Este documento propone marcos de aprendizaje federado para la gestión de riesgos en la cadena de suministro para abordar las restricciones de intercambio de datos. Para validar, se aplicó el aprendizaje federado centralizado con datos horizontales para la predicción de retrasos en la entrega utilizando conjuntos de datos de dos proveedores textiles: el proveedor 1 tiene menos datos y se considera pequeño, mientras que el proveedor 2, con más datos, representa uno más grande. El modelo de predicción se desarrolla utilizando una red neuronal artificial dentro del marco federado. Los resultados muestran que el aprendizaje federado beneficia a los proveedores, especialmente a aquellos con datos limitados. Destacadamente, el aprendizaje federado supera al aprendizaje centralizado y al aprendizaje local independiente. Esto destaca su potencial para abordar la privacidad y facilitar la colaboración.