تحلیل پوششی داده ها یکی از معروف ترین روشهای ارزیابی واحدهای تصمیم گیری و یکی از کاربردهای تحقیق در عملیات می باشد. مدل های کارای بسیادی در این علم معرفی شده اند که هرکدام از آن ها معایب و حسن های خود را داشته اند. در این پایان نامه یک نوع جدید از این مدل ها که dea-r نامیده می شود را بررسی می کنیم و در کنار بررسی این مدل، مدل های کارایی دیگری را نیز بیان می کنیم و رابطه های آن ها را با یکدیگر بیان می کنیم. در این مدل همه نسبت های ممکن بین هر خروجی و هر ورودی را به عنوان ماتریس خروجی در نظر می گیریم و ماتریس ورودی را بردار یک ها در نظر می گیریم. در این پایان نامه برای نشان دادن تفاوت ها و برتری های مدل dea-r با دیگر مدل های بیان شده، مثالی را ارائه می کنیم که در آن به بررسی تفاوت مقدار کارایی آن مدل ها و مشخص کردن واحدهای ناکارا و کارا، خواهیم پرداخت. محدودیت های وزنی در مدل های تحلیل پوششی داده ها نقش بسزایی دارند. هنگامیکه یک مدل در تحلیل پوششی داده ها را برای ارزیابی واحدهای تصمیم گیری حل می کنیم، به طورکلی بردار وزنی بهینه بدست آمده برای هر واحد متفاوت می باشد. ممکن است که برای بعضی از واحدها، وزن های ورودی یا خروجی به طور غیر قابل قبولی کم و یا زیاد باشند. به همین علت در برخی از این مدل ها با قرار دادن محدودیت هایی روی وزن های ورودی یا خروجی، آن مدل ها را انعطاف پذیر می نمایند. اما این کار باعث می شود که در برخی از این مدل ها نتوانیم مقدار کارایی نسبی مورد نظرمان را بدست آوریم و برای حل این مشکل باید تغییراتی را در مدل موردنظر به وجود آوریم. در این پایان نامه بیان می کنیم که می توانیم اکثر محدودیت های وزنی ای که در مدل ccr استفاده می شود را با ایجاد معادل آن ها در مدل dea-r به کار ببریم و نتایج معادلی را تولید کنیم. هر مدل معرفی شده در تحلیل پوششی داده ها به موازات اثرات خوبی که دارد ممکن است معایبی نیز داشته باشد که در این پایان نامه نقص مدل dea-r نیز بیان شده است. پایه کارهای انجام شده در این پایان نامه به مقاله دسپیک و همکارانش در سال 2007 برمی گردد.