M9D (Metodología de 9 Dimensiones): Un Marco Unificado para la resolución de proyectos y Resolución (A-T-Q) para el Análisis de Sistemas Complejos

---

Resumen (Abstract)

Este repositorio presenta la especificación formal y la implementación de software de la Metodología de Obra (MoW). El MoW es un marco metodológico diseñado para el análisis de sistemas socio-técnicos complejos (proyectos, portafolios), que resuelve la brecha fundamental entre el análisis cualitativo subjetivo y el análisis cuantitativo ciego al contexto.

El marco se basa en un modelo central, el M9D, que estructura un sistema en 9 Dimensiones (Asuntos) y 9 Estados Temporales (Pasado/Presente/Futuro con valencia +/-/N), generando una matriz de 81 factores de realidad ($S_{ij}$).

Presentamos el modelado matemático y computacional del M9D en tres niveles de resolución:

1. M9D-A (Analógico): Un marco cualitativo fundacional, "resoluble a mano", para la deliberación estratégica estructurada.
2. M9D-T (Clásico/Temporal): Un pipeline de ingeniería de producción (MoW) que utiliza el Proceso Analítico Jerárquico (AHP) para la cuantificación y validación de la estrategia (CR < 0.10) y Machine Learning Clásico (Similitud de Coseno, K-Means, Random Forest) para el análisis de portafolios ($M9D^X$).
3. M9D-Q (Topológico/Cuántico): Un marco teórico fundamental que postula el sistema M9D como quantum-like. Se modela como un sistema multipartita en un espacio de Hilbert de $D_{\text{total}} = 9^9$ dimensiones ($\approx 3.87 \times 10^8$), necesario para modelar la contextualidad y la ambigüedad inherentes a la cognición humana.

Este framework proporciona un pipeline coherente, falsable y auditable, ofreciendo un campo fértil para la investigación y tesis en gestión, ciencia de datos y ciencias cognitivas.

---

1. El Problema de Investigación: GIGO y la Subjetividad Arbitraria

El análisis de sistemas complejos (ej. una política pública, un proyecto de software) fracasa cuando se basa en herramientas inadecuadas.

• Marcos Cualitativos (ej. SWOT, M9D-A): Son herramientas de deliberación útiles pero metodológicamente débiles. Carecen de escalabilidad y auditabilidad, y son vulnerables al "sesgo del experto dominante". El resultado es cualitativo y subjetivo.
• Marcos Cuantitativos (ej. Valor Ganado): Son rigurosos para medir el progreso (costo/tiempo), pero son "ciegos al contexto". No pueden modelar factores sistémicos cruciales como el riesgo político (D9), la confianza de la comunidad (D4) o la deuda técnica (D3-T1).

El MoW fue diseñado para resolver el problema de GIGO (Garbage In, Garbage Out): ¿Cómo podemos tomar el "caos" del juicio experto cualitativo y traducirlo en un modelo cuantitativo, riguroso y escalable?

2. El Modelo Central: M9D (La Molécula)

El M9D es la "molécula" o estructura de datos unificada de nuestro sistema.

• Eje 1: 9 Dimensiones (D1-D9): Los 9 subsistemas interdependientes del proyecto (Propósito, Procesos, Tecnología, Comunidad, Solución, Territorio, Academia, S. Privado, S. Público).
• Eje 2: 9 Estados Temporales (T1-T9): El contexto temporal y de valencia (Pasado/Presente/Futuro) x (Negativo/Neutro/Positivo).
• Eje 3: La Realidad ($S_{ij}$): Una matriz de 81 factores donde un experto puntúa la realidad de cada factor (ej. D4-T5: Presente Negativo de la Comunidad) en una escala de -3 a +3.
• Eje 4: La Estrategia ($W_{AHP}$): Un vector de 18 pesos ($w_i, v_j$) que cuantifica la importancia relativa de cada eje.

3. La Metodología de Tres Resoluciones (A, T, Q)

El MoW no es un solo modelo, sino una jerarquía de tres resoluciones que se construyen una sobre la otra.

3.1. M9D-A (Resolución Analógica)

• Propósito: Interfaz Humana / Taller Cualitativo (Nivel Pregrado).
• Matemática: Ninguna.
• Proceso: Un equipo debate y llena la matriz de 81 factores con observaciones cualitativas ("post-its").
• Resultado: Un plan de acción 5W2H consensuado.
• Debilidad: Subjetivo, no auditable, no escalable.

3.2. M9D-T / MoW (Resolución Clásica/Temporal)

• Propósito: Ingeniería de Producción / Gestión de Portafolios (Nivel Maestría).
• Matemática: Álgebra Lineal, Estadística, ML Clásico (Scikit-learn).
• Proceso: El pipeline de software MoW (nuestra app v3.1) que:
  1. Filtra el GIGO (AHP): Reemplaza la ponderación subjetiva con el Proceso Analítico Jerárquico. El sistema calcula la Estrategia ($W_{AHP}$) y valida la consistencia lógica del equipo (exigiendo un CR < 0.10).
  2. Mide la Salud (VME): Calcula el Vector de Momentum Estratégico ($VME = (I_H, I_S, I_P)$) como un promedio ponderado de doble nivel. Esto resuelve la "Paradoja de Teseo": el $VME$ mide la evolución del estado ($S_{ij}$) de un proyecto cuya identidad ($W_{AHP}$) permanece fija.
  3. Analiza el Portafolio (MoW): Ejecuta un pipeline de ML sobre $X$ proyectos (M9D^X):
     • Filtro: Similitud de Coseno para agrupar solo "peras con peras" (proyectos con estrategias similares).
     • Agrupamiento: K-Means Clustering sobre los VME para encontrar "familias" de proyectos (ej. Crisis, Estables).
     • Causa Raíz: Random Forest para identificar los factores $S_{ij}$ (ej. D4-T5) que son la causa raíz sistémica de esos clústeres.
• Resultado: Un dashboard de XAI (Mapas de Calor, Radares, Grafos de Red) para la toma de decisiones basada en datos.

3.3. M9D-Q (Resolución Topológica/Cuántica)

• Propósito: Investigación Fundamental / Física Teórica (Nivel Doctorado).
• Matemática: Mecánica Cuántica, Topología, HPC (QuTiP, JAX).
• Proceso: Este marco postula que el M9D-T es solo una aproximación colapsada de la realidad. El sistema real es quantum-like (Busemeyer & Bruza, 2012).
  • Contextualidad: El "efecto de orden" (medir D4-D9 vs. D9-D4) se modela como operadores que no conmutan ($[O_i, O_j] \neq 0$).
  • Superposición: La "ambigüedad" del proyecto se modela como un estado en un espacio de Hilbert de $D_{\text{total}} = 9^9$ dimensiones.
  • Cirugía (El Bisturí ✂️): La "cancelación" de factores (+3 y -3) se reinterpreta, no como un promedio, sino como una "cirugía topológica" (Perelman) que anula singularidades homotópicas (ej. dos IOTs) para reducirlas a un Punto Fijo (Neutro), simplificando la forma del problema.
• Resultado: Un marco teórico para simular la dinámica fundamental de la cognición y la toma de decisiones.

4. Oportunidades de Investigación (Temas de Tesis)

Este repositorio es una plataforma para la investigación. Invitamos a estudiantes e investigadores a validar, criticar y extender este modelo.

Para Tesis de Maestría (Gestión / Ciencia de Datos):

• Validación Empírica: Aplicar la app MoW (M9D-T) a un portafolio de proyectos real (ej. en una ONG, una alcaldía, o una empresa de software). ¿El análisis de Causa Raíz (RF) identificó problemas reales?
• Validación Predictiva: Usar los datos históricos (proyectos A, B, C) para entrenar un modelo que prediga el $VME$ futuro (Momento D) de un proyecto.
• Extensión del Pipeline: ¿Funciona mejor XGBoost que Random Forest para la Causa Raíz? ¿Es DBSCAN mejor que K-Means para el agrupamiento?
• Análisis de Sensibilidad: ¿Qué tan sensible es el $VME$ a los cambios en los pesos AHP?

Para Tesis de Doctorado (Física / C. Cognitiva / HPC):

• Simulación del M9D-Q: Modelar un sistema M9D reducido (ej. 3x3) en QuTiP. Demostrar la no conmutatividad y la contextualidad.
• Análisis Topológico (TDA): Usar Homología Persistente en la nube de puntos de un portafolio MoW. ¿Cuáles son las "formas" (números de Betti) de un portafolio "en crisis" vs. uno "estable"?
• Optimización VQE/QUBO: Reformular un problema de decisión M9D como un Hamiltoniano de Ising y resolverlo en un simulador cuántico o hardware NISQ real.
• Estudio Cognitivo: Diseñar un experimento humano que pruebe el "Efecto de Orden" (contextualidad) en la ponderación AHP de las 9 Dimensiones.

5. Quick Start (Instalación de la App M9D-T)

1. Instalar Prerrequisitos: Python 3.10+ y git.
2. Instalar Dependencias (Terminal):

   pip install ttkbootstrap numpy pandas scikit-learn matplotlib seaborn sqlalchemy reportlab requests networkx google-generativeai

3. Configurar (3 Archivos):
   • Crea una carpeta.
   • Guarda app_gui.py (el script principal) en ella.
   • Guarda precarga_demo.py (el script de demo) en ella.
   • Crea y guarda m9d.ini en ella y añade tu Google AI API Key.
4. Precargar Demo (Solo una vez):

   python precarga_demo.py

5. Ejecutar la App:

   python app_gui.py

6. Haz clic en [ EJECUTAR ANÁLISIS MoW ] y explora.

6. Citación

Si utilizas este marco o aplicación en tu investigación, por favor cita nuestro trabajo:

Juan Fernando Villa Hernández, & Gemini (Google AI). (2024). MoW (Master Of War): Un Marco Unificado de Múltiples Resoluciones (M9D A-T-Q) para el Análisis de Sistemas Complejos. Repositorio de GitHub. https://github.com/smartcitiescommunity/M9D/

7. Sobre los Autores

Este proyecto nació de una colaboración sinérgica entre Visión Humana y Aceleración de IA.

• [Juan Fernando Villa]: El Arquitecto Conceptual y Visionario. Aportó la idea original, la intención filosófica (Tesla, Perelman), las preguntas críticas y las intuiciones (Modelado dimensional, Paradoja de Teseo, Bisturí de Perelman, Punto Fijo) que conectaron todo.
• Gemini (IA de Google): El Socio Técnico y Matemático Aplicado. Actuó como facilitador, arquitecto de software y motor conceptual, traduciendo la visión en rigor matemático (AHP, VME, ML) y código de producción (Python, Tkinter, SQL).

8. Licencia

Este proyecto se distribuye bajo la Creative Commons Zero v1.0 Universal.