تحلیل پوششی داده ها بدنه ی اصلی تحقیق برای ارزیابی کارایی و تشخیص منابع نا کارایی در ورودی ها و خروجی ها است. در dea بهترین عمل کرد، کارای dea نامیده می شود و امتیاز کارایی واحد کارا یک می باشد. در دهه ی اخیر رتبه بندی واحدهای کارا مورد توجه بسیاری از پژوهشگران dea قرار گرفته است و گونه ای از مدل ها به نام مدل های ابر کارایی برای رتبه بندی واحدهای کارای dea ارائه شده است. مدل ابر کارایی در تحلیل پوششی داده ها، با حذف واحد تصمیم گیری مورد ارزیابی از مجموعه مرجع به دست می آید و برای dmu های روی مرز کارایی، ثبات موقعیت کارایی را اندازه گیری می کند. در بعضی از شرایط، مدل ها ی ابر کارایی برای dmu مورد ارزیابی جواب شدنی ندارند و رتبه بندی کل مجموعه dmu ها به دلیل نشدنی بودن مدل ها ی ابر کارایی نا ممکن است. مدل ها ی اصلاح شده ای برای حل این مشکل ارائه شده است، که آن ها را بررسی می کنیم و به بیان ویژگی ها و مزیت ها و مشکلات آن ها می پردازیم. اکثر این مدل ها شدنی هستند و برای تمامی dmu ها امتیاز ابر کارایی ارائه می دهند. در پایان با ارائه ی مثال عددی این مدل ها را با هم مقایسه می کنیم.