تحلیل پوششی داده ها ( dea ) یک مدل ریاضی است که کارایی نسبی واحد های تصمیم گیرنده با چند ورودی و چند خروجی را ارزیابی می کند. در برخی از کاربردهای dea رتبه بندی واحدها از اهمیت بالایی برخوردار است. در این زمینه روش های متعددی معرفی شده اند، که یکی از آن ها روش کارایی متقاطع است. این روش از نتیجه ی ماتریس کارایی متقاطع و متوسط نمره ی کارایی متقاطع هر واحد بهره می گیرد. لذا رتبه بندی براساس متوسط نمره ی کارایی انجام شده است. در این پایان نامه اهداف ثانویه ی متعددی مورد بررسی قرار می گیرد و یک روش جدید برای دست یافتن به اطلاعات از روی ماتریس کارایی متقاطع پیشنهاد می شود. بر اساس این مفهوم؛ ترتیب رتبه بندی مهم تر از نمره ی کارایی فردی است و ماتریس کارایی متقاطع به یک ماتریس رتبه بندی متقاطع تبدیل شده است. با انجام این کار، هر واحد به مانند نقش یک تصمیم گیرنده، فرض می شود. نحوه ی رای گیری در ستون مربوطه بازتاب داده شده، رأی ها با به کاربردن روش جمعی ترجیحی، جمع شده و سپس رتبه بندی کلی واحدهای تصمیم گیری تعیین می گردد. مقایسه با روش های کارایی متقاطع موجود، نتایج نسبتاً بهتری را از طریق استفاده از روش پیشنهادشده نشان می دهد.