<p>Los avances tecnológicos en general, y en el ámbito de la industria en particular, conllevan el desarrollo y optimización de las actividades que en ella tienen lugar. Para alcanzar este objetivo, resulta de vital importancia detectar cualquier tipo de anomalía en su fase más incipiente, contribuyendo, entre otros, al ahorro energético y económico, y a una reducción del impacto ambiental. En un contexto en el que se fomenta la reducción de emisión de gases contaminantes, las energías alternativas, especialmente la energía eólica, juegan un papel crucial. En la fabricación de las palas de aerogenerador se recurre comúnmente a materiales de tipo bicomponente, obtenidos a través del mezclado de dos substancias primarias. En la presente investigación se evalúan distintas técnicas inteligentes de clasificación one-class para detectar anomalías en un sistema de mezclado para la obtención de materiales bicomponente empleados en la elaboración de palas de aerogenerador. Para lograr los modelos inteligentes que permitan la detección de anomalías, se han usado datos reales extraídos de una planta de mezclado en operación durante su correcto funcionamiento. Los clasificadores obtenidos para cada técnica son validados a través de anomalías generadas de manera artificial, obteniéndose resultados altamente satisfactorios.</p>