در تحلیل پوششی داده ها، به دنبال مشخص کردن واحدهای تصمیم گیری کارا و ناکارا هستیم و در صورت ناکارایی، علت و منشا ناکارایی مشخص می شود و سپس با برطرف کدن منشا ناکارایی، واحد مورد ارزیابی را کارا می کنیم. مدلهایی برای تشخیص دادن این که واحد مورد ارزیابی کاراست یا ناکار به هشت مدل تقسیم می شود که چهارتای اول با ماهیت ورودی و چهارتای دوم با ماهیت خروجی معرفی شده اند. قضیه هایی مطرح کرده ایم که یک تناظر یک به یک بین جوابهای شدنی و بهینه از یک مدل با ماهیت ورودی به یک مدل با ماهیت خروجی را بیان می کنند. اگر در یک مدل، ستون متناظر با واحد مورد ارزیابی را از محدودیتهای تکنولوژی آن حذف کنیم در این صورت به مدلی می رسیم که آن را مدل تعدیل یافته dea، گویند. تحلیل حساسیت dmu مورد ارزیابی را در نظر می گیریم به طوری که افزایش هر خروجی و کاهش هر ورودی کارایی dmu مورد ارزیابی را نقض نمی کند بنابراین خود را به کاهش خروجی و افزایش ورودی برای dmu مورد ارزیابی محدود می کنیم. حال با توجه به مقدار بهینه مدل تعدیل یافته می توان یک کران بالا و یک کران پایین برای تغییر ورودیها و خروجیها از همه dmuها پیدا کرد به طوری که واحد مورد ارزیابی کارا باقی بماند.