تحلیل پوششی داده ها (DEA) یک روشی برای تخمین زدن کارایی نسبی واحدهای تصمیم گیری (DMUs) می باشد. مطالعات متعددی به منظور اولویت بندی واحدهای کارا انجام شده است و برخی از مدل های سودمند مانند ماتریس متقابل کارایی (CEM) ارائه شد. علاوه بر این، تعدادی از مدل DEA با داده های بازه ای توسعه یافته اند و رتبه بندی DMU ها با چنین داده هایی حل شد. اما ارائه داده crisp مشتق شده از داده های بازه ای یک مشکل مهم است، بنابراین تحقیقات بسیاری به منظور محاسبه وزن ها و متوسط گیری در داده های فاصله انجام شد. در این مقاله ما الگوریتم جدیدی برای پیدا کردن وزن مناسب تر پیشنهاد دادیم که روش آنالیز داده ای مربوط به داده های DMU را به کار می برد. برای این منظور، ما ماتریس مقایسه دو به دو و خوشه ای را برای کارایی نسبی داده شده از CEM به کار گرفتیم. نتایج حاکی از آن است که تفاوت معنی داری بین کارایی DMU ها با کران پایین و DMU ها با کران بالا وجود دارد.متن کامل این مقاله به زبان انگلیسی می باشد، لطفا برای مشاهده متن کامل مقاله به بخش انگلیسی مراجعه فرمایید.لطفا برای مشاهده متن کامل این مقاله اینجا را کلیک کنید.