Teknik deteksi kesalahan berbasis data telah diterapkan secara luas pada proses industri untuk mengurangi kerugian produksi yang disebabkan oleh kesalahan. Karena reaksi kimia yang rumit dan perubahan fase, hubungan antara variabel proses bersifat nonlinier. Secara khusus, banyak proses industri sering beroperasi dalam beberapa kondisi, yang mengakibatkan karakteristik multimode dalam data yang dikumpulkan dan semakin memperumit nonlinieritas antara variabel proses, sehingga menimbulkan kesulitan yang menantang bagi metode deteksi kesalahan tradisional. Mengingat hal ini, makalah ini mengusulkan metode deteksi kesalahan baru untuk proses industri multimode dengan mengembangkan model campuran autoencoder (MixAE). MixAE pertama kali dirancang dengan model campuran Gaussian dan beberapa autoencoder lapisan tersembunyi tunggal; kemudian, algoritma pembelajaran yang efisien, berdasarkan algoritma ekspektasi-maksimisasi dan algoritma pendakian gradien, dikembangkan untuk melatih MixAE. Dengan menggunakan indeks keyakinan yang disediakan oleh setiap autoencoder, statistik evaluasi komprehensif diformulasikan untuk mendeteksi anomali. Akhirnya, metode deteksi kesalahan yang diusulkan divalidasi dengan contoh numerik dan sistem kontrol level cairan tiga tangki eksperimental. Hasil percobaan menunjukkan bahwa metode yang diusulkan mencapai kinerja deteksi kesalahan yang lebih baik untuk proses industri multimode dibandingkan dengan metode tradisional.