متدلوژي
رياضيات و علوم وابسته آن روشهايي دقيق و قابل اثبات براي شناخت دنيا و روابط پيچيده حاكم بر بخش­هاي مختلف آن ايجاد مي­كنند. تحقيق در عمليات يكي از شاخه­هاي رياضيات است كه به مدل­سازي ساختارهاي صنعتي و اجتماعي مي­پردازد، توان عملياتي آنها را اندازه مي­گيرد و راه حل­هايي براي بهبود روش­ها ارائه مي­دهد.

تحليل پوششي داده­ها شاخه­اي از تحقيق در عمليات است كه به بررسي و ارزيابي كارايي واحدهاي مشابه مي­پردازد.توان بالاي تحليل پوششي داده­ها در ارزيابي كارايي و ويژگي­هاي خاص اين شاخه باعث شده است در بسياري از حوزه­هاي مختلف، از صنايع نفت و گاز تا بيمارستان­ها و بانك­ها، مورد استفاده قرار گيرد.

تحليل پوششي داده­ها روشي است براي ارزيابي كارايي مجموعه واحدهاي تصميم گيرنده مشابه يا DMUها كه چندين ورودي را به چندين خروجي تبديل مي­كنند.

اولين مدل تحليل پوششي داده­ها كه مدل اساسي DEA نيز مي­باشد توسط چارنز ، كوپر و رودز در سال 1978 ايجاد شد. اين مدل با نام مدل CCR شناخته شده است.

در مدلهاي تحليل پوششي داده­ها كارايي يك واحد تصميم گيرنده به صورت نسبت مجموع خروجي­هاي وزن­دار بر مجموع ورودي­هاي وزن­دار بيان مي­شود با اين شرط كه اين نسبت براي هيچكدام از واحدهاي تصميم گيرنده از يك مقدار ثابت تجاوز نكند. در اين مدلها وزنهاي ورودي­ها و خروجي­ها به صورت متغيير در نظر گرفته مي­شوند. هدف در مدلهاي تحليل پوششي داده­ها بدست آوردن بهترين مجموعه قابل قبول وزني براي واحد تحت بررسي در جهت بيشينه كردن كارايي نسبي همان واحد است.

در حال حاضر، روش­هاي متعدد ( و مرتبط) براي ارزيابي كارايي در تحليل پوششي داده­ها وجود دارد. با توسعه مدل CCR فرم­هاي " صورت مضربي" از مدل دوگان و " صورت پوششي" از مدل اوليه ايجاد شد. ويژگي­هايي نظير همكششي، غير تحدبي، بازده به مقياس متغير، خطي بودن قطعه به قطعه، فرم­هاي لگاريتمي خطي كاب- داگلاس، ورودي­هاي قابل كاهش و غير قابل كاهش، متغيرهاي طبقه بندي شده و ارتباط­هاي ترتيبي نيز توسط تحليل پوششي داده­ها قابل استفاده است.