A Internet das Coisas Industrial (IIoT) tem se tornado fundamental para a modernização de ambientes produtivos, exigindo redes de comunicação cada vez mais robustas e resilientes. No entanto, falhas de enlace representam uma ameaça constante à continuidade das operações industriais, podendo comprometer a qualidade do serviço e paralisar processos críticos. Este trabalho propõe uma abordagem baseada em Aprendizado por Reforço (Reinforcement Learning – RL) para promover a resiliência topológica em redes IIoT. Um agente é treinado em ambiente simulado para detectar falhas e tomar decisões corretivas de forma autônoma, reorganizando a estrutura da rede diante de alterações na conectividade. A proposta visa reduzir o impacto de falhas de comunicação, melhorar a continuidade dos serviços e demonstrar a viabilidade do uso de inteligência artificial para o gerenciamento adaptativo de redes industriais.