تحلیل پوششی داده ها ابزار توانمندی است که امروزه به صورت چشم گیری در ارزیابی عملکرد سیستم هایی با چند ورودی و چند خروجی کاربرد یافته است. رشد مستمر و کاربرد فراوان تکنیک dea در سی سال اخیر، چه در بعد بسط تئوری و چه در قلمرو کاربردی، آن چنان بوده که حتی شگفتی خود صاحب نظران را برانگیخته است. مدلهای dea با dmu به عنوان یک «جعبه ی سیاه» رفتار می کنند. در این مدلها بدون توجه به گامهای میانی، ورودی ها وارد و خروجی ها خارج می شوند. بنابراین، یافتن منابع ناکارایی بین dmuهای آنان مشکل است. در این پایان نامه ضمن آشنایی با تحلیل پوششی داده ها با معرفی dea شبکه، نشان داده می شود که چگونه می توان با اطلاعات بیشتر از dea برای بررسی درون dmu به منظور منابع ناکارایی سازمانی استفاده کرد. مدل مورد بررسی برای dmuهایی به کار می رود که شامل زیر dmuهایی می باشند که برخی از آنها منابع تولید شده به وسیله سایر زیر dmuها را استفاده می کنند و برخی دیگر از آنها منابع مصرفی توسط سایر زیر dmuها را تولید می کنند. این مدل dea شبکه برای هر کدام از چهار جهت استاندارد با توجه به بازده به مقیاس و تنظیمات برای مشخصه های مکانی در هر زیر dmu قابل استفاده است. بنابراین می توان مدل dea شبکه را در زمینه های مدیریتی به کار برد. همچنین چگونگی یکی کردن کمیتهای وارونه به عنوان ورودی ها، تولیدات میانی یا خروجی هاو برخی خواص تئوری مدل dea شبکه اثبات می شود.

تحلیل پوششی داده ها یک روش ریاضی است که به ارزیابی کارایی واحدهای تصمیم گیرنده بر اساس ورودی هاو خروجی ها می پردازد. مساله رتبه بندی واحدهای تصمیم گیرنده در بسیاری از کاربردهای تحلیل پوششی داده ها مورد توجه قرار گرفته است. تا به امروز روشهای مختلفی برای رتبه بندی ارائه گردیده است. یکی از این روشها کارایی متقاطع می باشد که بر اساس نمره میانگین هر واحد تصمیم گیرنده در ارزیابی متقاطع نسبت به سایر واحدها به رتبه بندی واحدهای تصمیم گیرنده می پردازد. در این پایان نامه ماتریس کارایی متقاطع تبدیل به ماتریس رتبه بندی متقاطع می گردد، به این شکل که در هر ستون به نمرات کارایی از 1 تا n رتبه داده می شود، سپس با استفاده از سیستم رای دهی و مفهوم وزن مشترک رتبه بندی نهایی صورت می گیرد. در نهابت با استفاده از تحلیل پوششی داده های بازه ای ، این روش رتبه بندی، با داده های بازه ای بررسی می گردد.