تحلیل پوششی داده ها (DEA) روشی برای سنجش عملکرد گروهی از واحدهای تصمیم گیری (DMUها) است که از ورودی های متعدد برای تولید خروجی های متعدد استفاده می کنند. این مقاله دو DMUی مجازی به نام DMUی ایده آل و DMUی آنتی ایده آل را وارد DEAی بازه ای می کند. مدل های DEAی بازه ای به دست آمده به ترتیب DEAی بازه ای با DMUهای ایده آل و آنتی ایده آل نامیده می شوند. یکی از آنها DMUها را از دیدگاه کارآیی خوشبینانه ارزیابی می کند، در حالی که دیگری آنها را از دیدگاه کارآیی بدبینانه ارزیابی می کند. این دو کارآیی بازه ای متمایز با هم ترکیب می شوند و یک شاخص جامع به نام نزدیکی نسبی به DMUی ایده آل را درست مانند رویکرد روش ترجیح ترتیب بر اساس شباهت به جواب ایده آل در تصمیم چندشاخصی تشکیل می دهند. سپس از شاخص نزدیکی نسبی به عنوان سنجش کلی هر DMU استفاده می شود و بر مبنای آن یک رتبه بندی کلی برای همه ی DMUها به دست می آید. یک مثال نیز در زمینه ی ارزیابی عملکرد بیست شعبه ی بانک ارائه خواهد شد که نشان می دهد که رویکرد DEAی بازه ای پیشنهادی یک روش ساده، مؤثر و عملی برای اندازه گیری عملکرد در موقعیت های زندگی واقعی است.
