Newton’un evrensel çekim yasasından esinlenen gelişmiş kütleçekim karar verme yöntemi

Zorlu seçimlere çekim neden yardımcı olabilir

Her gün, birçok rekabet eden hedefin dengelenmesine bağlı büyük kararlar verilir: bir hastanenin ekipman seçimi, bir kentin yeşil enerji planlaması veya bir mühendisin daha güvenli beton tasarlaması gibi. Klasik karar araçları seçenekleri karşılaştırmaya yardımcı olur, ancak genellikle her seçeneği izole şekilde ele alır ve veriler belirsiz olduğunda veya alternatifler birbirine çok benzediğinde zorlanır. Bu makale, hem risklerin hem de belirsizliğin yüksek olduğu durumlarda seçenekleri daha gerçekçi sıralamak için Newton’un çekim yasasından esinlenen GRAD (Gelişmiş Kütleçekim Karar Verme) adlı yeni bir yöntemi tanıtıyor.

Seçimleri bir çekim alanına dönüştürmek

GRAD, her olası seçeneği kütleçekim alanındaki küçük bir cisim gibi hayal eder. Bu tasvirde, bir seçeneğin “kütlesi”, maliyet, kalite, güvenlik veya çevresel etki gibi farklı ölçütlerde ne kadar iyi performans gösterdiğinden ve bu ölçütlerin verilerde ne kadar dalgalandığından kaynaklanır. Değerleri daha fazla değişen ölçütler, daha yüksek istatistiksel yayılımla yakalanır, daha ağır kütleler gibi davranır ve nihai karar üzerinde daha güçlü çekim uygular. Uzaklık da önemlidir: ideal hedef noktadan veya birbirlerinden performans açısından uzak duran seçenekler daha zayıf etki yaparken, birbirine yakın eşleşen seçenekler daha güçlü etkileşim gösterir. GRAD, yalnızca her alternatifin tek bir ideale ne kadar uzak olduğunu ölçmek yerine, seçeneklerin ortak bir karar uzayında birbirlerini çekmesine veya itmesine izin verir.

Ham veriden kütleçekim çekimine

Yöntem tanıdık bir şekilde başlar: karar verici problemi tanımlar, seçenekleri listeler ve ölçütleri seçer. Maliyet, hız veya dayanım gibi ham sayılar daha sonra “büyük daha iyi” ve “küçük daha iyi” ölçütlerin adil karşılaştırılabilmesi için ortak 0–1 ölçeğine dönüştürülür. Ardından, GRAD her ölçütün seçenekler arasındaki değişkenliğini hesaplar ve bu değişkenliği yalnızca arka plan ağırlığı olarak kullanmak yerine çekimden esinlenen formülün içine doğrudan dahil eder. Her seçenek ve her ölçüt için GRAD dört öğeyi birleştirir: ölçütün önemi, onun değişkenliği, seçeneğin normalleştirilmiş performansı ve ideal veya beklenen hedef noktadan uzaklığı. Bu bileşenler her seçenek için bir tür kütleçekim kuvveti üretir ve tüm ölçütler boyunca toplanarak genel bir çekim elde edilir.

Seçeneklerin birbirleriyle etkileşmesine izin vermek

GRAD her seçenek için tek bir skorda durmaz. Aynı zamanda seçeneklerin birbirleriyle nasıl ilişki kurduğuna bakar. Her alternatif çifti arasındaki uzaklıkları kullanarak yöntem, her seçeneğin skorunu rakipleri tarafından ne kadar “çekildiği” veya “itildiği”ne göre ayarlar. İyi performans gösteren ve diğer güçlü rakiplerin yakınında yer alan seçenekler yoğun etkileşim yaşar; bu da birbirine yakın seçenekler arasındaki ince farkları ortaya çıkarır. Zayıf veya uzak seçenekler ise çok az etki eder. Bu etkileşim farkında skorlama, ağırlıkların, performans farklarının ve uzaklıkların ne kadar önemli olduğunu kontrol eden ana parametreleri sistematik olarak değiştirip test eden bir duyarlılık analizini takip eder. Makul aralıklar boyunca sıralamalar sabit kalır; bu da yöntemin ince ayara aşırı duyarlı değil, sağlam olduğunu gösterir.

GRAD uygulamada nasıl performans gösteriyor

Yöntemin nasıl çalıştığını göstermek için araştırmacılar ilk olarak GRAD’i maliyet, kalite, hız ve çevresel etki açısından değerlendirilen dört üretim sisteminin yer aldığı küçük, sentetik bir fabrika örneğine uygular. Ortaya çıkan sıralamaları üç iyi bilinen yöntem—TOPSIS, VIKOR ve CoCoSo—ile karşılaştırır ve ardından girdi verilerini hafifçe bozarak 10.000 Monte Carlo simülasyonu yaparlar. GRAD, sayılar gürültülü olduğunda umut vaat eden seçenekleri sıralamanın üstlerinde tutma konusunda daha başarılı olduğunu kanıtlar; bu, sağlamlığın bir göstergesidir. Daha gerçekçi bir testte yazarlar, inşaat ve makine mühendisliğinde iyi bilinen bir beton veri setine yönelir. Burada her aday beton karışımı malzeme miktarları, kürlenme süresi ve elde edilen basınç dayanımı açısından değerlendirilir. GRAD, yüksek dayanımı makul malzeme kullanımı ve kür gereksinimleriyle dengeleyen bir karışımı belirler ve klasik uzaklık-ezberli yöntemi SPOTIS’ten farklı, etkileşim farkında bir sıralama üretir.

Gerçek dünyadaki kararlar için bunun anlamı

Günlük dilde, GRAD riskli ölçütlerin daha fazla ağırlık taşıması gerektiğini ve rakip seçeneklerin izole olmadığını kabul ederek karmaşık seçenekler arasında seçim yapma yolu sunar. Belirsizliği, benzerliği ve uzaklığı tek bir tutarlı modelde bir araya getirerek yöntem, kağıt üzerinde en iyi görünenin yanı sıra veriler belirsiz olduğunda ve rakipler yakın olduğunda hangi alternatifin güçlü kaldığını da vurgulayabilir. İyi verilere ve bazı parametre seçimlerine ihtiyaç duysa da GRAD, mühendislikten finanasa ve sağlık hizmetlerine kadar alanlardaki karar vericilere zor, çok yönlü tercihlere dair daha nüanslı, fizik ilhamlı bir bakış sağlar.

Atıf: 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

Anahtar kelimeler: çok ölçütlü karar verme, kütleçekim karar modeli, sıralamalarda belirsizlik, mühendislik tasarım tercihleri, sağlam karar analizi