مدل جدید غیر ماهیتی جهت محاسبه کارایی واحدهای تصمیم گیری در حضور متغیرهای انعطاف‌پذیر

در ارزیابی کارایی نسبی واحدهای تصمیم گیرنده توسط مدل های کلاسیک تحلیل پوششی داده‌ها ( dea)، ماهیت داده‌ها از نقطه نظر ورودی یا خروجی بودن معلوم می باشد. در مسائل واقعی داده‌هایی وجود دارند که در مورد تعیین ماهیت آنها اختلاف نظر وجود دارد. برخی واحدهای تصمیم گیری برای حصول مقدار کارایی بالاتر آنها را به عنوان ورودی و بعضی دیگر خروجی در نظر می گیرند، این داده‌ها به متغیرهای انعطاف‌پذیر معروفند. مدلهای متفاوتی در زمینه پارامتری و غیرپارامتری برای دسته بندی چنین داده‌هایی ارائه شده است. در اکثر مدلهای ماهیتی(ورودی یا خروجی محور) ارائه شده جهت تشخیص ماهیت داده‌های انعطاف‌پذیر، ماهیت های متفاوت از یک مدل می تواند نتایج متفاوتی در تعیین ماهیت عامل انعطاف‌پذیر حاصل کند. در مدل های غیر ماهیتی نیز از مقدار  جهت انتخاب محدودیت اصلی و حذف محدودیت زائد بهره گرفته شده است، در این مدل ها با انتخاب مقادیر متفاوت برای مقدار  نتایج متفاوتی در تعیین ماهیت عامل انعطاف‌پذیر، مقدار کارایی و بازده به مقیاس واحد‌های تصمیم گیری حاصل می شود. به منظور رفع این مسایل در  یک مدل بدون ماهیت پیشنهاد می شود که علاوه بر تعیین ماهیت متغیر انعطاف‌پذیر می تواند خطای محاسباتی و مشکلات ناشی از حضور m بزرگ را در مدل مرتفع سازد. مزیت های مدل پیشنهادی نسبت به سایر مدل ها با یک مثال تجربی مورد مقایسه قرار می گیرد.