Método avançado de tomada de decisão gravitacional inspirado na lei da gravitação universal de Newton

Por que a gravidade pode ajudar em escolhas difíceis

Cada dia, decisões importantes dependem do equilíbrio entre muitos objetivos concorrentes: um hospital escolhendo equipamentos, uma cidade planejando energia limpa, ou um engenheiro projetando concreto mais seguro. Ferramentas clássicas de decisão ajudam a comparar opções, mas frequentemente tratam cada alternativa isoladamente e têm dificuldades quando os dados são incertos ou as alternativas são muito semelhantes. Este artigo apresenta um novo método chamado GRAD (Tomada de Decisão Gravitacional Avançada), que toma emprestado conceitos da lei da gravitação de Newton para ranquear opções de forma mais realista quando os riscos e a incerteza são elevados.

Transformando escolhas em um campo gravitacional

O GRAD imagina cada escolha possível como se fosse um pequeno corpo em um campo gravitacional. Nessa imagem, a “massa” de uma opção decorre do seu desempenho em diferentes critérios — como custo, qualidade, segurança ou impacto ambiental — e de quão voláteis esses critérios são nos dados. Critérios cujos valores flutuam mais, capturados por uma maior dispersão estatística, comportam-se como massas mais pesadas e puxam com mais força na decisão final. A distância também importa: opções que estão longe de um ponto ideal, ou distantes entre si em termos de desempenho, exercem influência mais fraca, enquanto opções fortemente pareadas interagem com maior intensidade. Em vez de apenas medir quão distante cada alternativa está de um único ideal, o GRAD permite que as opções se atraiam ou se repilam em um espaço de decisão compartilhado.

Dos dados brutos à atração gravitacional

O método começa de forma familiar: o tomador de decisão define o problema, lista as opções e seleciona os critérios. Números brutos — como custos, velocidades ou valores de resistência — são então convertidos para uma escala comum de 0 a 1, de modo que critérios de “maior é melhor” e “menor é melhor” possam ser comparados de forma justa. Em seguida, o GRAD calcula quanto cada critério varia entre as opções e usa essa variabilidade diretamente em sua fórmula inspirada na gravidade, em vez de apenas como um peso de fundo. Para cada opção e cada critério, o GRAD combina quatro elementos: a importância do critério, sua variabilidade, o desempenho normalizado da opção e sua distância de um ponto alvo ideal ou esperado. Esses componentes geram uma espécie de força gravitacional para cada opção, que é então somada por todos os critérios para fornecer um puxão geral.

Permitindo que as opções interajam entre si

O GRAD não para em uma única pontuação por opção. Ele também analisa como as opções se relacionam entre si. Usando as distâncias entre cada par de alternativas, o método ajusta a pontuação de cada opção de acordo com o quanto ela é “puxada” ou “empurrada” por suas concorrentes. Opções que têm bom desempenho e estão próximas de outros concorrentes fortes experimentam interações intensas, revelando diferenças sutis entre escolhas muito pareadas. Opções fracas ou distantes exercem pouca influência. Essa pontuação sensível à interação é seguida por uma análise de sensibilidade: os autores mexem sistematicamente em parâmetros-chave que controlam o quanto pesos, diferenças de desempenho e distâncias importam. Em faixas razoáveis, os ranqueamentos permanecem estáveis, sugerindo que o método é robusto em vez de excessivamente sensível a ajustes finos.

Como o GRAD se sai na prática

Para demonstrar o funcionamento do método, os pesquisadores primeiro aplicam o GRAD a um pequeno exemplo sintético de fábrica, onde quatro sistemas de produção são avaliados em custo, qualidade, velocidade e impacto ambiental. Eles comparam os ranqueamentos resultantes com os produzidos por três métodos conhecidos — TOPSIS, VIKOR e CoCoSo — e então rodam 10.000 simulações de Monte Carlo que perturbam levemente os dados de entrada. O GRAD se mostra melhor em manter opções promissoras no topo do ranqueamento quando os números estão ruidosos, um marco de robustez. Em um teste mais realista, os autores recorrem a um conhecido conjunto de dados de concreto da engenharia civil e mecânica. Aqui, cada mistura candidata de concreto é avaliada em quantidades de material, tempo de cura e resistência à compressão alcançada. O GRAD identifica uma mistura que equilibra alta resistência com uso razoável de materiais e demandas de cura, produzindo um ranqueamento perceptivelmente diferente e atento à interação do que um método clássico baseado apenas em distância chamado SPOTIS.

O que isso significa para decisões do mundo real

Em termos práticos, o GRAD oferece uma forma de escolher entre opções complexas reconhecendo que critérios arriscados devem pesar mais e que opções concorrentes não existem isoladamente. Ao entrelaçar incerteza, similaridade e distância em um único modelo coerente, o método pode destacar não apenas qual alternativa parece melhor no papel, mas qual se mantém forte quando os dados são incertos e os rivais estão próximos. Embora exija bons dados e algumas escolhas de parâmetros, o GRAD fornece aos tomadores de decisão em áreas que vão da engenharia à finanças e saúde uma lente mais nuançada, inspirada na física, para escolhas difíceis e multifacetadas.

Citação: 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

Palavras-chave: tomada de decisão multicritério, modelo de decisão gravitacional, incerteza em ranqueamentos, escolhas de projeto de engenharia, análise de decisão robusta