Escolar Documentos
Profissional Documentos
Cultura Documentos
4.3 Aula Transcrita PDF
4.3 Aula Transcrita PDF
RESUMO
QUADRORESUMO DA AULA
AULA: 4.3 Anlise Quantitativa de Processos
TUTOR: Jos Davi Furlan, MSc, CBPP.
N DE SLIDES: 64 slides DURAO: 57 min
SLIDE1
SLIDE2
Ol. A aula de hoje ser sobre anlise quantitativa de processos. Seja bem vindo. Eu sou Jos Davi
Furlan.
O objetivo de nossa aula tratar o alinhamento da voz do processo com a voz do cliente, atravs
de mtodos estatsticos e tcnicas de anlise estatstica de dados. Veremos os seguintes tpicos:
Conceitos bsicos de Six Sigma, a metodologia DMAIC, mtodo estatstico, enfoque GQM, tcnicas
para anlise estatstica de dados, investigando a variabilidade de processos, tipos de carta de
controle e finalmente os conceitos-chave da aula.
SLIDE3
A bibliografia sobre o assunto vasta, sendo que sugeriremos como base os seguintes livros:
Florac, W.A. &Carleton, A.D. Measuring the Software Process Statistical Process Control
for Software Process Improvement, The SEI Series in Software Engeneering ,Adison-
Wesley, 1999. Embora tenha sido feito para melhoria de processos de software, um livro
de fcil entendimento de um assunto complexo e poder ajudar profissionais de qualquer
rea.
Wheeler, D.J. Understanding Variation The Key to Managing Chaos, 2nd edition,
ControleEstatstico de Processo Press, 2000.
Pyzdek, Thomas The Six Sigma Handbook: The Complete Guide for Greenbelts,
Blackbelts, and Managers at All Levels, Revised and Expanded Edition, 2003.
SLIDE4
Deming fez contibuies significativas para o Japo tornar-se notrio pela fabricao de produtos
inovadores de alta qualidade. Deming considerado o estrangeiro que gerou o maior impacto sobre a
indstria e a economia japonesa no sculo XX. De volta aos Estados Unidos, uma das grandes empresas
a buscar a ajuda de Deming foi a Ford. As vendas da Ford estavam caindo e Deming foi recrutado para
ajudar no levantamento da qualidade. Deming questionou a cultura da empresa e seu gerenciamento e
disse Ford que as decises da gerncia eram responsveis por 85% dos problemas da produo de
melhores carros.
Vamos comear nossa aula de hoje citando os 14 pontos de Deming para a gesto, que descrevem o
caminho para a qualidade total:
SLIDE5
SLIDE6
SLIDE7
O enfoque foi criado em 1986 pela Motorola, inicialmente para a indstria de manufatura. Em 1987,
a Motorola estabeleceu as primeiras metas ambiciosas em Six Sigma, tendo recebido em 1988 o
prmio nacional americano de qualidade Malcolm Baldrige. Em 1991, foram certificados os
primeiros blackbelts, profissionais qualificados a liderar implementao de Six Sigma. Em 1992,
importantes organizaes no mundo passaram a utilizar Six Sigma. Surge em 2002 o novo Six
Sigma, uma evoluo de mtrica para metodologia que acumulou o prmio Malcolm Baldrige pela
segunda vez. A partir de 2003, a utilizao de Six Sigma avana para todo tipo de segmentos de
negcio.
SLIDE8
Six Sigma ajuda a melhorar significativamente a satisfao do cliente e a receita financeira pela
reduo da variabilidade em processos de negcios. Um conceito subjacente o de defeitos por
milho de oportunidades de defeito em produtos ou servios. Tais oportunidades de defeitos devem
ser trabalhadas de modo a alcanar um processo Six Sigma, reduzindo dramaticamente defeitos em
uma escala de centenas de milhares para 3,4 defeitos por milho. Oportunidades de defeitos
representam o nmero de defeitos potenciais que podem ocorrer no produto ou servio em relao
aos requisitos do cliente e/ou ao valor nominal da especificao.
SLIDE9
SLIDE 10
Basicamente o Six Sigma busca o entendimento claro das necessidades e anseios dos clientes,
atravs da aplicao de uma metodologia baseada em projetos, denominada DMAIC, cujos
resultados so medidos em termos financeiros. Est fortemente baseado em ferramentas
estatsticas e pessoal 100% dedicado aos projetos Six Sigma; so conhecidos por blackbelts. O foco
da ao deve ser na causa-raiz dos problemas e no na soluo dos sintomas. A pergunta que se
faz : Se somos bons em X, ou seja, na identificao de soluo das causas, porque testar e
inspecionar sintomas? Ocorre ento o desvio de foco da varivel dependente, que Y, para focar
na varivel independente que X.
SLIDE 11
SLIDE 12
Six Sigma uma soluo de mdio e longo prazo, que necessita de patrocnio, profissionais
qualificados, gerenciamento de expectativas e suporte sustentvel para permitir bons resultados. A
implementao de Six Sigma sugerida atravs de duas metodologia-chave: DMAIC e DMADV,
ambas inspiradas no PDCA, que o Plan, Do, Check, Act, de Deming. Enquanto DMAIC utilizada
para melhorar processos de negcios existentes, DMADV utilizado para criar um novo produto ou
desenhos de processo. A metodologiaDMAICconsiste de cincopassos:
SLIDE 13
SLIDE 14
Organizaes frequentemente gastam muito tempo tentando se diferenciar no mercado, mas pouco
tempo em eliminar os fatores de irritao dos clientes. Apesar de o marketing concentrar esforos
na tarefa de obter a fidelidade de clientes, construindo um relacionamento duradouro, observa-se
como resposta do mercado com infidelidade crescente. Alguns dos elementos que contribuem para
esse fenmeno so o alto ndice de concorrncia, o lanamento de novos produtos, a
descaracterizao do produto ou servio como decorrncia das mudanas na escala de valores da
sociedade em satisfao dos clientes com a organizao.
Temos ainda dois fatores a analisar: o Market Share e o ClientShare. O Market Share diz respeito
participao que uma organizao possui no mercado de determinado produto. O ClientShare a
participao da organizao nas necessidades de consumo do cliente em diversos produtos. A idia
de se aumentar o envolvimento com o cliente diz respeito a aumentar principalmente o ClientShare.
A mesma tecnologia que cria velozmente pode transformar produtos e servios inovadores em
commodities, caso a comunicao ao mercado seja padronizada. Hoje no suficiente atingir a
maior fatia de mercado, preciso conquistar a alma do cliente. Alguns autores preferem utilizar
os termos MindShare e Heart Shareno lugar de Market Share e ClientShare. O mercado se
estabelece com o MindShare e cresce com o Heart Share. Como as expectativas dos clientes
aumentam incessantemente, indispensvel que ocorra uma melhoria permanente da qualidade
dos produtos e servios e nas formas de envolvimento com vistas a uma fidelizao.
Preo apenas um dos quatro aspectos que o cliente avalia para saber se algo bom. Os outros
trs so marca, apresentao e relacionamento. Os consumidores normalmente associam preo
alto a melhor qualidade, mas preciso estar atento ao que os preos dizem a respeito dos servios.
SLIDE 15
SLIDE 16
SLIDE 17
Com o desenvolvimento em larga escala da produo industrial, tanto nos Estados Unidos como na
Europa, aps 1944, o controle estatstico de processo surgiu como um mtodo eficiente, seguro e
rpido de controle para aperfeioamento dos processos produtivos. Podemos enumerar algumas
vantagens do controle estatstico de processo: serve para se ter um controle contnuo do processo;
ajuda a produzir com consistncia e previsibilidade; permite que o processo alcance melhor
qualidade, menor custo e maior produtividade; fornece dados para linguagens comuns de discusso
e entendimento do processo; distingue as causas comuns e especiais como um guia para aes
locais do processo ou do sistema.
SLIDE 18
Organizaes de classe mundial buscam atingir o alvo com mnima variabilidade e obter o mximo
valor com o mnimo recurso. Quando um processo est sob controle estatstico existe base para
previso, dentro de limites, de como ir desempenhar no futuro. Antes de um processo ser
classificado em uma capacidade definida, deve exibir razovel grau de controle estatstico e atender
dois critrios: ser trazido a um estado de controle estatstico por um tempo suficiente para detectar
qualquer comportamento no-usual, e deve atender ou exceder as especificaes que tem de ser
satisfeitas para os requisitos de negcio ou do cliente.
SLIDE 19
Vamos tomar um ciclo bsico de gerenciamento de processo para mostrar como se relaciona a
medio de desempenho de processo; definio do processo, medio do processo, controle do
processo, melhoria do processo. Esse ciclo anlogo ao ciclo de Shewhart, de 1939, para melhoria
contnua, popularizado por Deming em 1986, e caracterizado pelo PDCA.
SLIDE 20
Uma vez que o processo est sob controle estatstico, atividades de sustentao devem ser
empreendidas para prevenir efeitos de entropia. Sem atividades de sustentao, processos podem
ser vtimas de mudanas ad hocou desuso e deteriorizao. Mesmo se um processo estiver definido
e sob controle, pode no ser capaz de produzir os resultados necessrios e atender aos objetivos
organizacionais. Processos podem ser melhorados pela introduo de mudanas em sua capacidade
ou por substituir sub-processos existentes por outros mais efetivos ou mais eficientes. Nesse
sentido, necessrio compreender as caractersticas dos processos existentes e fatores que afetam
sua capacidade, bem como avaliar os impactos e benefcios obtidos comparando aos custos de
mudanas.
SLIDE 21
Mtricas de produto.
o Descrevem caractersticas do produto, tais como tamanho, complexidade, caractersticas
de desenho, desempenho, nvel de qualidade.
Mtricas de processo.
o Podem ser utilizadas para melhorar o desenvolvimento e manuteno de produto.
Exemplos incluem a efetividade de remoo de defeitos, o modelo de teste, o tempo de
resposta de reparo.
Mtricas de projeto.
o Descrevem as caractersticas de projeto e execuo. Exemplos incluem o nmero de
profissionais, o modelo de equipe ao longo do ciclo de vida do produto, custo, prazo e
produtividade.
SLIDE 22
Kaplan e Norton sempre afirmaram que o que no medido no gerenciado. Tambm podemos
adicionar que no se pode medir o que no se descreve. Todos os processos so desenhados para
produzir resultados, os produtos e servios que os processos entregam e as maneiras como entregam
possuem atributos mensurveis que podem ser observados para descrever qualidade, quantidade,
custo e tempo dos resultados produzidos. Desempenho de processos podem ser quantificado pelos
atributos dos produtos, bem como diretamente por atributos do prprio processo. O slide mostra
alguns objetivos tpicos de negcio e exemplos de atributos que podem ser mensurados para avaliar o
desempenho do processo.
Medies de atributos, tais como os mostrados na ltima coluna so importantes para controlar os
processos que produzem os produtos, tornando previsvel o desempenho futuro do processo. Se
conhecermos os valores correntes desses atributos e o processo no est entregando os resultados
desejados, teremos pontos de referncia para iniciar a introduo e validao de ajustes de melhorias
no processo.
SLIDE 23
SLIDE 24
Desempenho de processos se refere aos valores caractersticos que vemos ao medir atributos de
produtos e servios resultantes de processos. Conforme temos visto, o desempenho de processos
pode ser medido de duas maneiras:
Pelos atributos de produtos que o processo produz. Exemplos seriam a funo, o tamanho e
a velocidade de execuo;
Pelos atributos do processo em si. Exemplos seriam a quantidade de esforo despendido, o
tamanho e durao de fluxos de trabalho, o nmero de defeitos detectados.
Devemos selecionar medies que no somente reflitam o propsito primrio do processo, mas
tambm tratem aspectos subjacentes a esse propsito. Eventualmente seria o caso de analisar
variaes em desempenho de processo ao medir atributos de recursos ou ambientes que suportam
o processo, por exemplo nvel de experincia e treinamento dos profissionais.
SLIDE 25
SLIDE26
Criado por Basili e Weiss em 1984, o enfoque GQM pode ser utilizado para selecionar medies para
suportar objetivos do negcio. Objetivos so identificados, questes so formuladas e mtricas
estabelecidas. GQM define um modelo de medio em trs nveis:
Nvel conceitual: um objetivo definido para um objeto por uma variedade de razes com
respeito a modelos de qualidade, pontos de vista e relativo ao ambiente particular.
Nvel operacional: um conjunto de questes utilizado para definir modelos de objeto em
estudo, e ento, foca em tal objeto para caracterizar e avaliar o atingimento de um objetivo
especfico.
E nvel quantitativo: uma mtrica ou um conjunto de mtricas com base nos modelos;
associado com qualquer questo para responder de modo mensurvel.
SLIDE 27
A literatura aberta tipicamente descreve GQM em termos de um processo de seis passos, onde os
trs primeiros dizem respeito aos objetivos de negcio para direcionar a identificao das mtricas
corretas e os trs ltimos so como obter dados efetivos de medio e fazer uso efetivo dos
resultados de medio para direcionar o processo de tomada de deciso e melhorias.
SLIDE 28
SLIDE29
SLIDE30
Antes de analisar dados de medio, h certos critrios que os valores reportados deveriam
satisfazer. Essescritriosso:
Veracidade;
Sincronizao;
Consistncia;
E validade.
SLIDE31
De acordo com Hradesky, de 1989, para que o Controle Estatstico de Processos seja eficaz so
necessrios 10% de ao estatstica e 90% de ao administrativa. Osprincipaisingredientesso:
Tcnicasestatsticas;
Tcnicas de soluo de problemas;
Liderana e atitudes para aperfeioamento da produtividade da qualidade;
Planejamento da qualidade;
Mtodo sistemtico que atua como catalisador.
SLIDE32
SLIDE33
Ishikawa observou que embora nem todos os problemas pudessem ser resolvidos por aplicao de
tcnicas de anlise de dados, ao menos 95% poderiam ser, e que qualquer trabalhador
devidamente treinado poderia efetivamente utiliz-las. Embora algumas dessas tcnicas j fossem
conhecidas a tempo, Ishikawa as organizou especificamente para aperfeioar o controle de
qualidade industrial na dcada de 60. Esse aspecto essencial do gerenciamento e controle da
qualidade foi responsvel por muitos dos acrscimos na qualidade dos produtos, e posteriormente,
muitos dos produtos e servios de classe mundial durante as ltimas trs dcadas do sculo XX.
Grfico de disperso;
Histograma;
Grfico de barra;
Diagrama de causa e efeito;
Grfico de Pareto;
Run charts;
Cartas de Controle.
SLIDE34
Um grfico de disperso constitui a melhor maneira de visualizar a relao entre duas variveis
quantitativas. Coleta dados aos pares de duas variveis (causa e efeito), para checar a existncia
da real relao entre essas variveis, normalmente utilizado como primeiro passo na explorao de
dados, mostrando como uma varivel tem se comportado em relao outra.
SLIDE 37
SLIDE36
SLIDE37
O diagrama de Ishkawa, tambm conhecido por diagrama de causa e efeito ou espinha de peixe
uma tcnica grfica utilizado pelo o gerenciamento e controle da qualidade em processos diversos
de manipulao de frmulas. Originalmente proposto pelo engenheiro qumico KaoruIshkawa, em
1943, e aperfeioado nos anos seguintes, esse diagrama conhecido tambm como seis m, pois
em sua estrutura, todos tipos de problemas podem ser classificados como sendo de seis tipos
diferentes, todos iniciados com a letra M, que seriam mtodo, matria-prima, mo-de-obra,
mquinas, medio e meio-ambiente. Permite estruturar hierarquicamente causas de determinado
problema ou oportunidade de melhoria, bem como seus efeitos sobre a qualidade dos produtos.
Tambm permite estruturar atravs de melhor visualizao qualquer sistema que precise de
resposta de forma grfica e sinttica. Para implementao do diagrama de Ishkawa no h limites.
Para os que preferem ir alm dos padres convencionais, podem identificar e demonstrar em
diagramas especficos a origem de cada uma das causas do efeito, isto , as causas das causas do
efeito. A riqueza de detalhes pode ser determinante para uma melhor quantidade e qualidade dos
resultados. Quanto mais informaes sobre os problemas da empresa forem disponibilizados,
maiores sero as chances de se livrar deles.
SLIDE38
Grfico de Pareto um grfico de barras que ordena as freqncias das ocorrncias da maior para
a menor, permitindo a priorizao dos problemas, procurando levar a cabo o Princpio de Pareto,
que so os poucos essenciais, muito triviais, isto , h muitos problemas sem importncia diante
de outros mais graves. Sua maior utilidade permitir uma fcil visualizao e identificao de
causas ou problemas mais importantes, possibilitando a concentrao de esforos sobre eles. O
termo Grfico de Pareto ficou conhecido depois que Juran comeou a utiliz-lo. O nome se originou
do trabalho de Vilfredo Pareto, durante seus estudos na rea de economia sobre distribuio de
renda e descobriu que 80% da riqueza estavaconcentrado em cerca de 20% da populao. No
ambiente organizacional, esse tipo de nalise encontra sua aplicao verificando que 80% (ou um
percentual alto) dos problemas so causados por 20% (ou um percentual baixo) das causas. Nesta
linha, conclui-se que poucas causas so responsveis pela maioria dos problemas, levando um bom
gestor a atacar essas causas prioritariamente, pois assim, resolve-se grande parte dos problemas.
O princpio de Pareto tambm conhecido como a regra dos 80-20.
SLIDE39
Run Chart um grfico que mostra dados observados em uma sequncia de tempo.
Frequentemente, os dados mostrados representam algum aspecto da sada ou desempenho de um
processo. O tempo geralmente representado no eixo x e o atributo observado, no eixo y. Algumas
medies de tendncia central de dados so indicadas por uma linha central de referncia.
Runcharts so analisados para encontrar anomalias em dados que sugerem variaes em um
processo com o passar do tempo, ou fatores especiais que podem influenciar a variabilidade de um
processo. Fatores tpicos considerados incluem longos runs no usuais de pontos de dados sobre ou
abaixo da linha de mdia, o nmero total de tais runs no conjunto de dados em sries longas no-
usuais de aumento ou diminuies consecutivas. Runcharts so similares a cartas de controle, mas
no mostram os limites de controle do processo. Mais simples de produzir, no permitem um
conjunto de tcnicas analticas suportadas pelas cartas de controle. Um dos perigos de utilizar
runchart a tendncia de ver cada variao como sendo importante.
SLIDE40
SLIDE41
SLIDE 42
Dados contm sinais, mas tambm rudos. Portanto, antes de detectar sinais, devemos filtrar os
rudos. Variao existe em todos os dados, e consiste de rudos, que uma variao randmica, e
sinais, que uma variao no-randmica. Os valores que so reportados devem ser filtrados de
modo a separar sinais de rudos. Essa filtragem deve estar baseada subjetivamente em experincia
profissional e em pressupostos, ou pode estar baseada em enfoques mais formalizados. Se um
enfoque padronizado e formal para analisar dados, pode haver dificuldade para interpretao e
utilizao de resultados da medio. Quando interpretamos e agimos sobre o resultado da medio,
estamos presumindo que os dados de medio representam a realidade, a menos que sinais
legitimadores possam ser distinguidos de rudos. Aes que tomamos podem no ter qualquer
garantia de sucesso. Agindo em rudos como se fossem sinais, servir apenas para ampliar a
instabilidade e aumentar a variabilidade de nos resultados de processo. A razo para analisar dados
de processo desenhar inferncias (que seriam concluses e previses) que possam ser utilizadas
para guiar decises e aes.
Deming diz que h dois modos para se obter inferncias estatsticas: estudos enumerativos e
estudos analticos. Um estudo enumerativo descritivo, para determinar quantos em vez de porque
tantos. Um estudo analtico pra dizer ou melhorar o comportamento do processo no futuro.
SLIDE43
O processo tentou indicar que havia um problema, mas ningum notou. Um sinal perdido uma
oportunidade desperdiada. Cada processo varia, por exemplo, se voc fizer dez assinaturas todas
sero similares, mas nenhuma ser exatamente igual outra, h uma variao inerente dentro de
limites previsveis, o que chamamos de causas comuns. Se algum colide com seu cotovelo
enquanto assina, haver uma variao incomum chamada causa assinalvel. Se voc um cortador
de diamantes e algum colide com seu cotovelo a causa assinalvel pode sair cara; para vrios
processos, importante observar causas assinalveis de variao assim que ocorrem.
SLIDE44
SLIDE45
Previsibilidade significa estar sob controle. Exemplos de causas assinalveis que podem levar
perda de previsibilidade:
Pessoasinadequadamentetreinadas;
Ambiente de trabalhoinstvel;
Falhasemferramentas;
Mtodosalterados;
Falhas em seguir o processo.
SLIDE46
SLIDE47
Conforme vimos, cartas de controle so utilizadas para determinar a faixa chamada de tolerncia
na variabilidade de processos. Todas cartas de controle tm uma linha central ou centerline e
limites de controle superior (upper center line) e inferior (lower center line) calculados a partir de
observaes coletadas enquanto o processo executado, isto , no so estabelecidos de maneira
arbitrria.
SLIDE48
SLIDE49
SLIDE50
Assim que as causas assinalveis forem removidas, recalcular limites uppercenterline e lower center
line, onde sero necessrias observaes adicionais para determinar limites confiveis.
Limites calculados a partir do conjunto completo de dados podem estar contaminados comvariaes
por causas assinalveis.
SLIDE51
SLIDE52
De acordo com Irving Burr, Carta de Controle o processo falando conosco. Vejamosalgunstipos de
cartas de controle:
SLIDE53
Neste slide, vemos uma tabela com colunas de dia-esforo, ao lado uma terceira coluna
denominada mR, ou moving range que a diferena entre o esforo do dia atual frente o esforo do
dia anterior. Por exemplo, o esforo do dia 1 foi 50,5 e do dia 2 foi 43,5, portanto o MR do dia 1
7. Aplicamos a mesma lgica para todas as seqncias mostradas. Os XmRcharts so utilizados
quando medies esto espaadas no tempo ou quando cada medio utilizada por si prpria para
avaliar ou controlar um processo. Para se obter o center line ou CL, deve-se obter a mdia dos
esforos tabulados. Nesse exemplo, se apurarmos a mdia, chegaremos a 45,06. Aps obter o CL,
o prximo passo obter o UCL, que o uppercenterline, e o LCL, que o lower center line, ao
aplicar a seguinte frmula: pega-se a mdia dos esforos, 2,66 multiplicado pela mdia dos
moving ranges, que nesse caso 3,38. 2,66 umaconstantenafrmula.
SLIDE54
Nesta figura, vemos o XmRchart plotado com base nas computaes realizadas para esforo do
staff da figura anterior, incluindo as delimitaes para UCL, igual 54,04, center line (CL), igual
45,06 e LCL, igual a 36,08. Tambm foi plotado um grfico da mdia do moving range, e o
respectivo UCL, 11,03 e CL, 3,38.
SLIDE 55
Para testar instabilidade em processos, devemos examinar cartas de controle para instncias e
padres que sinalizam para comportamento no randmico. Valores que sejam plotados fora dos
limites de controle e padres no usuais dentro do registro de execuo sugerem a existncia de
causas assinalveis. Vrios testes esto disponveis para detectar padres no usuais e
comportamentos no randmicos:
SLIDE 56
SLIDE 57
SLIDE 58
As trs principais razes para determinar os limites de controle de um processo estvel so:
SLIDE 59
Os limites de cartas de controle devem ser revisados para eliminar causar assinalveis, buscando
estabilidade do processo (variaes somente decorrentes de causas comuns). Os limites UCL e LCL
so recalculados conforme novos grupos de valores so incorporados (sem contaminao de valores
fora de limite). Eventos positivos ao processo, incluindo inovao e melhoria, podero deslocar os
limites de maneira favorvel com o tempo.
SLIDE 60
Nunca devemos parar de elaborar Cartas de Controle para acompanhar a estabilidade dos
processos. Devemos sempre remover causas assinalveis, mudar o processo e melhorar
continuamente.
SLIDE 61
Neste slide, vamos relacionar o passo a passo para iniciar a aplicao do Controle Estatstico de
Processo na organizao.
SLIDE 62
SLIDE 63
SLIDE 64
At a prxima!
ANOTAES DO ALUNO
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________
________________________________________________________