Consideramos problemas de advección-difusión-reacción, donde el término advectivo o reactivo domina con respecto al término difusivo. Las soluciones de estos problemas se caracterizan por las llamadas capas, que representan regiones localizadas donde los gradientes de las soluciones son bastante grandes o están sujetos a cambios abruptos. Para mejorar la precisión de la solución calculada, es fundamental aumentar localmente el número de grados de libertad limitando los costos computacionales. Por lo tanto, se emplea el refinamiento adaptativo, mediante estimadores de error a posteriori. Los estimadores de error son luego procesados por un algoritmo de detección de anomalías para identificar aquellas regiones del dominio computacional que deben ser marcadas y, por lo tanto, refinadas. La tarea de detección de anomalías se realiza de manera no supervisada y la estrategia propuesta se prueba en benchmarks típicos. El presente trabajo muestra un estudio numérico que destaca resultados prometedores obtenidos al combinar técnicas estándar, es decir, los estimadores de error, y enfoques típicos de aprendizaje automático e inteligencia artificial, como la tarea de detección de anomalías.