制造系统是一个多投入、多产出的制造过程，整个过程所涉及的指标变量非常多，因此建立合理的制造系统绩效测度指标体系对于提高生产率、降低成本和改善产品质量具有重要的意义。制造系统绩效测度是一个在一定条件下，通过投入一定数量的资源并产生一定数量产出的过程。它的基本特点是具有一定的输入和输出，并且在输入和输出转换过程中，通过各种方法努力实现以较小的投入获得较大的产出。因此制造系统绩效的评估实质上是一个多输入多输出的有效性综合评价问题。解决这一问题的有效方法就是运用数据包络分析法（DEA，Data Envelopment Analysis）。本文首先从制造系统绩效评价的现状和DEA的发展现状着手，对前人的研究做了整理和梳理，随后介绍了DEA的基本原理和基本模型，并介绍了本文所要研究的是基于松弛的模型（SBM，Slacks-Based Measure），该模型是把松弛变量直接放入目标函数中，以此解决投入和产出松弛性的问题，将更有效地评估制造业绩效。在此基础上，为了使得制造系统绩效的评估更符合生产实际，本文构建了三种改进的模型：引入熵的概念，结合超效率SBM模型构造了一种带有熵权约束的SBM模型（熵-超效率SBM模型），用以研究评价指标的相对重要程度；提出三角模糊数和α截集的概念，构造了一种模糊超效率SBM模型用以解决在实际问题中指标的不确定性限制；考虑制造系统内部的网络结构，打开制造系统黑箱，并考虑非期望产出因素构建了一种研究制造系统内部结构的网络SBM模型。针对每种模型，都有相应的制造系统绩效评价案例，通过将新模型与传统模型结果进行对比，能够证明新模型的理论价值和实践价值，为制造系统绩效的改善提供标杆和改进的方向，这对于制造过程运作管理具有十分重要的意义。