ในการวิจัยครั้งนี้ได้พิจารณาระบบโลจิสติกส์ของอุตสาหกรรมนมของโรงงานผลิตนมขององค์การ ส่งเสริมกิจการโคนมภาคตะวันออกเฉียงเหนือ (อ.ส.ค.) จังหวัดขอนแก่น โดยพิจารณาเฉพาะจากศูนย์ รวบรวมน้ำมันดิบมายังโรงงาน โดยมีวัตถุประสงค์เพื่อจัดตารางการขนส่งน้ำนมดิบเพื่อลดค่าใช้จ่ายในการล้าง ถังพักนมที่โรงงานและค่าขนส่งให้ต่ำที่สุด ปัจจุบัน โรงงานผลิตนมของ อ.ส.ค. จังหวัดขอนแก่น มีค่าใช้จ่ายค่อนข้างสูง 2 ประเภทคือ (1) ค่าใช้จ่ายในการขนส่ง ซึ่งจะมีค่าที่สูงมากหากปริมาณน้ำนมดิบในถังบรรจุของรถบรรทุกมีน้อย เพราะทำ ให้มีจำนวนครั้งในการขนส่งมากขึ้น (2) ค่าใช้จ่ายในการทำความสะอาดถังพักนมคือ ค่าไฟฟ้า ค่าน้ำ ค่า สารเคมี และค่าแรงงาน ค่อนข้างสูง ซึ่งในปัจจุบันการขนส่งน้ำนมดิบของรถบรรทุกนมส่วนใหญ่จะบรรทุกนม ได้ไม่เต็มคัน ประกอบกับการที่รถบรรทุกมีอัตราการมาถึงโรงงานไม่เป็นเวลาและมาไม่พร้อมกัน ทำให้ไม่ สามาารถบรรจุนมได้เต็มปริมาณของถังพักนม และทำให้ต้องใช้ถังพักนมที่บรรจุนมก่อนเข้าสู่กระบวนการผลิต จำนวนหลายถังต่อวัน ดังนั้นทางโรงงานจึงต้องมีการทำความสะอาดถังวันละหลายครั้งก่อนที่จะบรรจุนมเข้า ไปใหม่ ไม่เช่นนั้นจะทำให้นมครั้งใหม่ที่บรรจุอยู่ในถังพักนมบูดได้เนื่องจากมีคราบนมติดอยู่ที่ก้นถัง ดังนั้น ในการวิจัยครั้งนี้ได้พิจารณาระบบโลจิสติกส์ของอุตสาหกรรมนม โดยพิจรณาเฉพาะจาก ศูนย์รวบรวมน้ำนมดิบมายังโรงงาน โดยมีวัตถุประสงค์เพื่อจัดตารางการขนส่งน้ำนมดิบเพื่อลดค่าใช้จ่ายใน การล้างถังพักนมที่โรงงานและค่าขนส่ง โดยการให้รถบรรทุกขนส่งน้ำนมดิบมายังโรงงานให้มีอัตราการมา แบบเป็นเวลาและมาพร้อมกันหลายๆ คันในระยะเวลาที่สั้นที่ทำให้น้ำนมดิบถูกส่งลงสู่ถังพักนมของโรงงานให้ พร้อมกันเพียง ในการหาคำตอบของปัญหา คณะวิจัยได้เริ่มต้นที่การพัฒนารูปแบบทางคณิตศาสตร์เพื่อหา คำตอบที่ดีที่สุด (Optimal solution) ของปัญหา โดยวิธีการโปรแกรมเชิงจำนวนเต็มและไม่เป็นจำนวนเต็ม (Mixed Integer Programming: MIP) จำนวน 4 รูปแบบ โดยพิจารณาทั้งกรณีที่ช่องบรรจุน้ำนมดิบแต่ละช่อง บนรถบรรทุกจะมีและไม่มีการผสมน้ำนมดิบ และมี/ไม่มีการพิจารณาเวลา Time Windows Constraints จากผลการศึกษาพบว่า รูปแบบทางคณิตศาสตร์ทั้ง 4 รูปแบบไม่สามารถหาคำตอบที่ดีที่สุดสำหรับ ปัญหาของโรงงานได้ ทั้งนี้เนื่องจากลักษณะของปัญหานี้มีข้อจำกัดของการพิจารณาการกำหนดเวลาในการ ออกและกลับมาที่โรงงานของรถบรรทุกเมื่อรับน้ำนมดิบเสร็จ (Time Windows Constraints) การพิจารณา การไม่มีการผสมกันของน้ำนมดิบต่างศูนย์ของช่องรับนมแต่ละช่องบนรถบรรทุก ตลอดจนการพิจารณาค่า parameters ที่เพิ่มขึ้นทำให้การหาผลเฉลยที่ดีที่สุดอาจจะใช้เวลาการคำนวณหาผลเฉลยนานมากหรืออาจ เป็นไปไม่ได้ที่จะหาผลเฉลยที่ดีที่สุด (Intractable) ดังนั้น คณะวิจัยจึงได้นำเสนอวิธีการทางฮิวริสติกส์เพื่อใช้ หาคำตอบที่ยอมรับได้สำหรับกรณีปัญหาดังกล่าวในปัจจุบัน โดยฮิวริสติกส์ที่ได้พัฒนนาขึ้นมามี 2 รูปแบบ คือ "Heuristic 1" ซึ่งใช้ในกรณีที่มีการผสมของน้ำนมดิบในช่องรับนมเดียวกันบนรถบรรทุกไม่เกิน 2 ศูนย์และไม่ เกิน 2 มื้อ (เช้าและเย็น) ส่วนฮิวริสติกส์ที่ 2 คือ "Heuristic 2" วิธีฮิวริสติกส์ทั้ง 2 วิธีจะบ่งขั้นตอนออกเป็น 2 ระยะคือ ระยะที่ 1 การพัฒนาฮิวริสติกส์เพื่อให้ได้คำตอบเริ่มต้น (Initial Solution) และระยะที่ 2 คือการพัฒนา คำตอบเริ่มแรกจากระยะที่ 1 โดยใช้วิธีทางเมตะ-ฮิวริสติกส์ (Meta-Heuristic) คือ วิธีทาบูเสริช (Tabu Search) เพื่อให้มั่นใจในคุณภาพของฮิวริสติกส์ที่ได้พัฒนาขึ้น จึงตอ้งทำการประสิทธีภาพก่อนนำไปใช้ โดย เปรียบเทียบกับ ขีดจำกัดล่าง (lower bound) เพื่อให้การทดลองเป็นไปอย่างมีประสิทธิภาพ และทำให้ผล การวิเคราะห์น่าเชื่อถือ คณะวิจัยจึงได้ทำการทดลองโดยใช้ Factorial Design เพื่อทดสอบประสิทธิภาพของ ฮิวริสติกส์ทั้งสอง และหาประสิทธิภาพการพัฒนาของคำตอบของฮิวริสติกส์ Initial_Heuristic 1 และ Initial_Heuristic 2 โดยในการทดสอบมีการพิจารณาปัจจัย 5 ปัจจัยดังนี้ (1) ระยะทางเฉลี่ยระหว่างศูนย์ (2) ขนาดรถ (3) จำนวนรถ (4) ปริมาณน้ำนมดิบเฉลี่ยของแต่ละศูนย์ และ (5) จำนวนศูนย์ จกนั้นได้ทำการ สุ่มข้อมูลต่างๆ จากค่าที่กำหนดและนำมาใช้ในการทดลองโดยใช้ตัวอย่างทั้งสิ้นจำนวน 160 ตัวอย่าง ในการ วิเคราะห์ได้ใช้ซอฟแวร์ SAS for windows V8 หากพิจารณาถึงปัจจัยที่มีผลต่อประสิทธิภาพของฮิวริสติกส์ จากผลการวิเคราะห์พบว่า: 1. ปัจจัยที่มีผลต่อประสิทธิภาพของฮิวริสติก Initial_Heuristic1 คือ ขนาดความจุของรถบรรทุกและ จำนวนรถบรรทุก ส่วนปัจจัยที่มีผลต่อฮิวริสติก Initial_Heuristic2 คือ ขนาดความจุของรถบรรทุก จำนวนรถบรรทุก และระยะทางจากโรงงานไปยังศูนย์รับนม/ระยะทางระหว่างศูนย์รับน้ำนมดิบ 2. ปัจจัยที่มีผลต่อประสิทธิภาพของฮิริสติก Heuristic1 คือ ปริมาณน้ำนมดิบที่ศูนย์รับน้ำนมดิบ ส่วนปัจจัยที่มีผลต่อฮิวริสติก Heuristic2 คือ ปริมาณน้ำนมดิบที่ศูนย์รับน้ำนมดิบ ระยะทางจาก โรงงานไปยังศูนย์รับนม/ระยะทางระหว่างศูนย์รับน้ำนมดิบ และจำนวนศูนย์รับน้ำนมดิบ ในการหาค่าประสิทธิภาพของฮิวริสติกส์ คณะวิจัยได้ code ฮิวริสติกส์ทั้งสี่ (Initial_Heuristic1, Initial_Heuristic2, Heuristic1, และ Heuristic2) ด้วยภาษา JAVA และ run บนเครื่อง PC 1.7 GHz 512 Megabyte Ram และได้ทำการประเมินค่า 2 ลักษณะคือ (1) คุณภาพของฮิวริสติกส์ และ(2) เวลาที่ใช้ในการ คำนวณ (CPU Time) จากทดลองพบว่า หากพิจารณาแต่ละการทดลอง (Individual test runs) แล้ว ประสิทธิภาพโดยเฉลี่ยของฮิวริสติกส์ Initial_Heuristic1 และ Initial_Heuristic2 อยู่ระหว่าง 49.8-94.1% และ 44.7-81.9% ตามลำดับ โดยมีค่าเฉลี่ย 74.1% และ 71.5% ตามลำดับ ส่วนประสิทธิภาพโดยเฉลี่ยของฮิวริสติกส์ Heuristic1 และ Heuristic2 จะมีค่าสูงกว่าฮิวริสติกส์ Initial_Heuristic1 และ Initial_Heuristic2 เล็กน้อยโดยมีค่าอยู่ระหว่าง 51.8-94.1% และ 46.1-85.1% และมีค่าเฉลี่ย 76.2 และ 73.2% ตามลำดับ หากพิจารณาเวลาที่ใช้ในการหาคำตอบของฮิวริสติกส์ Initial_Heuristic1, Initial_Heuristic2, Heuristic1, และ Heuristic2 พบว่ามีค่าน้อยมากโดยมีค่าน้อยกว่า 40 วินาที ซึ่งเวลาที่ใช้ในการคำนวณจะ ไม่เพิ่มขึ้นตามขนาดของปัญหา นั่นหมายความว่าฮิวริสติกส์ทั้ง 4 รูปแบบนั้นมีประสิทธิภาพที่สูงมาก ส่วนผล การหาประสิทธิภาพการพัฒนาของคำตอบของ Initial_Heuristic1 และ Initial_Heuristic2 พบว่า หาก พิจารณาแต่ละการทดลอง (individual test runs) แล้ว Heuristic1 จะให้ค่าคำตอบที่ดีกว่า Initial_Heuristic1 ระหว่าง 0.0-7.6% และ Heuristic2 จะให้คำตอบที่ดีกว่า Initial_Heuristic2 ระหว่าง 0.0-9.2% จากผลการทดสอบประสิทธิภาพของ Initial_Heurisitc1, Initial_Heuristic2, Heuristic1, และ Heuristic2 สามารถสรุปได้ว่า สถานประกอบการสามารถเลือกใช้ Initial_Heuristic1 หรือ Initial_Heuristic2 ก็ได้ เนื่องจากนิวฮิวริสติกส์ทั้งสองนี้ก็สามารถให้ค่าประสิทธิภาพที่ดีและใกล้เคียงกับ Heuristic1 และ Heuristic2 หากสถานประกอบการเลือกใช้ Initial_Heuristic1 และ Initial_Heuristic2 ก็จะ ทำให้เกิดความสะดวกโดยที่ผู้ใช้ไม่จำเป็นต้องปรับเปลี่ยนค่าพารามิเตอร์ของทาบูเสริช นอกจากนี้ระบบ ฮาร์ดแวร์ที่จะมารองรับกับโปรแกรมก็ไม่จำเป็นต้องมีประสิทธิภาพที่สูงมาก นอกจากนี้ คณะวิจัยได้เสนอกลยุทธ์ในการพัฒนาระบบบริหารจัดการเชิงโลจิสติกส์ขาเข้า (Inbound Logistics) ของอุตสาหกรรมนม โดยได้แบ่งกลยุทธ์เป็น 4 ด้านคือ ด้านสิ่งอำนวยความสะดวก ด้านการขนส่ง ด้ารการจัดการสินค้าคงคลัง และด้านการจัดการข้อมูลและติดต่อสื่อสาร ในด้านสิ่งอำนวยความสะดวก (Facility and Infrastructure) ทั้งศูนย์ฯ และโรงงานจำเป็นต้องมีสิ่งอำนวยความสะดวกให้มีความเพียงพอกับ การดำเนินการ มิฉะนั้นจะทำให้เวลาที่ใช้ในการดำเนินการเป็นไปด้วยความล่าช้าและส่งผลต่อค่าใช้จ่ายด้าน พนักงานที่สูงมากขึ้น ในด้านการขนส่ง (Transportation) เพื่อให้เกิดความรวดเร็วและประหยัดค่าใช้จ่ายใน การขนส่ง (economy of scale and economy of distance) เกษตรกรรายย่อยควรมีการรวมกลุ่มในการขนส่ง โดยอาจจะให้เกษตรกรรายใหญ่ที่มีศักยภาพหรือมีความพร้อมเกี่ยวกับรถบรรทุกในการขนส่งเป็นผู้จัดการ รวบรวมปริมาณน้ำนมของเกษตรกรรายย่อยที่อยู่ในเส้นทางหรือบริเวณใกล้เคียง และในการขนส่งน้ำนมดิบ ของเกษตรกรนั้น ศูนย์รับน้ำนมดิบควรมีการกำหนดเวลาช่วงเวลา (Time slots) ให้กับเกษตรกรมาส่งน้ำนม ดิบที่ศูนย์ฯ ในแต่ละมื้อ ทั้งในตอนเช้าและตอนเย็น และควรแบ่งเป็นหลายช่วง เพื่อใช้ในการกำหนดให้ เกษตรกรแต่ละรายเข้าเป็นช่วงเพื่อทำให้การบริหารจัดการเวลาที่เกษตรกรมาส่งน้ำนมดิบยังศูนย์รวบรวม น้ำนมดิบมีความยืดหยุ่นและต่อเนื่อง ส่วนการขนส่งจากศูนย์รวบรวมน้ำนมดิบมายังโรงงาน จำเป็นต้องมีการ ใช้ซอฟแวร์ที่เหมาะกับระบบของการขนส่งน้ำนมดิบของโรงงานในปัจจุบัน ดังนั้นคณะวิจัยจึงได้พัฒนา ระบบซอฟแวร์ดังกล่าวขึ้น โดยมีเป้าหมายในการเลือกเส้นทางและปริมาณการรับน้ำนมดิบจากศูนย์ฯ ต่างๆ มายังโรงงานโดยพิจารณาเวลาออกและเวลากลับมายังโรงงาน (Time window constraints) ของรถบรรทุกที่ ทำให้กระบวนการผลิตนมเป็นไปอย่างต่อเนื่อง และทำให้ค่าใช้จ่ายในการล้างถังพักนมและค่าใช้จ่ายในการ ขนส่งมีค่าต่ำที่สุด ด้านการจัดการสินค้าคงคลัง ซึ่งสามารถทำได้โดยการจัดปริมาณนมที่เหมาะสมกับแต่ ละรอบของการรับนม (หากศูนย์ฯ นั้นมีปริมาณน้ำนมมากและจำเป็นต้องรับน้ำนมดิบมากกว่า 1 รอบ) และ ควรมีการกะปริมาณน้ำนมดิบที่เหมาะสมกับขนาดของรถบรรทุกที่จะต้องเก็บไว้เพื่อรอให้รถมารับได้ทันทีใน ตอนเช้าในวันถัดไป ซึ่งการจัดเก็บปริมาณน้ำนมดิบให้เป็นสินค้าคงคลังดังกล่าว จะช่วยลดเวลาการรอคอยใน การรับน้ำนมดิบของรถบรรทุกและทำให้การใช้รถบรรทุกเป็นไปอย่างมีประสิทธิภาพ ส่วนตัวขับเคลื่อนด้านโล จิสติกส์ตัวสุดท้ายคือ ด้านการจัดการข้อมูลและการติดต่อสื่อสาร ศูนย์ควรมีการติดต่อสื่อสารกับ เกษตรกรรายใหญ่ เพื่อทราบปริมาณและเวลาการขนส่งน้ำนมดิบ และส่งข้อมูลให้กับโรงงานเพื่อที่โรงงานจะ ได้จัดตารางการรับน้ำนมดิบได้อย่างเหมาะสม นอกจากนี้ควรมีการนำเทคนิคการพยากรณ์ปริมาณน้ำนมดิบ ในแต่ละฤดูกาล เพื่อนำไปใช้ในการวางแผนการจัดการน้ำนมดิบได้ในแต่ละฤดูได้อย่างถูกต้องและแม่นยำ จากการศึกษาครั้งนี้ สามารถสรุปได้ว่า ซอฟแวร์ที่ได้พัฒนาขึ้นเพื่อใช้จัดลำดับการขนส่ง น้ำนมดิบของรถบรรทุกและระบบบริหารจัดการโลจิสติกส์ขาเข้าของอุตสาหกรรมการผลิตนมนั้นมี ประสิทธิภาพสูงมาก หากผู้ประกอบการ นักวางแผน หรือผู้มีส่วนเกี่ยวข้องได้นำไปใช้เป็นเครื่องมือจัด ตารางการขนส่งเพื่อให้สามารถปรับให้ทันต่อเหตุการณ์ ความไม่แน่นอนต่างๆ จะทำให้ผู้ประกอบการ สามารถวางแผนการขนส่งได้อย่างมีระสิทธิภาพ และสามารถใช้ผลเป็นข้อมูลในการตัดสินใจในการ ดำเนินการทางธุรกิจได้อย่างถูกต้องและรวดเร็ว และทำให้เกิดประโยชน์ทางธุรกิจมากขึ้น Scheduling of Raw Milk Transportation to Minimize Cleaning Costs of the Raw Milk Tanks Case Study: The Khon Kaen Production Plant of the Daily Farming Promotion Organization of Thailand This research considered the milk industry logistic system of the milk production factory of the Dairy Farming Promotion Organization of Thailand (D.P.O.), Khon Kaen Province by considering particularly from the raw milk distribution centers to the factory. The objectives of the study were to schedule the raw milk transportation in order to minimize cleaning costs of the raw milk tank and to reduce the costs of transportation. At the present, there are 2 expenses of the milk production factory of the Dairy Farming Promotion Organization of Thailand (D.P.O.), Khon Kaen Province: 1) the costs of transportation which is very high if the amount of the raw milk is little as it is needed to transport several times. 2) The costs of the raw milk tanks cleaning like electricity bill, water supply bill, chemical expenses and wages which are high. Nowadays, the trucks used in transporting the raw milk are not fullloaded. Also, the arriving of transporting trucks is not consistent, so it cannot make the truck fullloaded and it is need to use a lot of tanks. Therefore, a lot of tanks are required to clean several times before loading the raw milk. If the tanks are not cleaned, they will make the raw milk spoiled. For this reason, this research considered the milk industry logistic system by considering the raw milk distribution centers that deliver the raw milk to the factory. The purpose of the study was to schedule the raw milk transportation in order to minimize cleaning costs of the raw milk tank and to reduce the costs of transportation by managing a lot of trucks to arrive to the factory at the same time and in the short period in order to load the raw milk to the tanks at the same time. In order to find out the solution to these problems, the research team began with developing mathematical modeling to discover the optimal solution of the problems by using 4 types of Mixed Integer Programming: MIP by considering both the cavities of the raw milk containing on the trucks that contained mixed raw milk and did not mix raw milk and having Time Windows Constrains and did not have Time Windows Constrains. The result of the study revealed that the 4 types of Mixed Integer Programming: MIP could not find out the optimal solution since there was a limitation of Time Windows Constrains to control the trucks in departing and arriving the factory. When there was no mixed raw milk from different distribution centers the cavities of the raw milk containing on the trucks and the parameter values that increased, this took a long time in discovering the solution or it could not be possible to find out the solution. Therefore, the research team proposed the Heuristic to discover the solution instead. There were 2 types of Heuristic which were Heuristic 1 and Heuristic 2. The Heuristic 1 was used when there was a mixture of raw milk in the same compartment on the trucks and this was done with not more than 2 distribution centers and not more than 2 periods of time (in the morning and in the evening). Both Heuristics were separated into 2 phases. The first phase was Initial Solution and the second phase was the further improvement of the first phase by using a Meta- Heuristic approach which was a Tabu Search. To ensure the quality of the improved Heuristic, testing the efficiency was conducted by comparing to lower bound. In addition, the Factorial Design was used to test the efficiency of both Heuristics and find out the efficiency of the further improvement of the Initial_Heuristic 1 and Initial_Heuristic 2. There were 5 factors considered in the efficiency test which were 1) the average distant among the distribution centers, 2) the size of the trucks, 3) the amount of the trucks, 4) the average amount the raw milk in each distribution center and 5) the amount of the distribution centers. After that, all data were random from the defined values and they were used in the experiment. There were 160 samples. The SAS for windows V8 was used to analyze the data. According to the factors affecting the efficiency of the Heuristic, it was found as presented below 1. The factors affecting the Initial_Heuristic 1 were the capacity of the trucks and the amount of the trucks while the factors affecting the Initial_Heuristic 2 were the capacity of the trucks, the amount of the trucks, and the distances between the factory and the raw milk distribution centers and the distances among the raw milk distribution centers. 2. The factors affecting the Heuristic 1 were the amount of the raw milk at the raw milk distribution centers, the distances between the factory and the distribution centers and the distances among the raw milk distribution centers and the amount of the raw milk distribution centers. To verify the Heuristic efficiency, the research team coded all the 4 Heuristics (Initial_Heuristic 1, Initial_Heuristic 2, Heuristic 1 and Heuristic 2 by using JAVA and ran in on PC 1.7 GHz 512 Megabyte Ram and 1) the quality of Heuristic and 2) the CPU time were evaluated. After experimenting, it was found that if considering individual test runs, the Initial_Heuristic 1 and Initial_Heuristic 2 efficiency was 49.8-94.1% and 44.7-81.9% respectively and the averages were 71.1% and 71.5% respectively. Also, the efficiency of Heuristic 1 and Heuristic 2 was a little higher than those of Initial_Heuristic 1 and Initial_Heuristic 2 which was 51.8-94.1% and 46.1-85.1%; the averages were 76.2 and 73.2% respectively. According to the time used to find out the answers of Initial_Heuristic 1, Initial_Heuristic 2, Heuristic 1 and Heuristic 2, it was used very little. It was under 40 seconds. The time did not increase by the degree of the problem. This indicated that all 4 Heuristics were high efficiency. For the results of the efficiency of Initial_Heuristic 1 and Initial_Heuristic 2 by using individual test runs, it was revealed that Heuristic 1 was better than Initial_Heuristic 1, 0.0-7.6% and Heuristic 2 was better than Initial_Heuristic 2, 0.0-9.2%. From the efficiency test of Initial_Heuristic 1 and Initial_Heuristic 2, it can be concluded that the company can use whether Initial_Heuristic 1 or Initial_Heuristic 2 since both Initial_Heuristic 1 and Initial_Heuristic 2 had efficiency approximately to Heuristic 1 and Heuristic 2. If the users use Initial_Heuristic 1 and Initial_Heuristic 2, it will be convenient for them as they did not have to adjust parameter values of the Tabu search. Moreover, the hardware used with program does not need to be high effective. Additionally, the research team also proposed the strategies used in developing the system of Inbound Logistics management of the milk industry. The strategies were separated into 4 aspects which were facility and infrastructure, transportation, inventory management and information and communication management. For, the facility and infrastructure, both distribution center and the factory were required to provide enough facility and infrastructure, otherwise it would waste the time and this would affect the costs of energy used. Turning to transportation, in order to economize the expenses in transportation, minor agriculturists should cooperate with major agriculturists to transport the raw milk. The raw milk distribution centers should also set the time slots both in the morning and in the evening. The time slots should also be provided for several times in order to define the specific time for agriculturists and make the time flexible, and this would allow the process runs continuously. Since suitable software using for transporting was required for the raw milk transportation system, the research team developed the suitable software. The objective of selecting routes and the amounts of the raw milk from the distribution centers to the factories by considering the time window constraints of the trucks was to make the milk production process run continuously. Also, the costs of cleaning the milk tanks and transportation were low. For inventory management, it could be done by loading an appropriate amount of the raw milk in each round of transportation (if there was a lot of raw milk in the distribution centers). In addition, the amount of raw milk should be estimated to fit the size of the trucks which would take the milk in the next morning. The way to store the raw milk like this could reduce the time of the trucks that waited to transport the raw milk. The last strategy was information and communication management. The distribution centers should communicate with major agriculturists in order to obtain the amount of the raw milk and the transporting time information. The information was required to provide for the factory to schedule to take raw milk appropriately. Moreover, the techniques of predicting the amount of the raw milk in each season should be used in managing the raw milk in each season accurately. Form the study, it can be concluded that the software developed to use in organizing the trucks used in the raw milk transportation and the inbound logistics system of milk production industry occupied high efficiency. If they are used by entrepreneurs, planners or related people to be the tools to organize transportation schedule, the entrepreneurs will have the ability to effectively control the transportation plan. Moreover, the entrepreneurs will run their businesses fast and accurately and this will bring more benefit to their businesses.