تحلیل پوششی داده ها (dea) کارایی نسبی واحدهای تصمیم گیرنده ی متجانسی را که دارای چندین ورودی و خروجی هستند، اندازه گیری می کند. واحد های تصمیم گیرنده ای که امتیاز کارایی یک می گیرند به عنوان مرز deaبا بهترین عملکرد، در نظر گرفته می شوند. برای باز کردن گره واحد های تصمیم گیرنده کارا، مدل ccr چارنز و همکارانش(1978) توسط اندرسون و پیترسون(1993) دستکاری شده و یک مدل ابرکارایی به دست آمد. این مدل ابرکارایی تحت بازده به مقیاس ثابت می باشد، ولی می توان به طور مشابه مدل های ابرکارایی تحت شرایط بازده به مقیاس غیر ثابت نیز به دست آورد. در سال 1999 سیفورد و ژو شرایط لازم و کافی برای نشدنی بودن مدل های ابرکارایی را تهیه کردند و بعلاوه نشان دادند که با فرض مثبت بودن داده ها، نشدنی بودن بایستی در حالتی که مدل ابرکارایی تحت بازده به مقیاس متغیر است، رخ دهد. براین اساس تعدادی از مطالعات سعی کردند که مشکل نشدنی بودن را حل کنند. از جمله لی و همکارانش و چن و لیانگ مدلی برای ابرکارایی ارائه دادند که همواره شدنی باشد. اما مطلبی که باید به آن توجه کرد این است که همه ی مطالعات صورت گرفته، نشدنی بودن ابرکارایی را در حالتی که که داده ها مثبت باشند، بررسی کرده بودند، حال آنکه ممکن است در صورت وجود داده های واقعی صفر این مدل ها نیز همچنان نشدنی باقی بمانند. در این پایان نامه با توسعه ی کار لی و همکارانش یا مدل معادل با آن که توسط چن و لیانگ ارائه شده بود، یک مدل ابرکارایی dea جدید ارائه می گردد، به طوری که این مدل زمانی که داده ها نامنفی باشند همواره شدنی باشد.