Un proceso importante en la industria minera es el manejo de materiales, donde los camiones son responsables de transportar los materiales extraídos por las palas a diferentes ubicaciones dentro de la mina. La decisión sobre el destino de un camión es muy importante para garantizar una operación de manejo de materiales eficiente. Actualmente, este proceso de toma de decisiones es gestionado por sistemas centralizados que aplican criterios de despacho. Sin embargo, este enfoque tiene la desventaja de no proporcionar soluciones de despacho precisas debido a la falta de conocimiento sobre las condiciones externas que pueden cambiar y la dependencia de un nodo central. Para abordar este problema, previamente desarrollamos un sistema multiagente para el despacho de camiones (MAS-TD), donde agentes inteligentes que representan equipos del mundo real colaboran para generar horarios. Recientemente, extendimos el MAS-TD (ahora MAS-TDRL) al incorporar capacidades de aprendizaje y comparamos su rendimiento con el MAS-TD original, que carece de capacidades de aprendizaje. Esta comparación se realizó utilizando escenarios simulados basados en datos reales de una mina a cielo abierto en Chile. Los resultados muestran que el MAS-TDRL genera horarios más eficientes.