Método avanzado de toma de decisiones gravitacionales inspirado en la ley de gravitación universal de Newton

Por qué la gravedad puede ayudar en decisiones difíciles

Cada día, decisiones importantes dependen de equilibrar múltiples objetivos en competencia: un hospital que elige equipos, una ciudad que planifica energía verde o un ingeniero que diseña hormigón más seguro. Las herramientas clásicas de decisión ayudan a comparar alternativas, pero a menudo tratan cada opción de forma aislada y tienen problemas cuando los datos son inciertos o las alternativas son muy parecidas. Este artículo presenta un nuevo método llamado GRAD (Toma de Decisiones Gravitacionales Avanzada), que toma prestadas ideas de la ley de gravitación de Newton para ordenar las opciones de forma más realista cuando tanto las apuestas como la incertidumbre son altas.

Convertir decisiones en un campo gravitacional

GRAD imagina cada posible elección como si fuera un pequeño cuerpo en un campo gravitacional. En esta imagen, la “masa” de una opción proviene de su rendimiento en distintos criterios —como coste, calidad, seguridad o impacto ambiental— y de la volatilidad de esos criterios en los datos. Los criterios cuyos valores fluctúan más, capturados por una mayor dispersión estadística, se comportan como masas más pesadas y atraen con más fuerza la decisión final. La distancia también importa: las opciones que están lejos de un punto objetivo ideal, o lejos entre sí en términos de rendimiento, ejercen una influencia más débil, mientras que las opciones bien pareadas interactúan con mayor intensidad. En lugar de medir solo cuánto se aleja cada alternativa de un único ideal, GRAD permite que las opciones se atraigan o se repelan entre sí en un espacio de decisión común.

De datos crudos a la fuerza gravitacional

El método comienza de forma familiar: el decisor define el problema, enumera las opciones y selecciona los criterios. Los números crudos —como costes, velocidades o valores de resistencia— se convierten a una escala común de 0–1 para que los criterios de “mayor es mejor” y “menor es mejor” puedan compararse con justicia. A continuación, GRAD calcula cuánto varía cada criterio entre las opciones y utiliza esta variabilidad directamente dentro de su fórmula inspirada en la gravedad en lugar de emplearla solo como un peso de fondo. Para cada opción y cada criterio, GRAD combina cuatro elementos: la importancia del criterio, su variabilidad, el rendimiento normalizado de la opción y su distancia respecto a un punto ideal o esperado. Estos ingredientes generan una especie de fuerza gravitacional para cada opción, que luego se suma a través de todos los criterios para dar un tirón global.

Permitir que las opciones interactúen entre sí

GRAD no se queda en una sola puntuación por opción. También examina cómo se relacionan las opciones entre sí. Usando las distancias entre cada par de alternativas, el método ajusta la puntuación de cada opción según cómo es “atraída” o “empujada” por sus competidoras. Las opciones que rinden bien y están cerca de otros contendientes fuertes experimentan una interacción intensa, lo que permite distinguir sutiles diferencias entre alternativas muy parecidas. Las opciones débiles o distantes ejercen poca influencia. A este sistema de puntuación consciente de las interacciones le sigue un análisis de sensibilidad: los autores modifican sistemáticamente parámetros clave que controlan la intensidad con la que importan los pesos, las diferencias de rendimiento y las distancias. En rangos razonables, los rankings se mantienen estables, lo que sugiere que el método es robusto y no excesivamente sensible a ajustes finos.

Cómo funciona GRAD en la práctica

Para mostrar el funcionamiento del método, los investigadores aplican primero GRAD a un pequeño ejemplo sintético de fábrica donde cuatro sistemas de producción se evalúan según coste, calidad, velocidad e impacto ambiental. Comparan los rankings resultantes con los producidos por tres métodos bien conocidos —TOPSIS, VIKOR y CoCoSo— y luego ejecutan 10.000 simulaciones Monte Carlo que perturban ligeramente los datos de entrada. GRAD demuestra ser mejor manteniendo opciones prometedoras cerca de la cima del ranking cuando los números son ruidosos, una señal de robustez. En una prueba más realista, los autores recurren a un conocido conjunto de datos de hormigón de la ingeniería civil y mecánica. Aquí, cada mezcla candidata se evalúa por cantidades de material, tiempo de curado y resistencia a compresión alcanzada. GRAD identifica una mezcla que equilibra alta resistencia con un uso razonable de materiales y exigencias de curado, y produce un ranking visiblemente diferente y consciente de las interacciones que el de un método clásico basado solo en distancias llamado SPOTIS.

Qué significa esto para decisiones del mundo real

En términos cotidianos, GRAD ofrece una forma de elegir entre opciones complejas reconociendo que los criterios arriesgados deben pesar más y que las opciones competidoras no existen de forma aislada. Al entrelazar incertidumbre, similitud y distancia en un modelo coherente, el método puede resaltar no solo qué alternativa parece mejor sobre el papel, sino cuál se mantiene fuerte cuando los datos son inciertos y los rivales están cerca. Aunque requiere buenos datos y algunas decisiones sobre parámetros, GRAD proporciona a los responsables de decisiones en campos que van desde la ingeniería hasta las finanzas y la sanidad una lente más matizada e inspirada en la física para elecciones difíciles y multifacéticas.

Cita: 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

Palabras clave: toma de decisiones multicriterio, modelo de decisión gravitacional, incertidumbre en rankings, elecciones de diseño en ingeniería, análisis de decisiones robusto