--- type: BCI asset_id: BCI-UPS-ORION-v01 version: v01 status: Operativo readiness: ⭐⭐⭐ owner: Victor Heredia sherpa: Jay fecha_creacion: 2026-06-20 intellbank: IB-PO-Posta subbank: BC-PO-Research tipo: BCI — Brain Code Iniciativa (sub-instancia de BCE) empresa_padre: BCE-UPS-CognitionStack-v01 programa_padre: BCI-UPS-EfficiencyReimagined-v01 sujeto: ORION — On-Road Integrated Optimization and Navigation (UPS) dominio: Optimización de rutas · algoritmo combinatorio · machine learning en logística corpus_base: - UPS Annual Reports 2013–2024 - MIT Technology Review: UPS ORION 2016 - Harvard Business Review: ORION Case Study 2016 - UPS Technology Blog: ORION Dynamic 2022–2024 - Supply Chain Management Review: ORION 10 years 2022 --- # BRAIN CODE INICIATIVA — ORION ## UPS · On-Road Integrated Optimization and Navigation · 2012–presente **Tipo:** BCI — Brain Code de Iniciativa **Iniciativa:** ORION (On-Road Integrated Optimization and Navigation) **Empresa padre:** UPS (BCE-UPS-CognitionStack-v01) **Programa padre:** Efficiency Reimagined (BCI-UPS-EfficiencyReimagined-v01) **Iniciado:** 2012 (estático) → 2022 (dinámico con HEAT) **Estatus:** Operativo y en evolución continua --- ## COMPONENTE O1 — MAPA ONTOLÓGICO DE ORION ORION parte de una observación contraintuitiva que los humanos no habrían descubierto sin analizar millones de datos: **la ruta más corta no es la ruta más eficiente.** La ruta óptima minimiza tiempo total + combustible + costo operativo, no distancia. **El hallazgo fundacional:** Al analizar millones de rutas reales con sus tiempos reales, ORION descubrió que los giros a la izquierda (cruzando tráfico) tienen un costo oculto masivo: tiempo de espera, mayor riesgo de accidente, mayor consumo en ralentí. Una ruta que evita giros a la izquierda puede ser 0.5–1 km más larga pero 8–12 minutos más rápida y 3–5% más económica en combustible. **El mapa de realidad ORION:** | Variable | Peso en la optimización | |---|---| | Ventana de entrega comprometida al cliente | HARD CONSTRAINT: no negociable | | Tipo de giro (derecha vs. izquierda) | Variable no obvia con alto impacto | | Condición del tráfico en tiempo real | Variable de contexto (alimentada por HEAT) | | Secuencia de descarga del vehículo | Variable de preparación (paquetes deben cargarse en orden inverso a entrega) | | Historial del domicilio (tiempo de acceso real) | Variable de aprendizaje continuo | | Estado del conductor (horas trabajadas, rutas familiares) | Variable de seguridad | --- ## COMPONENTE O2 — LA PREGUNTA CENTRAL DE ORION **¿Cuál es la secuencia óptima de 120 paradas para un conductor específico, dado el estado actual de la red, las ventanas de entrega comprometidas y el objetivo de minimizar tiempo + combustible?** La complejidad matemática de este problema (problema del vendedor viajero extendido con 130+ variables) hace que la solución exacta sea computacionalmente inviable incluso con supercomputadoras. ORION resuelve una aproximación de alta calidad en tiempo útil — lo suficientemente buena para generar $400M/año en ahorros. --- ## COMPONENTE A1 — AXIOMAS DE ORION **Axioma de la Optimización sobre la Intuición:** Los conductores con 20 años de experiencia tienen intuiciones valiosas. ORION no las descarta — las aprende. Cada divergencia entre la ruta de ORION y la decisión real del conductor (cuando el conductor se desvía) es un dato de entrenamiento. Con el tiempo, ORION absorbe el mejor juicio de los mejores conductores y lo aplica a todos. **Axioma de las Restricciones Duras vs. Blandas:** Las ventanas de entrega comprometidas al cliente son restricciones duras — ORION no las viola. El orden de las demás paradas, los giros, las rutas entre paradas son restricciones blandas — ORION las optimiza dentro de las duras. La distinción es crítica: optimizar el orden equivocado de restricciones destruye el valor. **Axioma de la Mejora por Volumen:** Con 60,000 conductores haciendo ~120 entregas/día cada uno, ORION recibe 7.2 millones de puntos de feedback operativo diariamente. El modelo mejora continuamente sin intervención humana explícita. Los sistemas que aprenden del volumen superan inevitablemente a los sistemas estáticos, sin importar cuán sofisticada sea la versión inicial del estático. **Axioma de la Actualización Continua (v2 dinámico):** Una ruta óptima calculada a las 6am con datos del día anterior no es óptima a las 2pm si hay un accidente en la autopista. ORION v2 (2022) integra actualizaciones de HEAT cada 10 minutos y recalcula cuando el delta entre la ruta óptima actual y la ruta en ejecución supera un umbral. El conductor recibe la actualización en su dispositivo sin interrupción del flujo de trabajo. **Axioma del No-Left-Turns como Principio Universal:** La regla de giros descubierta por ORION en EE.UU. (preferencia por giros a la derecha) aplica en cualquier país donde se maneja por la derecha, incluyendo México. La magnitud del impacto varía según la densidad del tráfico y la infraestructura vial, pero la dirección es consistente: rutas con menos giros contra el tráfico = rutas más eficientes. --- ## COMPONENTE C1 — ALGORITMO OPERATIVO DE ORION **Fase 1 — Nocturna (v1) / Continua (v2):** - Ingesta de órdenes del día para todos los conductores de una región - Ingesta de datos de HEAT (condición de red, predicciones de tráfico, demanda) - Resolución del problema de optimización para cada conductor - Generación de la secuencia óptima de paradas + ruta sugerida **Fase 2 — Ejecución (durante la jornada):** - El conductor ejecuta la ruta ORION usando el dispositivo UPS (DIAD) - HEAT envía actualizaciones cada 10 min - Si delta entre ruta actual y ruta óptima supera umbral → ORION recalcula y notifica **Fase 3 — Feedback loop (post-jornada):** - Comparación entre ruta ORION y ruta ejecutada real - Comparación entre tiempo predicho y tiempo real por parada - Las divergencias sistemáticas (conductor siempre elige diferente en zona X) alimentan ajuste del modelo - El modelo de mañana es marginalmente mejor que el de hoy **Ciclo de mejora del modelo:** Semanal: ajuste de predicciones de tiempo por tipo de domicilio y zona Mensual: reajuste de pesos de variables según correlación con eficiencia real Anual: reentrenamiento completo con datos acumulados --- ## COMPONENTE L1 — LÉXICO NUCLEAR DE ORION | Término | Definición en el contexto de ORION | |---|---| | **ORION** | On-Road Integrated Optimization and Navigation. El sistema de routing de UPS. | | **No-left-turns principle** | La preferencia sistemática por giros a la derecha como principio de eficiencia | | **DIAD** | Delivery Information Acquisition Device — el dispositivo del conductor que muestra la ruta ORION | | **130+ variables** | El número de variables consideradas por ORION en cada solución de ruta | | **Hard constraint** | Restricción que ORION no puede violar (ventanas de entrega comprometidas) | | **Soft constraint** | Restricción que ORION optimiza dentro de las hard (orden de paradas, tipo de giro) | | **Delta threshold** | El umbral de diferencia entre ruta óptima actual y ruta en ejecución que dispara un recalculo | | **7.2M feedback points/day** | Los puntos de entrenamiento diarios del modelo (60K conductores × 120 entregas) | --- ## COMPONENTE V1 — EXPRESIÓN DE ORION **Cómo se comunica ORION:** Como el sistema que convirtió el conocimiento de los mejores conductores de UPS en un sistema replicable para todos. No como "IA que reemplaza a los conductores" — sino como "IA que da a cada conductor el beneficio de la experiencia acumulada de todos los conductores." **La narrativa correcta de ORION:** No es un sistema de control — es un sistema de amplificación. El conductor sigue siendo quien ejecuta y quien tiene el juicio final. ORION procesa lo que ningún humano puede procesar (130+ variables simultáneas en 120 paradas) y le ofrece la secuencia óptima. El conductor la sigue, la ajusta si sabe algo que ORION no sabe, y ese ajuste enseña a ORION algo nuevo. --- ## IMPLICACIÓN DIRECTA PARA MÉXICO Y POSTA México tiene características que hacen a ORION especialmente valioso y especialmente difícil de replicar directamente: **Por qué es valioso:** La variabilidad del tráfico urbano en México (CDMX, GDL, MTY) es extrema. La diferencia entre una ruta óptima y una ruta mediocre en CDMX puede ser 2–3 horas de tiempo de conductor. ORION entrenado sobre datos mexicanos podría recuperar eficiencias masivas. **Por qué no se puede replicar directamente:** ORION v2 requiere HEAT como prerrequisito (datos de red en tiempo real). HEAT requiere RFID en toda la flota. La secuencia correcta para México: GPS unificado → plataforma BI básica → modelo de rutas con machine learning → iteración hacia algo equivalente a ORION v1 → eventualmente hacia algo equivalente a ORION v2. **El primer paso replicable en 90 días:** Unificar los datos de GPS de toda la flota en una sola plataforma. Analizar los patrones de ruta de los conductores más eficientes. Convertir esos patrones en reglas para todos los conductores. Esto es ORION v0 — sin ML, sin Google Cloud, sin 130 variables. Y puede generar el 20–30% del impacto del sistema completo. **Nivel de confianza:** ✅ Sólido. Basado en corpus verificado 2012–2024. --- ## CHANGELOG | Fecha | Cambio | |-------|--------| | 2026-06-20 | Creación inicial · BCI · hijo de BCE-UPS y BCI-EfficiencyReimagined · contexto Lab WORX Posta · Jay | --- *BCI-UPS-ORION-v01 · IB-PO-Posta/BC-PO-Research/ · 2026-06-20* *Brain Code Iniciativa — UPS ORION · EmpowerLabs Brain OS*