به طور سنتی، مدل های ارزیابی و انتخاب تامین کننده مبتنی بر داده های اصلی با تاکید کمتر بر روی داده های ترتیبی بوده اند. اما با استفاده گسترده از فلسفه های تولید، مانند تولید بهنگام، تاکید بیشتری بر لحاظ کردن همزمان داده های اصلی و ترتیبی در فرآیند انتخاب تامین کننده می شود. کاربرد تحلیل پوششی داده ها (DEA) برای مسایل ارزیابی و انتخاب تامین کننده مبتنی بر انعطاف پذیری کامل وزن ها است. با این حال، مشکل مجاز دانستن انعطاف پذیری کامل وزن ها آن است که مقادیر وزن به دست آمده با حل برنامه DEA نامقید غالبا با نظرات قبلی یا اطلاعات موجود اضافی در تعارض است. هدف این مقاله پیشنهاد مدل های DEA بازه ای با ناحیه اطمینان برای ارزیابی و انتخاب بهترین تامین کننده در حضور محدودیت های وزنی و داده های نادقیق است. این مقاله رویکرد جدیدی مبتنی بر «DEA با مرزهای کارآ و ناکارآ» را برای ارزیابی و انتخاب بهترین تامین کننده در حضور محدودیت های وزنی و داده های نادقیق پیشنهاد می کند. در این رویکرد، همزمان کارآیی های خوشبینانه و بدبینانه هر تامین کننده در نظر گرفته می شوند. وقتی که قیود ناحیه اطمینان به مدل های خوشبینانه DEA بازه ای اضافه می شوند، نمرات بازه کارآیی محاسبه شده بدتر می شوند، و یک تامین کننده که قبلا به عنوان کارآی خوشبینانه تعیین شده بود، ممکن است غیرکارآی خوشبینانه شناخته شود. وقتی که قیود ناحیه اطمینان به مدل های بدبینانه DEA بازه ای اضافه می شوند، نمرات بازه کارآیی محاسبه شده بهبود می یابند، و یک تامین کننده که قبلا به عنوان ناکارآی بدبینانه شناسایی می شد، ممکن است غیرناکارآی بدبینانه شناخته شود. در مقایسه با DEA سنتی، رویکرد DEA با مرزهای کارآ و ناکارآ می تواند بهترین تامین کننده را به درستی و به آسانی شناسایی کند. یک مثال عددی کاربرد رویکرد پیشنهادی را نشان می دهد.