تحلیل پوششی داده ها (DEA) واحدهای تحت ارزیابی را به دو گروه: واحدهای کارا و ناکارا تقسیم می کند. واحدهای ناکارا را می‌توان برحسب میزان کارایی‌شان رتبه‌بندی نمود، درحالیکه واحدهای کارا به دلیل یک بودن نمره کارایی، رتبه یکسان می‌گیرند. برای رتبه‌بندی واحدهای کارا روش‌های مختلفی ارائه شده است، هریک از این روش‌ها نقاط ضعفی مانند نشدنی بودن مدل، ناپایداری، عدم رتبه‌بندی واحدهای غیر راسی، پیچیدگی محاسباتی و غیره دارند. در این مقاله روشی ارائه می‌شودکه معایب روش‌های رتبه‌بندی موجود را ندارد. رویکرد جدید بر مبنای ارزیابی واحدهای جدید متناظر با واحدهای کارا استوار است که ورودی‌ها و خروجی‌های آن بر مبنای فاصله واحدهای کارا از واحدهای مجازی ایده ال و پادایده‌ال تعریف می‌شوند. در روش پیشنهادی، آن واحدی که میزان کارایی واحد جدید متناظرش بیشتر باشد، رتبه بالاتری دارد.
