تحلیل پوششی داده ها بعنوان یک ابزار آنالیز داده ها، برای محاسبه کارایی نسبی واحدهای تصمیم گیرنده(dmu) استفاده می شود. تفاوت در کارایی نسبی dmuها بیشتر به دلیل تفاوتشان در کارایی فرآیند تبدیل ورودی ها به خروجی ها است. اما در نمونه ها ی ناهمگن، ممکن است تفاوت در رتبه بندی کارایی نسبی در اثر ناهمگنی سطوح ورودی و خروجی dmuها باشد در این پایان نامه با استفاده از ترکیب dea با آنالیز خوشه ای و شبکه های عصبی یک روش پنج مرحله ای معرفی می شود که با استفاده از آن علت تفاوت در رتبه بندی کارایی نسبی dmuها تعیین می شود و نشان می دهد که این تفاوت ناشی از ناهمگنی سطوح ورودی و خروجی یا ناکارایی تبدیل ورودی ها به خروجی ها است.