在网络零售行业退货行为日益增长的现代社会,网络零售商如何提高退货物流管理能力来满足客户的退货需求,保证退货服务水平的同时减少运营成本,提高退货物流运作效率是企业面临的普遍问题。A公司的网上商城是国内最大的自营式电商平台,为消费者提供优质的线上浏览、交易、售后等全流程一站式购物服务,近几年随着网络零售额的不断增长,退货数量也不断增加,为了保障消费者的退货权益、提升退货体验,A公司通过规范退货服务流程、应用大数据技术等方式,持续优化退货物流服务水平,但是,由于退货订单具有不确定性、缓慢性、多样性的特点,A公司仍然面临着如何调度人力资源,来提高退货物流服务水平、降低人力成本的难题。本文从A公司逆向仓库退货检查作业的特点和现状出发,分析其业务流程、退货订单特点和员工排班现状,通过实地调研,发现退货检查作业的人员排班存在人力成本浪费、人效不均衡、包裹积压量大等问题,需要对其人员排班方法进行优化,来提高退货检查效率、减少人力成本浪费。本文主要解决A公司退货检查作业人员排班优化问题。首先定性分析了影响人员排班的因素,然后依据A公司的作业流程和作业要求,将总成本分为不能达到服务水平要求的惩罚成本和员工空闲时间浪费的人力成本,以总成本最小为目标,以各个时段的预测退货量、员工技能构成、工作效率、服务水平等作为输入变量,建立了整数规划模型。最后,以A公司华北区北京3C逆向仓库为例,将实际生产数据代入模型,采用变邻域搜索算法,在Python程序中求解出排班方案,并通过可行性分析对方案进行调整、改进,得到最终的排班方案。结果表明,优化后的方案能够有效节约人力成本、平衡人效和降低包裹积压数量,证明了模型的有效性和实用性。本论文共有图9幅,表12个,参考文献47篇。