{"id":1108,"date":"2021-02-03T19:20:38","date_gmt":"2021-02-03T22:20:38","guid":{"rendered":"https:\/\/foxiot.siteup.dev\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/"},"modified":"2023-05-02T18:39:41","modified_gmt":"2023-05-02T21:39:41","slug":"o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos","status":"publish","type":"post","link":"https:\/\/foxiot.siteup.dev\/en\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/","title":{"rendered":"O impacto da intelig\u00eancia artificial no setor de controle de qualidade de produtos"},"content":{"rendered":"<p>A Intelig\u00eancia Artificial vem revolucionando a ind\u00fastria nos \u00faltimos anos e resolvendo problemas, que antes eram onerosos em tempo e dinheiro, de maneira muito mais eficaz. Problemas de vis\u00e3o computacional, processamento de linguagem natural e diversas outras aplica\u00e7\u00f5es s\u00f3 s\u00e3o poss\u00edveis gra\u00e7as aos diversos avan\u00e7os na \u00e1rea.<\/p>\n<figure><img decoding=\"async\" title=\"A intelig\u00eancia artificial e suas sub\u00e1reas.\" src=\"https:\/\/foxiot.siteup.dev\/wp-content\/uploads\/2023\/04\/30_file.png\" alt=\"A intelig\u00eancia artificial e suas sub\u00e1reas\" \/><\/figure>\n<p>Intelig\u00eancia artificial pode ser definida como qualquer m\u00e9todo que permite computadores imitar a intelig\u00eancia humana. J\u00e1 a parte de Aprendizado de M\u00e1quina (Machine Learning) \u00e9 a sub\u00e1rea de Intelig\u00eancia Artificial que aprende com os dados utilizando m\u00e9todos estat\u00edsticos sem ser diretamente programada para isso. Parte do Aprendizado de M\u00e1quina, o Aprendizado Profundo (Deep Learning) \u00e9 a \u00e1rea em que programas aprendem sozinhos sobre caracter\u00edsticas importantes sobre os dados, viabilizando tarefas como reconhecimento de padr\u00f5es em voz ou imagens.<\/p>\n<p>As Redes Neurais Artificiais (RNA) s\u00e3o um dos principais pilares dessa tecnologia. Inspiradas no c\u00e9rebro humano, as RNA levam esse nome pois tem conex\u00f5es e motiva\u00e7\u00f5es biol\u00f3gicas. Assim como no c\u00e9rebro humano, onde a unidade mais b\u00e1sica de processamento \u00e9 o neur\u00f4nio, as RNA possuem um elemento que processa impulsos, ou entradas, e que tamb\u00e9m \u00e9 chamado de neur\u00f4nio ou n\u00f3.<\/p>\n<h3><strong>Intelig\u00eancia Artificial na Ind\u00fastria como forma de reduzir custos<\/strong><\/h3>\n<p>Podemos utilizar todo o espectro da Intelig\u00eancia Artificial na ind\u00fastria, desde Machine Learning at\u00e9 Aprendizado Profundo. Com ela, \u00e9 poss\u00edvel otimizar processos com sistemas de automa\u00e7\u00e3o inteligentes, aumentar o trabalho humano e impulsionar inova\u00e7\u00f5es. Sistemas de predi\u00e7\u00e3o usando Machine Learning j\u00e1 s\u00e3o encontrados em \u00e1reas como manuten\u00e7\u00e3o preventiva, seguran\u00e7a de rede, processo de log\u00edstica, gest\u00e3o de invent\u00e1rio, gest\u00e3o de ativos e gest\u00e3o da cadeia de abastecimento. Por outro lado, recentemente com os avan\u00e7os dos m\u00e9todos de aprendizado profundo se tornaram mais comum em aplica\u00e7\u00f5es de vis\u00e3o computacional, principalmente no controle de qualidade. Essa tecnologia d\u00e1 \u00e0s m\u00e1quinas sentidos mais humanos, como diferenciar e identificar objetos. Aqui est\u00e3o alguns exemplos de aplica\u00e7\u00e3o de aprendizagem profunda na ind\u00fastria que otimizam processos j\u00e1 existentes: identifica\u00e7\u00e3o de produtos com defeito, detec\u00e7\u00e3o de anomalias e manuten\u00e7\u00e3o preditiva com redes neurais. Quando falamos diretamente de custos para o cliente, modelos s\u00e3o criados com o objetivo de realizar uma tarefa com precis\u00e3o e tamb\u00e9m de otimizar um processo que permite a economia de dinheiro aos cofres da empresa.<\/p>\n<p>Segundo um <a href=\"https:\/\/www.accenture.com\/pt-pt\/insight-ai-industry-growth\" target=\"_blank\" rel=\"noopener\">estudo feito pela Accenture Research<\/a>, o crescimento da margem de lucro na ind\u00fastria americana vem diminuindo desde 2010. Isso acontece devido a fatores como a falta de investimento em inova\u00e7\u00e3o e P&amp;D. Por outro lado, a inova\u00e7\u00e3o \u00e9 o que ajudar\u00e1 a ind\u00fastria a voltar a lucrar. Com o aumento do n\u00famero de sensores nas f\u00e1bricas, a queda do pre\u00e7o de poder computacional e avan\u00e7os em campos como a Intelig\u00eancia artificial, a tecnologia ser\u00e1 cada vez mais comum em processos industriais. De fato, na manufatura, a Intelig\u00eancia Artificial encontra um ambiente favor\u00e1vel para inovar, j\u00e1 que essa \u00e1rea tem precursores como a Internet das Coisas (IoT).<\/p>\n<p>A imagem a seguir mostra as taxas de crescimento anuais em 2035 do valor bruto acrescentado (aproximadas ao PIB), comparando a linha base de crescimento em 2035 com um cen\u00e1rio de intelig\u00eancia artificial, onde a IA foi absorvida pela economia.<\/p>\n<figure><img decoding=\"async\" title=\"Fonte: Accenture e Frontier Economics\" src=\"https:\/\/foxiot.siteup.dev\/wp-content\/uploads\/2023\/04\/31_file.png\" \/><\/figure>\n<p>Normalmente atribu\u00eddos a humanos, trabalhos repetitivos s\u00e3o os que geram um maior n\u00famero de erros e muitas vezes tamb\u00e9m s\u00e3o os com maiores riscos. Assim, a substitui\u00e7\u00e3o da m\u00e3o de obra humana por processos automatizados ajuda reduzir significativamente o n\u00famero de erros e os riscos na produ\u00e7\u00e3o, diminuindo assim os custos. A pesquisa da Accenture ainda mostra que a IA tem potencial para aumentar as taxas de lucratividade em uma m\u00e9dia de 38% at\u00e9 2035 e levar a um aumento econ\u00f4mico de US $ 14 trilh\u00f5es em 16 setores em 12 economias at\u00e9 2035. O impacto das tecnologias de IA nos neg\u00f3cios \u00e9 projetado para aumentar a produtividade do trabalho em at\u00e9 40 por cento &#8211; e permitir que as pessoas fa\u00e7am um uso mais eficiente de seu tempo.<\/p>\n<h3><strong>Aplica\u00e7\u00e3o de Deep Learning em Sistemas de Controle de Qualidade<\/strong><\/h3>\n<p>O uso da tecnologia de vis\u00e3o por m\u00e1quina mostra-se como um verdadeiro aliado no controle de inspe\u00e7\u00e3o de qualidade de produtos em linhas de produ\u00e7\u00e3o. Durante d\u00e9cadas, existem implementa\u00e7\u00f5es que possibilitam analisar diversos produtos atrav\u00e9s de c\u00e2meras com algoritmos de processamento de imagem, onde um funcion\u00e1rio escolhe quais caracter\u00edsticas s\u00e3o importantes para o problema, como arestas, cantos, cores, etc. A partir disso, definem-se regras atrav\u00e9s da extra\u00e7\u00e3o manual de caracter\u00edsticas que definem se h\u00e1 ou n\u00e3o problema no produto visualizado, tornando-se um m\u00e9todo simples e consideravelmente eficaz.<\/p>\n<p>Com a revolu\u00e7\u00e3o da Ind\u00fastria 4.0, o desenvolvimento de sistemas aut\u00f4nomos e automatizados vem ganhando espa\u00e7o. Dessa forma, foram desenvolvidos algoritmos de <em>Deep Learning<\/em>, que \u00e9 uma ferramenta poderosa que possibilita alavancar os sistemas de inspe\u00e7\u00e3o de qualidade. Esse m\u00e9todo possui uma caracter\u00edstica \u00fanica: aprender a partir dos pr\u00f3prios dados. O processo utiliza das fotografias capturadas pelas c\u00e2meras, e cria regras pr\u00f3prias, customizadas e adaptadas para cada problema, sem necessidade da presen\u00e7a humana.<\/p>\n<figure><img decoding=\"async\" title=\"Compara\u00e7\u00e3o entre sistemas de vis\u00e3o de m\u00e1quina existentes e a simplifica\u00e7\u00e3o atrav\u00e9s do uso de Deep Learning.\" src=\"https:\/\/foxiot.siteup.dev\/wp-content\/uploads\/2023\/04\/32_file.png\" \/><\/figure>\n<p>Al\u00e9m disso, essa tecnologia possui a flexibilidade de utilizar modelos treinados em problemas similares como um ponto de in\u00edcio para resolver um novo problema. Dessa forma, \u00e9 poss\u00edvel otimizar as m\u00e9tricas de precis\u00e3o e tamb\u00e9m economizar tempo de treino, visto que \u00e9 necess\u00e1rio entregar ao modelo menos imagens para o aprendizado. Outro aliado da vis\u00e3o computacional s\u00e3o os algoritmos de detec\u00e7\u00e3o de objetos, que tamb\u00e9m partem de modelos pr\u00e9-treinados em competi\u00e7\u00f5es, e s\u00e3o necess\u00e1rios para localizar precisamente defeitos em objetos. Um exemplo de aplica\u00e7\u00e3o disso \u00e9 o controle de qualidade em garrafas de pl\u00e1stico que implementamos na Fox IoT, em que o modelo consegue encontrar precisamente a localiza\u00e7\u00e3o de um r\u00f3tulo defeituoso e consequentemente classifica-o corretamente.<\/p>\n<figure><img decoding=\"async\" title=\"Garrafa com r\u00f3tulo defeituoso e infer\u00eancia do algoritmo de inspe\u00e7\u00e3o visual.\" src=\"https:\/\/foxiot.siteup.dev\/wp-content\/uploads\/2023\/04\/33_file.png\" \/><\/figure>\n<p>Al\u00e9m do r\u00f3tulo defeituoso, nossa inspe\u00e7\u00e3o de qualidade tamb\u00e9m \u00e9 capaz de identificar quando a garrafa est\u00e1 amassada, sem tampa, sem r\u00f3tulo ou com preenchimento de l\u00edquido incorreto, tornando uma solu\u00e7\u00e3o completa para a ind\u00fastria manufatureira. Devido \u00e0 flexibilidade do servi\u00e7o, podemos tamb\u00e9m fazer a contagem de produtos na linha de produ\u00e7\u00e3o e abranger para outras manufaturas, desde integridade de caixas at\u00e9 falhas em confec\u00e7\u00f5es de tecidos.<\/p>\n<p>Assim terminamos mais um artigo da Fox IoT, em que buscamos explicar de forma geral o impulsionamento da ind\u00fastria com a integra\u00e7\u00e3o da intelig\u00eancia artificial e uma demonstra\u00e7\u00e3o de um servi\u00e7o de inspe\u00e7\u00e3o de qualidade em garrafas de refrigerante. Esses processos otimizados geram cada vez mais valor ao cliente final, possibilitando a redu\u00e7\u00e3o de tempo e custos na produ\u00e7\u00e3o . Se achar a solu\u00e7\u00e3o interessante, ser\u00e1 um prazer apresentar nossas solu\u00e7\u00f5es e projetar uma prova de conceito customizada \u00e0 sua empresa! Abra\u00e7o e at\u00e9 a pr\u00f3xima.<\/p>\n<p>Publicado por: <a href=\"https:\/\/edgeaiguru.com\/author\/matheus\" target=\"_blank\" rel=\"noopener\">Matheus Jacques<\/a> e <a href=\"https:\/\/www.linkedin.com\/in\/jooaobrum\/\" target=\"_blank\" rel=\"noopener\">Jo\u00e3o Brum<\/a><\/p>","protected":false},"excerpt":{"rendered":"<p>A Intelig\u00eancia Artificial vem revolucionando a ind\u00fastria nos \u00faltimos anos e resolvendo problemas, que antes eram onerosos em tempo e&#8230;<\/p>","protected":false},"author":2,"featured_media":1274,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":[],"categories":[1],"tags":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v20.6 - https:\/\/yoast.com\/wordpress\/plugins\/seo\/ -->\n<title>O impacto da intelig\u00eancia artificial no setor de controle de qualidade de produtos | FOX<\/title>\n<meta name=\"robots\" content=\"noindex, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<meta property=\"og:locale\" content=\"en_US\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"O impacto da intelig\u00eancia artificial no setor de controle de qualidade de produtos | FOX\" \/>\n<meta property=\"og:description\" content=\"A Intelig\u00eancia Artificial vem revolucionando a ind\u00fastria nos \u00faltimos anos e resolvendo problemas, que antes eram onerosos em tempo e...\" \/>\n<meta property=\"og:url\" content=\"https:\/\/foxiot.siteup.dev\/en\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/\" \/>\n<meta property=\"og:site_name\" content=\"FOX\" \/>\n<meta property=\"article:published_time\" content=\"2021-02-03T22:20:38+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2023-05-02T21:39:41+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/foxiot.siteup.dev\/wp-content\/uploads\/2021\/02\/2ba1dc_bd97c57306c64ed1bc364710ea740f2bmv2.webp\" \/>\n\t<meta property=\"og:image:width\" content=\"514\" \/>\n\t<meta property=\"og:image:height\" content=\"386\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/webp\" \/>\n<meta name=\"author\" content=\"upsites\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<meta name=\"twitter:label1\" content=\"Written by\" \/>\n\t<meta name=\"twitter:data1\" content=\"upsites\" \/>\n\t<meta name=\"twitter:label2\" content=\"Est. reading time\" \/>\n\t<meta name=\"twitter:data2\" content=\"7 minutes\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\/\/schema.org\",\"@graph\":[{\"@type\":\"WebPage\",\"@id\":\"https:\/\/foxiot.siteup.dev\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/\",\"url\":\"https:\/\/foxiot.siteup.dev\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/\",\"name\":\"O impacto da intelig\u00eancia artificial no setor de controle de qualidade de produtos | FOX\",\"isPartOf\":{\"@id\":\"https:\/\/foxiot.siteup.dev\/#website\"},\"datePublished\":\"2021-02-03T22:20:38+00:00\",\"dateModified\":\"2023-05-02T21:39:41+00:00\",\"author\":{\"@id\":\"https:\/\/foxiot.siteup.dev\/#\/schema\/person\/578d3a334691e657d8ff65ed929e9aa3\"},\"breadcrumb\":{\"@id\":\"https:\/\/foxiot.siteup.dev\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/#breadcrumb\"},\"inLanguage\":\"en-US\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\/\/foxiot.siteup.dev\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/\"]}]},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\/\/foxiot.siteup.dev\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\/\/foxiot.siteup.dev\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"O impacto da intelig\u00eancia artificial no setor de controle de qualidade de produtos\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\/\/foxiot.siteup.dev\/#website\",\"url\":\"https:\/\/foxiot.siteup.dev\/\",\"name\":\"Fox Internet of Things\",\"description\":\"Internet of Things\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\/\/foxiot.siteup.dev\/?s={search_term_string}\"},\"query-input\":\"required name=search_term_string\"}],\"inLanguage\":\"en-US\"},{\"@type\":\"Person\",\"@id\":\"https:\/\/foxiot.siteup.dev\/#\/schema\/person\/578d3a334691e657d8ff65ed929e9aa3\",\"name\":\"upsites\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"en-US\",\"@id\":\"https:\/\/foxiot.siteup.dev\/#\/schema\/person\/image\/\",\"url\":\"https:\/\/secure.gravatar.com\/avatar\/fdaf5c96832312b80bdc8a6946324560?s=96&d=mm&r=g\",\"contentUrl\":\"https:\/\/secure.gravatar.com\/avatar\/fdaf5c96832312b80bdc8a6946324560?s=96&d=mm&r=g\",\"caption\":\"upsites\"},\"url\":\"https:\/\/foxiot.siteup.dev\/en\/author\/upsites\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"O impacto da intelig\u00eancia artificial no setor de controle de qualidade de produtos | FOX","robots":{"index":"noindex","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"og_locale":"en_US","og_type":"article","og_title":"O impacto da intelig\u00eancia artificial no setor de controle de qualidade de produtos | FOX","og_description":"A Intelig\u00eancia Artificial vem revolucionando a ind\u00fastria nos \u00faltimos anos e resolvendo problemas, que antes eram onerosos em tempo e...","og_url":"https:\/\/foxiot.siteup.dev\/en\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/","og_site_name":"FOX","article_published_time":"2021-02-03T22:20:38+00:00","article_modified_time":"2023-05-02T21:39:41+00:00","og_image":[{"width":514,"height":386,"url":"https:\/\/foxiot.siteup.dev\/wp-content\/uploads\/2021\/02\/2ba1dc_bd97c57306c64ed1bc364710ea740f2bmv2.webp","type":"image\/webp"}],"author":"upsites","twitter_card":"summary_large_image","twitter_misc":{"Written by":"upsites","Est. reading time":"7 minutes"},"schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"WebPage","@id":"https:\/\/foxiot.siteup.dev\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/","url":"https:\/\/foxiot.siteup.dev\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/","name":"O impacto da intelig\u00eancia artificial no setor de controle de qualidade de produtos | FOX","isPartOf":{"@id":"https:\/\/foxiot.siteup.dev\/#website"},"datePublished":"2021-02-03T22:20:38+00:00","dateModified":"2023-05-02T21:39:41+00:00","author":{"@id":"https:\/\/foxiot.siteup.dev\/#\/schema\/person\/578d3a334691e657d8ff65ed929e9aa3"},"breadcrumb":{"@id":"https:\/\/foxiot.siteup.dev\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/#breadcrumb"},"inLanguage":"en-US","potentialAction":[{"@type":"ReadAction","target":["https:\/\/foxiot.siteup.dev\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/"]}]},{"@type":"BreadcrumbList","@id":"https:\/\/foxiot.siteup.dev\/o-impacto-da-inteligencia-artificial-no-setor-de-controle-de-qualidade-de-produtos\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/foxiot.siteup.dev\/"},{"@type":"ListItem","position":2,"name":"O impacto da intelig\u00eancia artificial no setor de controle de qualidade de produtos"}]},{"@type":"WebSite","@id":"https:\/\/foxiot.siteup.dev\/#website","url":"https:\/\/foxiot.siteup.dev\/","name":"Fox Internet of Things","description":"Internet of Things","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/foxiot.siteup.dev\/?s={search_term_string}"},"query-input":"required name=search_term_string"}],"inLanguage":"en-US"},{"@type":"Person","@id":"https:\/\/foxiot.siteup.dev\/#\/schema\/person\/578d3a334691e657d8ff65ed929e9aa3","name":"upsites","image":{"@type":"ImageObject","inLanguage":"en-US","@id":"https:\/\/foxiot.siteup.dev\/#\/schema\/person\/image\/","url":"https:\/\/secure.gravatar.com\/avatar\/fdaf5c96832312b80bdc8a6946324560?s=96&d=mm&r=g","contentUrl":"https:\/\/secure.gravatar.com\/avatar\/fdaf5c96832312b80bdc8a6946324560?s=96&d=mm&r=g","caption":"upsites"},"url":"https:\/\/foxiot.siteup.dev\/en\/author\/upsites\/"}]}},"_links":{"self":[{"href":"https:\/\/foxiot.siteup.dev\/en\/wp-json\/wp\/v2\/posts\/1108"}],"collection":[{"href":"https:\/\/foxiot.siteup.dev\/en\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/foxiot.siteup.dev\/en\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/foxiot.siteup.dev\/en\/wp-json\/wp\/v2\/users\/2"}],"replies":[{"embeddable":true,"href":"https:\/\/foxiot.siteup.dev\/en\/wp-json\/wp\/v2\/comments?post=1108"}],"version-history":[{"count":2,"href":"https:\/\/foxiot.siteup.dev\/en\/wp-json\/wp\/v2\/posts\/1108\/revisions"}],"predecessor-version":[{"id":1275,"href":"https:\/\/foxiot.siteup.dev\/en\/wp-json\/wp\/v2\/posts\/1108\/revisions\/1275"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/foxiot.siteup.dev\/en\/wp-json\/wp\/v2\/media\/1274"}],"wp:attachment":[{"href":"https:\/\/foxiot.siteup.dev\/en\/wp-json\/wp\/v2\/media?parent=1108"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/foxiot.siteup.dev\/en\/wp-json\/wp\/v2\/categories?post=1108"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/foxiot.siteup.dev\/en\/wp-json\/wp\/v2\/tags?post=1108"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}