El propósito de este estudio es proponer un enfoque novedoso para medir los cambios de productividad en las unidades de toma de decisiones (DMUs) a lo largo del tiempo y evaluar el desempeño de cada DMU bajo incertidumbre en términos de progreso, regresión y estancamiento. Para lograr esto, se extienden el índice de productividad de Malmquist (MPI) y los modelos de análisis envolvente de datos (DEA), y se introduce un nuevo índice de productividad capaz de manejar datos inciertos a través de un enfoque de optimización robusta. La optimización robusta es reconocida como uno de los métodos más aplicables y efectivos en programación incierta. La implementación y cálculo del índice propuesto se demuestran utilizando datos de 15 acciones negociadas activamente en la industria de productos petrolíferos en la bolsa de Teherán durante dos años consecutivos. Los resultados revelan que un número significativo de acciones muestra una tendencia desfavorable, marcada por una disminución en la productividad. Los hallazgos destacan la eficacia y efectividad del propuesto índice de productividad de Malmquist robusto (RMPI) en medir e identificar tendencias de productividad para cada acción bajo incertidumbre de datos.