Este trabalho apresenta um método de aprendizado não supervisionado para detecção do estado de amaciamento em compressores herméticos alternativos para refrigeração, informação importante para caracterização energética desse tipo de compressor. Para avaliar possíveis indicativos desse processo, foi utilizada uma bancada automática de ensaios capaz de medir de forma não destrutiva grandezas relacionadas à operação do dispositivo e possivelmente conectadas ao fenômeno do amaciamento. O algoritmo k-médias foi usado para agrupar dados de ensaios com compressores novos e já operados, buscando grandezas cuja divisão se adequasse à esperada devido ao amaciamento. O método 'Elbow' foi utilizado para definir 3 como o número de grupos para agrupamento, e 120 combinações de parâmetros de pré-processamento foram avaliadas, buscando padrões que indiquem a detecção do fenômeno. As avaliações realizadas mostraram que a sua aplicação em valores derivados da corrente elétrica do motor resultou em dados majoritariamente concordantes quanto ao final do processo de amaciamento.