer som leder till att formen ger vika, och för att eliminera de stora ekonomiska förlusterna krävs kontroll över hela kedjan.

• author: Billing, Axel and Hübner, Oskar
• supervisor: Mats Andersson
• organization: Production and Materials Engineering
• alternative title: Undersökning av sandrelaterade orsaker till formkollaps i V-processen
• course: MMTM01 20252
• year: 2026
• type: H2 - Master's Degree (Two Years)
• subject: Technology and Engineering
• keywords: V-process, Sand Permeability, Particle Size Distribution, Mold Collapses, Machine Learning
• other publication id: LUTMDN/(TMMV-5386)/1-80/2026
• language: English
• id: 9224603
• date added to LUP: 2026-03-25 08:58:46
• date last changed: 2026-03-25 08:58:46