Tenho material suficiente para fundamentar o número do last-mile. Vou escrever o artigo.
---
layout: ../../layouts/BlogPost.astro
title: "O ponto ótimo de malha: a curva em U entre middle-mile e last-mile"
description: "Cada hub de distribuição melhora o last-mile e piora o middle-mile. Entenda o trade-off, por que ele forma uma curva em U e como enxergar o ponto ótimo de malha."
date: "2026-06-25"
---
Toda decisão de abrir, fechar ou reposicionar um hub de distribuição é, no fundo, uma aposta sobre dois custos que se movem em direções opostas. Mais hubs encurtam o last-mile, mas alimentam o middle-mile. Menos hubs enxugam o middle-mile, mas inflam o custo da última perna. Entre esses dois extremos existe um mínimo — o ponto ótimo de malha — e ele raramente fica onde a intuição sugere.
## Por que o last-mile domina a conta
A última perna é a parte cara e pouco elástica do sistema.
O last-mile é a fase final do processo de envio, movendo produtos de um centro de distribuição ou hub local até a porta do cliente; essa etapa costuma representar a menor distância da cadeia, mas carrega o maior custo por pacote por causa das ineficiências da entrega residencial individual.
Estudos de mercado reforçam o peso desse trecho:
a perna final de um envio, do hub local até o destino, hoje responde por 53% dos custos totais de transporte, ante 41% em 2018.
A causa é estrutural.
Essa concentração de custo decorre do desafio de entregar pacotes unitários em locais dispersos, em vez de cargas consolidadas para instalações centralizadas.
Por isso, o desenho de rede não é um exercício de minimizar quilômetros: é decidir até onde vale a pena consolidar antes de pulverizar.
## As duas curvas que formam o U
Modele a malha como dois custos somados, em função do número de hubs de distribuição:
- **Custo de middle-mile** — sobe a cada hub. Cada novo ponto na rede fixa adiciona linhas de transferência, ocupação, frota dedicada e perda de consolidação. Quanto mais nós, mais difícil encher cada veículo entre origem e hub.
- **Custo de last-mile** — cai a cada hub. Aproximar o estoque do destino reduz a distância média por entrega, aumenta a densidade de paradas por rota e melhora a janela de cumprimento da grade de expedição.
Somando as duas, o custo total desenha uma **curva em U**: cai enquanto o ganho no last-mile supera o custo adicional de middle-mile, atinge um mínimo, e volta a subir quando cada hub novo passa a custar mais em transferência do que economiza na ponta. O ponto ótimo de malha é o fundo dessa curva — e é o único lugar onde os dois custos estão equilibrados na margem.
## O ótimo não fica parado
O erro comum é tratar o desenho de rede como decisão única, congelada por anos. Mas o fundo do U se desloca com as variáveis do negócio:
- **Volume e densidade.** Mais demanda em um cluster aumenta a densidade de last-mile, o que justifica empurrar o ótimo na direção de mais hubs — a perna final fica mais barata por entrega quando há paradas suficientes para encher a rota.
- **Dispersão geográfica.** Demanda espalhada penaliza o last-mile e tende a pedir mais pontos de proximidade; demanda concentrada favorece menos hubs e mais consolidação.
- **Custo de frota e linha.** Quando o middle-mile encarece — combustível, motorista, ociosidade —, o ótimo recua para menos hubs. Quando a última perna encarece, ele avança.
- **Grade de serviço.** Prazos mais curtos restringem o raio de cada hub e, na prática, exigem mais nós para cumprir a janela.
Como esses fatores mudam o tempo todo, a malha ótima de hoje não é a de doze meses atrás. Reavaliar o ponto ótimo é uma rotina, não um projeto pontual.
## Como enxergar o ponto ótimo
Achar o fundo do U exige três coisas que a planilha sozinha não entrega:
1. **TCO separado por perna.** Calcular o Total Cost of Ownership de middle-mile e de last-mile isoladamente. Somar tudo num único número por entrega esconde justamente o trade-off que define o ótimo.
2. **Clusterização orientada a custo.** Agrupar a demanda real por afinidade geográfica e densidade, não por divisão administrativa. O cluster define onde um hub de distribuição se paga.
3. **Simulação de cenários.** Testar 2, 4, 6, 8 hubs sobre o mesmo histórico de entregas e comparar o TCO total de cada configuração. É a simulação que revela a inclinação da curva e mostra se você está à esquerda (consolidando demais) ou à direita (pulverizando demais) do ótimo.
A diferença entre planejar a malha e roteirizar está aqui: a roteirização otimiza dentro de uma rede dada; o planejamento de malha decide qual rede você deveria ter — quantos hubs, onde, o que vai direto e qual frota — e só então roteiriza e executa.
## Perguntas frequentes
### Mais hubs sempre reduzem o custo total?
Não. Mais hubs reduzem o last-mile, mas aumentam o middle-mile. Abaixo do ponto ótimo, cada hub novo compensa; acima dele, o custo de transferência passa a superar a economia na ponta e o total volta a subir.
### Qual a diferença entre planejar a malha e roteirizar?
A roteirização resolve sequência e alocação dentro de uma rede já definida. O planejamento de malha decide a própria rede — número e posição de hubs, o que segue direto e qual frota usar — antes da execução.
### Com que frequência o ponto ótimo deve ser revisado?
Sempre que volume, dispersão, custo de frota ou grade de serviço mudarem de forma relevante. Como essas variáveis se movem continuamente, o fundo da curva em U se desloca, e a malha precisa acompanhar.
O ponto ótimo de malha não é um palpite nem um número fixo de hubs: é o fundo de uma curva em U que se move com a sua demanda. Enxergá-lo depende de separar o TCO por perna, clusterizar a demanda real e simular cenários sobre o seu próprio histórico de entregas. Se você quer ver onde a sua operação está nessa curva — à esquerda, à direita ou no fundo —, rode um cenário da sua malha a partir do histórico que você já tem e compare as configurações lado a lado.