تحلیل پوششی داده ها ( DEA) واحدهای تحت ارزیابی را به دو گروه: واحدهای کارا و ناکارا تقسیم
می کند . واحدهای ناکارا را می توان برحسب میزان کارایی شان رتبه بندی نمود، درحالیکه واحدهای کارا به دلیل
یک بودن نمره کارایی، رتبه یکسان می گیرند. برای رتبه بندی واحدهای کارا روش های مختلفی ارائه شده است ،
هریک از این روش ها نقاط ضعفی مانند نشدنی بودن مدل ، ناپایداری ، عدم رتبه بندی واحدهای غیر راسی ،
پیچیدگی محاسباتی و غیره دارند. در این مقاله روشی ارائه می شودکه معایب روش های رتبه بندی موجود را ندارد.
رویکرد جدید بر مبنای ارزیابی واحد های جدید متناظر با واحد های کارا استوار است که ورودی ها و
خروجی های آن بر مبنای فاصله واحدهای کارا از واحد های مجازی ایده ال و پادایده ال تعریف می شوند. در
روش پیشنهادی، آن واحد ی که میزان کارایی واحد جدید متناظرش بیشتر باشد، رتبه بالاتری دارد
کلید واژگان :
تحلیل پوششی داده ها، واحدکارا، واحدهای ایدهال و پادایده ال، فاصله نرم یک، رتبه بندی.
