تحلیل پوششی داده ها روشی غیرپارامتری برای ارزیابی کارایی واحدهای تصمیم گیرنده می باشد که بر اساس برنامه ریزی ریاضی‏، کارایی نسبی واحدهای تصمیم گیرنده را تشخیص می دهد. هدف از مدل های تحلیل پوششی داده ها‏، تعیین واحدهای کارا می باشد. که در این ارزیابی‏، وزن های اختصاص داده شده به شاخص ها‏، انعطاف پذیری از خود نشان می دهند‏، یا ممکن است شاخص های واحدهای تصمیم گیرنده دارای بعد بالایی باشند.‏ در نتیجه در ارزیابی عملکرد به دلیل انعطاف پذیری و بالا بودن بعد داده ها‏، تعداد واحدهای کارا زیاد می باشد و قدرت تشخیص ‎‎‏تحلیل پوششی داده ها کاهش می یابد. در این پایان نامه به بررسی علل انعطاف پذیری‏، کاهش بعد و شناسایی بهترین واحدهای کارا می پردا‏زیم. بعد از مروری بر تحلیل پوششی داده ها‏، به معرفی روش هایی برای جلوگیری از انعطاف پذیری وزن های ورودی و خروجی‏، روش تحلیل مولفه های اصلی و روش ترکیبی تحلیل پوششی داده ها و گرام-اشمیت برای کاهش بعد داده ها‏، روش برنامه ریزی آرمانی برای بهبود قدرت تشخیص و روش ترکیبی تحلیل پوششی داده ها و آنالیز تشخیص برای تعیین بهترین واحد را مطرح می کنیم.