تحلیل پوششی داده ها (DEA) یک روش برنامه‌ریزی خطی مبتنی بر تکنیک غیر پارامتریک است که بطور گسترده‌ای جهت ارزیابی کارایی نسبی واحدهای تصمیم‌گیرنده (DMU) با ورودی‌ها و خروجی‌های چندگانه مورد استفاده قرار می‌گیرد. در DEA سنتی فرض بر قطعی بودن مقادیر ورودی و خروجی است، در حالی که در بسیاری از کاربرد های واقعی در جهان امروز داده‌ها مبهم و نادقیق می‌باشند. از طرفی دیگر، در فرآیند تولید و تصمیم‌گیری این امکان وجود دارد که برخی از خروجی‌ها نامطلوب (بد) و برخی مطلوب (خوب) باشند. در این مقاله فرض می‌شود برخی خروجی‌ها نامطلوب و نیز مقادیر تمام ورودی‌ها و خروجی‌ها با اعداد فازی مثلثی (TFN) نمایش داده می‌شوند. رویکرد جدیدی براساس واحد ایده‌آل مثبت (PIP) و واحد ایده‌آل منفی (NIP) جهت ارزیابی کارایی نسبی فازی واحدها در چارچوب DEA فازی (FDEA) ارایه می‌گردد و با رویکردهای موجود با حل چندین مثال عددی مقایسه می‌گردد.
