تحلیل پوششی داده ­ها (DEA) یک تکنیک برای ارزیابی واحد­های تصمیم­گیری با چندین ورودی و خروجی است. در تحلیل پوششی داده­ ها هر واحد تصمیم­گیری برای به دست آوردن نمره­ی کارایی، مطلوب­ترین وزن­ ها را انتخاب می­کند؛ اما طبیعت خود­ارزیابی و انعطاف­ پذیری DEA در انتخاب وزن­ های بهینه­ ی واحد­های تصمیم­ گیری مورد انتقاد است؛ بنابراین در تحلیل پوششی داده ­ها روش­ های ارزیابی کارایی متقاطع معرفی شدند. همان­طور که می­ دانیم واحد­های تصمیم ­گیری علاوه بر خروجی­ های مطلوب، خروجی­ های نامطلوبی مانند گازهای گلخانه ­ای تولید می ­کنند. در تحلیل پوششی داده­ ها مدل­ هایی برای ارزیابی واحد­های تصمیم­ گیری با خروجی نامطلوب ارایه شده است. هدف از این مقاله  ارایه ی روش­ هایی برای ارزیابی کارایی متقاطع واحد­های تصمیم­ گیری با خروجی­ های نامطلوب است. به این­صورت که با گسترش مدل­ های موجود در حوزه ­ی خروجی نامطلوب، چند مدل هدف ثانویه برای ارزیابی کارایی متقاطع واحد­های تصمیم­ گیری با خروجی نامطلوب ارایه می­ دهیم. مدل های ارایه شده بر پایه­ ی مدل­ های چند­هدفه می­ باشد. در نهایت با یک مثال از دنیای واقعی، اهمیت موضوع را نشان خواهیم داد.