وحید اسرمی - گروه ریاضی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
قاسم توحیدی - گروه ریاضی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
مسعود صانعی - گروه ریاضی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران
محمد مقدس - گروه ریاضی، واحد تهران مرکزی، دانشگاه آزاد اسلامی، تهران، ایران

داده های نادقیق،داده هایی هستند که مقادیر آن ها در بازه قرار می گیرند یا دریک رابطه ترتیبی خاص صدق می کنند. بطورکلی داده های نادقیق در سه دسته کراندار، ترتیبی (ضعیف و قوی) ویا کراندار کسری طبقه بندی می شوند.یکی از اشکالات روش هایی که تاکنون برای تبدیل داده های ترتیبی به داده های دقیق معرفی شده اند، در نظر نگرفتن اهمیت DMU ها با رتبه کمتر از DMU مورد نظر است.این اشکال با افزودن یک محدودیت جدید به مدل بر طرف می گردد و این امر موجب سختگیری بیشتر مدل در محاسبهکارایی ومعرفی تنها یک واحد کارا در بین سایر واحد های تحت ارزیابی می شود. این مقاله با کمک تحلیل پوششی داده های معکوسمدلی ارایه می کند تا هر گونه تغییر در ورودی و یا خروجی DMU ها به گونه ای کنترل گردد که رتبه DMU تحت ارزیابی حفظ ویا ارتقاء یابد.

تحلیل پوششی داده ها، تحلیل پوششی داده های معکوس، داده های نادقیق، رتبه بندی واحد ها، کارایی