Un valor atípico, conocido como un estado de error, puede proporcionar valiosos resultados analíticos cognitivos en muchas aplicaciones industriales. Apuntando a detectar valores atípicos tan pronto como aparecen en flujos de datos que llegan continuamente desde fuentes de datos, este documento presenta un esquema incremental basado en núcleos adaptativos. Específicamente, se emplea la función de núcleo gaussiano con un ancho de núcleo adaptativo para garantizar suavidad en las medidas locales y mejorar la discriminabilidad entre objetos. Se presenta la densidad de núcleo gaussiano dinámico para describir el proceso gradual de cambio de densidad. Cuando llegan nuevos datos, el método actualiza las medidas de densidad relevantes de los objetos afectados para lograr el cálculo de valores atípicos del objeto llegado, lo que puede reducir significativamente la carga computacional. Se realizan experimentos en cinco conjuntos de datos comúnmente utilizados, y los resultados experimentales ilustran que el método propuesto es más efectivo y robusto para la minería automática de valores atípicos incremental.