دانش، متخصصان و سرمایه عقلانی و ذهنی به خوبی به عنوان دارایی های مهمی برای دستیابی به مزیت رقابتی پایدار شناخته شده اند. بی شک، یک مدیریت دانش (KM) کارآمد کلید اطمینان حاصل کردن از تجهیز سازمان به دارایی های دانشی در دستیابی به عملکرد سازمانی بالا می باشد. ارزیابی کارآیی KM در یک سازمان به همین دلیل بسیار مهم است. محک زدن از طریق رقبای بازار نیز باید برای پی بردن به اینکه KM سازمان تا چه حد در ارتباط با رقبایش از عملکرد مناسبی برخوردار است، استفاده شود. علی رغم این حقیقت که چنین مدل ارزیابی بسیار مهم است، تنها تعداد محدودی از این مدل ها در تحقیقات پیشین یافت می شوند.

DEA روشی ساده و در عین حال قدرتمند برای اندازه گیری کارایی های موجود در گروهی از واحد های تصمیم گیری (DMUs) می باشد که داده های چندگانه و متعدد را به خروجی های متعدد تبدیل می کند. این رویکرد در ابتدا توسط چارنس، کوپر و رودس (1978) خلق شد و شهرت خود در بین محققین را در طی سالیان کسب کرد. DEA در زمینه های مختلف استفاده شده، به عنوان مثال بانکداری (کامانهو و دیسون، 2005)، آموزش (آگاسیستی و پرز-اسپارلز، 2010)، خطوط هوایی (یو و چن، 2009)، بازار بورس (دیتز، پودیگ، سیدوروویچ و وارماز، 2009)، دولت (وانگ، ران، وانگ و شی، 2009) و فروشگاه های زنجیره ایی (ونگ و ونگ، 2007).

در این بخش مدل ارائه شده برای ارزیابی عملکرد KM توضیح داده خواهد شد. در ابتدا ندل اولیه DEA که توسط چارنس و همکاران (1978) ارائه شد به خوانندگان معرفی می شود. سپس مدل DEAبرای ارزیابی عملکرد KM اصلاح می شود. در پایان بهینه سازی و اصلاح آن توسط شبیه سازی مونت کارلو و GA توضیح داده خواهد شد.

تالوری (2000) DEA را به عنوان "یک مدل تحلیل تولید چند فاکتوری برای ارزیابی کارآیی وابسته مجموعه همسانی از DMUs" تعریف کرده است. مفهوم نهفته برای یافتن کارآیی وابسته هر DMU از طریق مقایسه داده های ورودی و خروجی بین همه DMUs نهفته است.

در اینمقاله با KM به صورت یک DMU با چهار فرایند KM برخورد می شود که داده های ورودی مختلف (توانا کننده ها) را برای تولید خروجی (نتایج) مصرف می کنند. این مفهوم در شکل 1 نشان داده شده است. این متغیرها که در ارتباط با KM می باشند به صورت رایج تحت عنوان معیارها یا متره های KM خوانده شده و به عنوان معیارهای نماینده برای ارزیابی، نظارت و نهایتا بهبود عملکرد به کار گرفته می شوند. ابزارهای ارزیابی عملکرد متنوعی بر اساس معیارهای KM ارائه شده اند. برای نام بردن تعداد اندکی از آنها می توانیم به هدایتگر اسکاندیا (ادوینسن، 1997)، روش KP3 (آهن و چانگ، 2004) و USBS (چین، لو و لیونگ، 2010) اشاره کرد.

مدل های فعلی DEA معمولا فرض را بر این می گذارند یا نیاز دارند که همه داده ها به طور دقیق شناخته شده باشند. البته بر اساس این حقیقت که در بسیاری از موارد داده ها قطعی نیستند، چنین فرضی ممکن است موجب بی اعتباری نتایج شود. این محدودیت مدل های DEA فعلی در مدیریت داده های اتفاقی مدت زمان مدیدی است که توسط محققین تشخیص داده شده و مجموعه گسترده ایی از روش ها برای برخورد با این مسئله ایجاد و اعمال می شود. برای اینکه تعداد محدودی از موارد را نام ببریم می توانیم به به موراد زیر اشاره کنیم: برنامه ریزی مقید به شانس (اولیسن، 2006؛ سنگوپتا، 1987)، نظریه برنامه ریزی هدفمند (هوانگ و لی، 1996)، قیود احتمالی متصل (برونی، کنفورتی،بردلی و توندیس، 2009)، تخمین ماکسیمم شباهت محلی (سیمار و زلنیوک، 2010)، نظریات فازی (کاو و لیو، 2000؛ لرتوراسیریکول، فانگ، جوینز و ناتل، 2003؛ سنگوپتا، 1992)، مفهوم منطقه اطمینان (دسپوتیس و اسمیرلیس، 2002) و شبیه سازی مونت کارلو (وانگ، 2009).