تحلیل پوششی داده ها روشی شناخته شده برای ارزیابی کارایی واحدهای تصمیم گیری می باشد. به منظور ارزیابی واحدهای تصمیم گیری، لازم است برای هر واحدهای تصمیم گیری وزنی در نظر گرفته شود که این وزن ها از مدل های مضربی dea بدست می آیند. قابلیت انعطاف پذیری وزن ها در dea موجب پراکندگی بسیار زیاد متغیرهای وزنی در واحدهای تحت ارزیابی و به دنبال آن به وجود آمدن خطاهایی در محاسبات و در نتیجه بدست آوردن جوای های غیر منطقی خواهد شد. برای کنترل این آزادی وزنی می بایست محدودیت هایی بر روی وزن ها به کار بریم که اعمال این محدویت ها خود نیز مشکلاتی به همراه خواهد داشت. در این پایان نامه روش هایی جدید برای بدست آوردن وزن های مثبت اکید و کمکی های صفر با استفاده از روش دو مرحله ای و مینیمم کردن انحراف وزن های وروردی و خروجی از میانگین وزن ها برای واحدهای تصمیم گیری کارا به منظور اجتناب از وزن های صفر و نقاط راسی ارایه شده است.

در dea تعیین نزد?کتر?ن اهداف کارا برای ?ک واحد ناکارا، و در نت?جه بهبود کارا?? آن،از اهم?ت ز?ادی برخوردار است. در ا?ن زم?نه روشهای متعددی ارائه شده است. با ا?ن حال فقط چند ت?ش وجود دارد که به تجز?ه و تحل?ل مفاه?م با استفاده از نزد?کتر?ن اهداف می پردازد. در این پایان نامه با کار روی نرم هلدر به معرف? و بررس? اندازه ی ناکارا?? (کارا??) مبتنی بر کمتر?ن فاصله م?پرداز?م و موضوع یکنوایی را مورد بررسی قرار می داهیم.