El problema dinámico de taller flexible (DFJSP) es un problema realista y desafiante que enfrentan muchas plantas de producción. A medida que la línea de productos se vuelve más compleja, las máquinas pueden averiarse repentinamente o reanudar el servicio, por lo que necesitamos un marco de programación dinámica para hacer frente al número cambiante de máquinas a lo largo del tiempo. Este tema ha sido raramente abordado en la literatura. En este artículo, proponemos un modelo mejorado de aprendizaje para despachar (L2D) para generar un cronograma razonable y bueno que minimice el tiempo de producción. Formulamos un DFJSP como un grafo disyuntivo y utilizamos redes neuronales de grafos (GINs) para incrustar el grafo disyuntivo en estados para que el agente aprenda. El uso de GINs permite que el modelo maneje el número dinámico de máquinas y generalice de manera efectiva a instancias a gran escala. El agente de aprendizaje es una red neuronal de alimentación hacia adelante de múltiples capas entrenada con un algoritmo de aprendizaje por refuerzo, llamado optimización de política proximal. Entrenamos el modelo en problemas de tamaño pequeño y lo probamos en problemas de varios tamaños. Los resultados experimentales muestran que nuestro modelo supera a los mejores algoritmos existentes de reglas de despacho por prioridad, como el tiempo de procesamiento más corto, la mayor cantidad de trabajo restante, la fecha de vencimiento del flujo por la mayor cantidad de trabajo restante y la mayor cantidad de operaciones restantes. Los resultados verifican que el modelo tiene una buena capacidad de generalización y, por lo tanto, demuestran su efectividad.