طريقة متقدمة لاتخاذ القرار الجاذبي مستوحاة من قانون نيوتن للجذب العام

لماذا يمكن للجاذبية أن تساعد في القرارات الصعبة

يوميًا تتوقف قرارات كبيرة على موازنة أهداف متنافسة كثيرة: مستشفى يختار معدات، مدينة تخطط للطاقة الخضراء، أو مهندس يصمم خرسانة أكثر أمانًا. أدوات القرار التقليدية تساعد على مقارنة الخيارات، لكنها غالبًا ما تعالج كل خيار بمعزل وتواجه صعوبة عندما تكون البيانات غير مؤكدة أو تشبه البدائل بعضها البعض بشدة. تقدم هذه الورقة طريقة جديدة اسمها GRAD (طريقة اتخاذ القرار الجاذبي المتقدمة)، التي تستعير أفكارًا من قانون نيوتن للجذب لترتيب الخيارات بصورة أكثر واقعية عندما تكون المخاطر وعدم اليقين معًا عاليين.

تحويل الخيارات إلى حقل جاذبي

تتصور GRAD كل خيار ممكن كما لو كان جسمًا صغيرًا في حقل جاذبي. في هذه الصورة، تأتي «كتلة» الخيار من مدى أدائه عبر معايير مختلفة — مثل التكلفة، والجودة، والسلامة، أو التأثير البيئي — ومن مدى تقلب هذه المعايير في البيانات. المعايير التي تتذبذب قيمها بقوة أكبر، والتي يلتقطها انتشار إحصائي أعلى، تتصرف ككتل أثقل وتجذب القرار النهائي بقوة أكبر. المسافة أيضًا مهمة: الخيارات البعيدة عن نقطة الهدف المثالية، أو البعيدة عن بعضها البعض من حيث الأداء، تمارس تأثيرًا أضعف، بينما تتفاعل الخيارات المتقاربة بقوة أكبر. بدلًا من قياس مدى بعد كل بديل عن مثالية واحدة فقط، تسمح GRAD للخيارات بأن تجذب أو تدفع بعضها البعض في فضاء قرار مشترك.

من البيانات الخام إلى قوة الجذب

تبدأ الطريقة بطريقة مألوفة: يحدد صانع القرار المشكلة، ويعد قائمة بالخيارات، ويختار المعايير. ثم تُحوَّل الأرقام الخام — مثل التكاليف أو السرعات أو قيم المقاومة — إلى مقياس مشترك من 0 إلى 1 بحيث يمكن مقارنة معايير «الأكبر أفضل» و«الأصغر أفضل» بصورة عادلة. بعد ذلك، تحسب GRAD مدى تباين كل معيار عبر الخيارات، وتستخدم هذا التباين مباشرة داخل صيغة مستوحاة من الجاذبية بدلًا من اعتباره وزنًا خلفيًا فقط. لكل خيار ولكل معيار، تجمع GRAD بين أربعة عناصر: أهمية المعيار، وتغيّره، وأداء الخيار بعد التطبيع، والمسافة بينه وبين نقطة هدف مثالية أو متوقعة. هذه المكوّنات تولِّد نوعًا من قوة الجذب لكل خيار، ثم تُجمَع عبر جميع المعايير لتعطي جاذبية كلية.

السماح للخيارات بالتفاعل مع بعضها

لا تكتفي GRAD بإعطاء درجة واحدة لكل خيار. بل تفحص أيضًا كيف ترتبط الخيارات ببعضها البعض. باستخدام المسافات بين كل زوج من البدائل، تعدل الطريقة درجة كل خيار وفقًا لمدى «سحبه» أو «دفعه» بواسطة منافسيه. الخيارات التي تؤدي جيدًا وتقع قرب منافسين أقوياء تشهد تفاعلاً شديدًا، مما يكشف عن فروق دقيقة بين اختيارات متقاربة. الخيارات الضعيفة أو البعيدة تمارس تأثيرًا ضئيلًا. يلي هذا التقييم المستند إلى التفاعل تحليل حساسية: يغير المؤلفون نظاميًا معلمات رئيسية تتحكم في مدى تأثير الأوزان، وفروق الأداء، والمسافات. عبر نطاقات معقولة، تظل الترتيبات مستقرة، مما يشير إلى أن الطريقة متينة وليست حساسة مفرطًا للتعديل الدقيق.

كيف تعمل GRAD في التطبيق العملي

لإظهار كيفية عمل الطريقة، يطبق الباحثون GRAD أولاً على مثال مصنع مصطنع صغير حيث تُقيَّم أربعة أنظمة إنتاج من حيث التكلفة والجودة والسرعة والتأثير البيئي. يقارنون الترتيب الناتج بتلك المنتجة بواسطة ثلاث طرق معروفة — TOPSIS وVIKOR وCoCoSo — ثم يجرون 10,000 محاكاة مونت كارلو تزعزع مدخلات البيانات قليلًا. تثبت GRAD أنها أفضل في الحفاظ على بقاء الخيارات الواعدة في أعلى الترتيب حين تكون الأرقام ضوضائية، وهو علامة على المتانة. في اختبار أكثر واقعية، يلجأ المؤلفون إلى مجموعة بيانات خرسانية معروفة من الهندسة المدنية والميكانيكية. هنا يُقيَّم كل خليط خرسانة مرشح من حيث كميات المواد ووقت المعالجة والقوة الانضغاطية المحققة. تحدد GRAD خليطًا يوازن بين قوة عالية واستخدام معقول للمواد ومتطلبات معالجة معقولة، وتنتج ترتيبًا مختلفًا بشكل ملحوظ ومراعيًا للتفاعل مقارنة بطريقة كلاسيكية قائمة على المسافة فقط تُسمى SPOTIS.

ماذا يعني هذا لقرارات العالم الحقيقي

ببساطة، تقدم GRAD وسيلة لاختيار بين خيارات معقدة مع الاعتراف بأن المعايير العالية المخاطر ينبغي أن تثقل كفتها أكثر وأن الخيارات المتنافسة لا توجد بمعزل. من خلال نسج عدم اليقين والتشابه والمسافة في نموذج واحد متماسك، يمكن للطريقة أن تبرز ليس فقط أي بديل يبدو الأفضل على الورق، بل أي منها يبقى قويًا عندما تكون البيانات غير مؤكدة والمنافسون قريبون. ومع أنها تتطلب بيانات جيدة وبعض اختيارات المعلمات، توفر GRAD لصانعي القرار في مجالات من الهندسة إلى التمويل والرعاية الصحية عدسة أكثر دقة، مستوحاة من الفيزياء، للتعامل مع القرارات المعقدة ومتعددة الأوجه.

الاستشهاد: Yerlikaya, M.A., Beytüt, H., Yildiz, K. et al. Advanced gravitational decision-making method inspired by newton’s law of universal gravitation. Sci Rep 16, 13144 (2026). https://doi.org/10.1038/s41598-026-44573-7

الكلمات المفتاحية: اتخاذ القرار متعدد المعايير, نموذج القرار الجاذبي, عدم اليقين في الترتيبات, خيارات التصميم الهندسي, تحليل القرار القوي