تحلیل پوششی داده ها روشی برای ارزیابی عملکرد سازمانها و واحدهای تصمیم گیری است. این روش واحدها را به چهار دسته شامل: ناکارا، کارای ضعیف، کارای غیر راسی، کارای راسی تقسیم می کند. ‎‎ ‎‎ ‏در‎ این پایان نامه دسته جدیدی از واحد های تصمیم گیری به نام نقاط اتکا را معرفی می کنیم. یک نقطه اتکا روی اشتراک بین مرز کارایی و قسمت آزاد مرز قرار دارد. در واقع یک نقطه اتکا‏‏، کارای راسی است که مرز کارایی ضعیف را می سازد. حذف نقاط اتکا مرز کارایی را تغییر می دهد و باعث حذف ناحیه ای از مجموعه امکان تولید می شود. نقطه اتکا دارای این ویژگی نیز می باشد که تغییر در ورودی یا خروجی آن، مرز کارایی را تغییر داده و با افزایش ورودی یا کاهش خروجی نقطه جدید هنوز روی مرز بوده و کارای راسی می باشد. از این رو ویژگی های یک نقطه اتکا اهمیت آن را آشکار می سازد. با توجه به اهمیت این نقاط، در این پایان نامه روش هایی که سریعتر نقاط اتکا را شناسایی می کند، پیشنهاد می دهیم. در ابتدا الگوریتم های بیان شده برای شناسایی این نقاط را مطرح می کنیم و سپس با استفاده از خواص این نقاط روش های مختلفی از جمله روش ابرکارایی اصلاح شده را که با محاسبات کمتری‏، نقاط اتکا را شناسایی می کند‏، پیشنهاد می کنیم. با حل مثال عددی به تشریح روش پیشنهادی و مقایسه نتایج آن با سایر روش ها می پردازیم.