تحلیل پوششی داده ها (dea)یک روش بر پایه برنامه ریزی ریاضی برای ارزیابی کارایی واحدهای تصمیم گیری با فعالیت های مشابه و با چندین ورودی و چندین خروجی است. نگرش کلی در ارزیابی واحدها این است که کاهش میزان ورودی و افزایش خروجی موجب بهبود عملکرد و بهترین کارکـرد شود که مـدل های dea براین پایه استوارند .گرچه به عنوان روش متداول درسنجش عملکرد واحد ها معرفی شده است ولی در بر گیرنده بعضی کاستی ها نیز بوده است .برای مثال یکی از نقایص در ارزیابی مدلها در شرایطی به وجود می آید که چندین واحدکارا حاصل گردیده و همچنین مجموعه اوزان بدست آمده در مدلهای مضربـی یکتا نمی باشـد. لذا با معرفی مفهـوم کارایی متقاطع و توسعـه آن به رفع این مشـکل می پردازیم. مزیت روش ارائه شده آن است که مجموعه وزن بدست آمده می تواند قدرت نسبی واحد تحت بررسی رامنعکس نماید. بطوریکه نتیجه اصلی رتبه بندی dea حفظ می گردد.

تحلیل پوششی داده ها (dea)یک روش بر پایه برنامه ریزی ریاضی برای ارزیابی کارایی واحدهای تصمیم گیری با فعالیت های مشابه و با چندین ورودی و چندین خروجی است. نگرش کلی در ارزیابی واحدها این است که کاهش میزان ورودی و افزایش خروجی موجب بهبود عملکرد و بهترین کارکـرد شود که مـدل های dea براین پایه استوارند .گرچه به عنوان روش متداول درسنجش عملکرد واحد ها معرفی شده است ولی در بر گیرنده بعضی کاستی ها نیز بوده است .برای مثال یکی از نقایص در ارزیابی مدلها در شرایطی به وجود می آید که چندین واحدکارا حاصل گردیده و همچنین مجموعه اوزان بدست آمده در مدلهای مضربـی یکتا نمی باشـد. لذا با معرفی مفهـوم کارایی متقاطع و توسعـه آن به رفع این مشـکل می پردازیم. مزیت روش ارائه شده آن است که مجموعه وزن بدست آمده می تواند قدرت نسبی واحد تحت بررسی رامنعکس نماید. بطوریکه نتیجه اصلی رتبه بندی dea حفظ می گردد.