MIME-Version: 1.0 Content-Type: multipart/related; boundary="----=_NextPart_01DB8209.D071B130" Este documento é uma Página da Web de Arquivo Único, também conhecido como Arquivo Web. Se você estiver lendo essa mensagem, o seu navegador ou editor não oferece suporte ao Arquivo Web. Baixe um navegador que ofereça suporte ao Arquivo Web. ------=_NextPart_01DB8209.D071B130 Content-Location: file:///C:/26696B33/1983.htm Content-Transfer-Encoding: quoted-printable Content-Type: text/html; charset="windows-1252"

Automatização de Processos= como Estratégia para Reduzir a Rotatividade de Servidores na Delegacia Regional = da Polícia Federal

Process Automation as a Stra= tegy to Reduce Server Turnover at the Federal Police Regional Office

Larissa Ágata Gomes de Moraes

https://orcid.org/0000-00= 02-6608-3473

Bacharela em Administração. Instituto Federal de Brasília (IFB) – Brasil. larissa.moraes@estudante.ifb.edu.br

Daniel Soares de Souza

https://orcid.org/0000-00= 03-2210-5412

Mestre em Gestão Pública. Instituto Fed= eral de Brasília (IFB) – Brasil. daniel.souza@ifb.edu.br

Pedro Carvalho Brom

https://orcid.org/0000-00= 02-1288-7695

Mestre em Estatística. Instituto Federa= l de Brasília (IFB) – Brasil. pedro.brom@ifb.edu.br

Josué Pires de Carvalho

http= s://orcid.org/0000-0002-9611-2693

Doutor em Administração de Organizações. Universidade de São Paulo (USP) – Brasil. josue.carvalho@ifb.edu.br<= /o:p>

Lucas Santos de Oliveira

https://orcid.org/0000-00= 02-7128-8545

Especialista em Estatística Aplicada. Instituto Federal de Brasília (IFB) – Brasil. lucas.oliveira4@estudante.ifb.edu.br

Leonardo Garcia Marques

https://orcid.org/0000-00= 01-5949-4306

Doutor em Engenharia Elétrica. Instituto Federal de Goiás (IFG) – Brasil. leonardo.garcia@ifg.edu.br

 

RESUMO

Este a= rtigo aborda a questão da eficiência operacional no Departamento Regional de Polícia Judiciária da Polícia Federal em Brasília, com foco na automatização dos processos de leilões de veículos apreendidos. A necessidade de melhorar a eficiência desses procedimentos surgiu como resposta aos desafios fiscais p= ela alta rotatividade de funcionários e pela complexidade inerente aos processos administrativos e judiciais. O presente artigo tem como objetivo propor a implementação de um sistema semiautomatizado na melhoria da eficiência e na redução da rotatividade no setor responsável pela gestão de veículos apreendidos pela Polícia Federal. Ao utilizar linguagem de programação Pyth= on, foi desenvolvido um código para automatizar as tarefas manuais, incluindo a criação e gestão de processos no Sistema Eletrônico de Informações, registr= o e inclusão de documentos e geração de ofícios. Os principais resultados indic= am uma redução significativa no tempo de execução dos processos, demonstrando = uma melhoria notável na eficiência e precisão. A solução proposta agiliza os pr= ocedimentos administrativos, como também contribui para a redução da rotatividade, oferecendo um ambiente de trabalho mais estável e menos exposto a erros humanos. Além de melhorar a eficiência operacional, o estudo fornece uma compreensão sobre como a automação pode influenciar positivamente a gestão = de recursos humanos. As implicações para a sociedade incluem um serviço público mais eficiente e transparente, com processos mais rápidos e confiáveis bene= ficiando assim a administração pública e a população em geral.

Palavras-chave: automatização de = processos administrativos; eficiência operacional; redução de Rotatividade; tecnologi= a e gestão pública.

 

ABSTRACT

This article addresses the i= ssue of operational efficiency at the Federal Police's Regional Judicial Police Department in Brasília, with a focus on automating the auction processes for seized vehicles. The necessity for enhanced efficiency in these procedures emerged as a response to the fiscal challenges posed by high staff turnover= and the inherent complexity of administrative and judicial processes. The objec= tive of this article is to propose the implementation of a semi-automated system= to enhance efficiency and reduce turnover in the sector responsible for managi= ng vehicles seized by the Federal Police. A code was developed in the Python programming language to automate manual tasks, including the creation and management of processes in the Electronic Information System, the registrat= ion and inclusion of documents, and the generation of official letters. The pri= mary outcomes demonstrate a significant reduction in process execution time, indicating a notable improvement in efficiency and accuracy. The proposed solution streamlines administrative procedures, as well as helping to reduce turnover, offering a more stable working environment and less exposure to h= uman error. In addition to improving operational efficiency, the study provides = an understanding of how automation can positively influence human resource management. The implications for society include the implementation of more efficient and transparent public service processes, which will result in fa= ster and more reliable service delivery, thus benefiting the public administrati= on and the population in general.

Keywords: automation of administrative processes; operatio= nal efficiency; reducing turnover; technology and public management.=

 

Recebido em 04/08/2024.  Aprovado em 29/01/2= 025. Avaliado pelo sistema double blind peer review. Publicado conforme normas da APA.

https://doi.org/10.22279/navus.v16.1983

1 INTRODUÇÃO

 

O fenômeno da rotatividade tem sido identificado como um fator que contribui para a perda= de qualidade e de conhecimento institucional nas organizações, em resultado da saída e entrada de funcionários (Lacombe, 2005). Também conhecido como t= urnover, esse fenômeno é definido como “a flutuação de pessoal entre uma organização= e seu ambiente” (Aguiar et al., 2020, p. 244). Apesar de variar de aco= rdo com o setor e o tipo de empresa, fatores como a falta de reconhecimento, a carga de trabalho e o estresse contribuem para a rotatividade dos funcionár= ios (Guse, Gomes & Carvalho, 2018).

No setor púb= lico, a constante entrada e saída de funcionários pode gerar descontinuidade nos processos, perda de conhecimento institucional e dificuldade na implementaç= ão de políticas públicas de longo prazo (Melo & Couto, 2022). Nessa perspectiva, foram levantadas pesquisas que investigaram a relação entre o perfil dos funcionários do setor público e sua propensão à rotatividade, destacando a importância do comprometimento e da satisfação dos funcionário= s.

No contexto = da Polícia Federal [PF], identificou-se uma elevada intenção de saída dos servidores do Departamento Regional de Polícia Judiciária [DRPJ]. Por definição, o concei= to de intenção de rotatividade consiste em um “construto que mede a intenção d= e um profissional de sair do emprego atual” (Agapito, Poliz= zi & Siqueira, 2015, p. 76). Nesse contexto, essa intenção dos servidores = se justifica devido ao excesso de atividades burocráticas e à escassez de servidores administrativos. Essa escassez de servidores administrativos resultou na at= ribuição de tarefas burocráticas aos servidores da carreira policial, cuja função principal é a atividade finalística do órgão.

Ao ser consi= derada como fator contribuinte para a rotatividade, a abordagem da sobrecarga de atividades administrativas é uma hipótese a ser estudada. Outra hipótese co= nsiste na implementação de soluções tecnológicas no setor público como estratégia = para melhorar a eficiência e reduzir a rotatividade.

Desta forma,= este artigo destaca a importância de gerir a rotatividade de funcionários, especialment= e no setor público onde a sobrecarga de trabalho e a insatisfação podem ser fato= res significativos. Dado esse contexto e tais condições, emerge o seguinte prob= lema de pesquisa: de que maneira a implementação de um sistema semiautomatizado,= ao integrar a melhoria de processos, pode mitigar os desafios de rotatividade = de pessoal e aumentar a eficiência na gestão das atividades administrativas no setor? 

Este artigo = tem como objetivo propor a implementação de um sistema semiautomatizado para aumenta= r a eficiência e reduzir a rotatividade de pessoal no setor responsável pela ge= stão de veículos apreendidos pela PF. Para isso, destaca-se o uso da tecnologia = no setor público como uma estratégia para otimizar processos burocráticos e aprimorar a gestão de recursos humanos em ambientes com alta rotatividade, = com ênfase no DRPJ.

Para alcança= r esse objetivo, seguiram-se as seguintes etapas metodológicas: mapeamento e priorização das atividades administrativas, representação do processo manual atual, sistematização e simulação da implementação da = semi-automatização. Essas etapas estabelecem um percurso estruturado para aprimorar os processos administrativos da PF, com ênfase na aplicação prática e mensurável de solu= ções automatizadas ou semi-automatizadas, alinhadas = às demandas e desafios específicos do setor público.


 

2 FUNDAMENTAÇÃO= TEÓRICA

 =

2.1 Atual conte= xto e estrutura da PF

 <= /o:p>

A PF é um ór= gão permanente estruturado em carreira, mantido pela União e parte integrante da estrutura básica do Ministério da Justiça. Em outras palavras, a PF pode ser definida como uma instituição policial brasileira que atua em investigações criminais, atividades de inteligência, combate ao tráfico de drogas, contro= le de fronteiras, imigração e emissão de passaportes, entre outras atribuições relacionadas à segurança pública (Brasil, 2014). Ao atuar na segurança públ= ica, as principais atribuições da PF incluem a apuração de infrações penais e infrações com implicações interestaduais ou internacionais sujeitas a repre= ssão uniforme de acordo com a legislação aplicável. Além disso, exerce funções de polícia marítima, aeroportuária e de fronteiras e desempenha, com exclusividade, as funções de polícia judiciária em âmbito federal.

Sobre as car= reiras na PF, a estrutura é dividida em duas categorias principais: servidores policiais e servidores administrativos. Essa divisão decorre da multifuncionalidade da própria PF, uma vez que desempenha tanto funções de polícia judiciária quanto de administração federal, conforme estabelecido no Plano Estratégico 2010/2022 (Brasil, 2014).

A Lei n. 10.= 682, promulgada em 28 de maio de 2003, instituiu o Plano Especial de Cargos do Departamento de PF, com o objetivo de criar a carreira de apoio à Atividade Policial da PF. Isso se baseou no reconhecimento das funções exclusivas desempenhadas pelos servidores administrativos da instituição, que demandam= um conjunto específico de habilidades e conhecimentos. Tal reconhecimento justificou a inclusão desses profissionais em um plano de carreira distinto= dos demais servidores públicos (Lei nº 10.682, 2003).

Os servidores administrativos da PF têm suas atribuições delineadas com base no Decreto nº 72.336, datado de 05 de junho de 1973, e na Portaria n° 105, emitida em 14 = de junho de 1973 (Decreto nº 72.336, 1973; Brasil, 2018). Verifica-se, portanto que ambos os atos normativos colaboram no apoio ao trabalho policial. O objetivo principal é garantir a devida execução das obrigações estabelecida= s a partir da responsabilidade de conduzir as diligências legais associadas ao = seu cargo, além daquelas solicitadas, a fim de assegurar o cumprimento eficaz d= as tarefas atribuídas aos policiais. Dessa forma, nota-se que há uma função ch= ave para a realização da tarefa fim, e se o cumprimento das tarefas administrat= ivas for negligenciado, haverá problemas no estabelecimento das metas de cunho finalístico da PF.

Ao analisar a rotatividade de pessoal da carreira administrativa da PF, Ribeiro (2020) af= irma que há grande relação com a falta de identificação à instituição, além de s= er mais propício à servidores com menor tempo de serviço. Essa afirmação corro= bora com a conclusão do item anterior, além de nos trazer uma importante noção s= obre o sentimento da equipe administrativa da PF.

Nessa linha = de pensamento, Tessarini e Sa= ltorato (2021) destacaram que os servidores técnico-administrativos de uma institui= ção de ensino pública percebem suas funções como subutilizadas, considerando a rotina administrativa pouco desafiadora e sem a necessidade de aplicar técn= icas de reflexão. Ou seja, essa rotina não exige pensamento crítico, limitando-s= e à repetição de ações automáticas.

Além disso, = Tessarini e Saltorato (20= 21) destacam a sobrecarga de trabalho administrativo, impulsionada pela rotatividade decorrente da insatisfação no ambiente de trabalho. Esse exces= so de tarefas provoca sofrimento psicológico nos servidores que permanecem na área, o que aumenta a intenção de rotatividade e compromete a qualidade da entrega do serviço público.

Ainda segund= o Tessarini e Saltorato (20= 21), a falta de servidores técnicos também está relacionada à precarização do serv= iço público, que pode ser observada por meio das propostas de reformas administrativas que visam diminuir os direitos dos servidores. Essas reform= as demonstram a intenção de substituir cargos públicos pela terceirização e, principalmente, evidenciam a demora na aplicação de novos concursos público= s. Essa precarização é agravada pela sobrecarga de trabalho, que ocorre devido= à aposentadoria ou exoneração de servidores, sem a devida reposição.

 =

2.2 Contexto tecnológico no setor público

 <= /o:p>

Inicialmente= , é importante fazer uma distinção entre inovação e mudança. A mudança beneficia apenas a situação de trabalho de um indivíduo, ao passo que a inovação tem = um impacto que se estende a várias pessoas (Larsen, 1993).

A busca por = Inovação no Setor Público [ISP] tem sido um tema recorrente de interesse para líderes políticos e governantes ao longo da história da formação do Estado moderno, incluindo o contexto brasileiro. Isso se deve à necessidade de enfrentar os desafios socioeconômicos no âmbito nacional e nas relações internacionais (= Emmendoerfer, 2019).

No século XX= , com o avanço das tecnologias de gestão, a ISP adquiriu relevância internacional c= omo um meio de introduzir melhorias na administração pública. No século XXI, a = ISP emerge como uma necessidade premente para os gestores públicos enfrentarem = as novas demandas de uma sociedade cada vez mais interconectada, inclusive no = que diz respeito às políticas e serviços públicos. Além disso, as experiências anteriores com inovação tecnológica no setor público costumam levar eficiên= cia (Emmendoerfer, 2019).

Simão et = al. (2011) apresentam um panorama importante ao apresentar uma pesquisa que demonstra o interesse da PF no avanço e implementação de tecnologia. Na pesquisa, cerca de 70 servidores do órgão realizaram um estudo detalhado de diagnóstico estratégico, com o objetivo de desenvolver ações estratégicas e tecnológicas a serem implementadas entre 2008 e 2022.

Dessa forma,= a PF passou a adotar e disseminar a Business Process Management [BPM]. Assim, a própria PF definiu que gerenciar por process= os é uma forma mais eficaz de promover melhorias e inovações nas rotinas de trab= alho (Simão et al., 2011).

Nesse sentid= o, Silva, Classe, Nunes e Machado (2022) afirmam que a BPM só terá bons resultados se= a estratégia estiver alinhada com a organização. Em outras palavras, os servidores devem ter o interesse de guiar suas ações para obter o resultado almejado pela instituição. Por meio de estudo de caso realizado em outra instituição integrante da administração pública, Cezar (2018) obteve result= ados favoráveis à eficiência promovida por meio do uso da tecnologia da informaç= ão na automatização de processos.

No cenário judiciário, Netto, Campagnoli e Garcia (2021) contabilizaram, ao longo de 30 dias, cerca de 1.387 horas de trabalho humano economizadas através da tecnologia, ao se substituir o capital humano pela inteligência artificial.=

Santos e Aganette (2023) defendem que a implementação de BPM c= om abordagens low-code (baixo código, em tradução livr= e) resulta em vantagens significativas para as instituições, mas exigem um pla= nejamento cuidadoso e estratégias adequadas. Nesse cenário, cabe destacar que “a interseção entre a Ciência da Informação e o desenvolvimento de BPM fortale= ce a modelagem de processos de negócio, considerando a gestão eficiente da informação” (Santos & Aganette, 2023, p. 12= ).

Ramos et = al. (2024) identificaram que as organizações frequentemente enfrentam dificulda= des na aceitação da automação e na transição de dados. Nesse contexto, observa-= se a necessidade de as organizações estruturarem seus processos e criarem um ambiente organizacional que favoreça inovações e mudanças relacionadas à automação.

Apesar das barreiras, quando há ampla divulgação e treinamento ao uso da tecnologia, a administração pública se apresenta de forma menos resistente. Como exemplo = de inovação tecnológica no âmbito do setor público, que passou por testes e foi amplamente adotado em todas as esferas da Administração Pública, é possível citar o Sistema Eletrônico de Informações [SEI] (Saraiva, 2018).

O SEI consis= te em um sistema de gestão de processos e documentos eletrônicos que se destaca por = sua natureza digital e pela capacidade de compartilhamento instantâneo de conhecimento. Desenvolvido pelo Tribunal Regional Federal da 4ª Região [TRF= -4], utilizando software governamental, o SEI abrange um conjunto de módu= los e funcionalidades que visam aprimorar a eficiência administrativa. O SEI é = um dos produtos do projeto denominado Processo Eletrônico Nacional [PEN], uma iniciativa colaborativa que envolve diversos órgãos e entidades da Administração Pública Federal [APF] com o propósito de estabelecer uma infraestrutura pública para a gestão de processos e documentos administrati= vos em formato eletrônico (Saraiva, 2018).

O PEN foi in= stituído por meio do Decreto nº 8.539, datado de 8 de outubro de 2015, que obriga os órgãos e entidades da APF direta, autárquica e fundacional a adotarem siste= mas informatizados para a gestão e tramitação de processos administrativos eletrônicos. Essa iniciativa promove a sinergia entre os esforços do Governo Federal e resulta em melhorias notáveis no desempenho dos processos da Administração Pública, refletindo em ganhos de agilidade, produtividade, transparência, satisfação dos usuários e redução de custos (Decreto nº 8.539, 2015).

 

2.3 Soluções te= cnológicas para automatização de tarefas administrativas

 <= /o:p>

Após a prior= ização e escolha da atividade a ser melhorada, é importante o conhecimento das taref= as para solução mais eficiente, visto que uma atividade é composta de várias tarefas (Pavani & Scuc= uglia, 2010). Nesse contexto, algumas ferramentas podem ser aplicadas com o intuit= o de otimizar o conhecimento dos fluxos de processos.

De acordo co= m Funguetto (2021), conduzir a atividade de mapeamento = de processos é um desafio que envolve uma variedade de informações. No entanto, essa tarefa pode ser simplificada e tornada mais compreensível com a utiliz= ação de ferramentas específicas, como fluxogramas, ferramenta Suppliers, Inputs, Process, Outputs a= nd Customers [SIPOC] e Business Process Model and Notation [BPMN].

De origem in= glesa, o SIPOC apresenta um panorama geral sobre as partes da atividade, mas não especifica as tarefas que ela envolve. Nesse sentido que o Mapeamento de Processos surge como um mecanismo para a compreensão dos sequenciamentos tarefas de uma atividade, permitindo visualizar tanto o quadro atual quanto= o desenho do objetivo a ser alcançado (Pavani &am= p; Scucuglia, 2010).

A notação BP= MN recebe ampla aceitação para modelagem de processos, devido ao seu caráter mais mod= erno e com um padrão de simbologias capazes de resolver diversas lacunas de modelagem de processos. Contudo, existem outras notações menos populares pa= ra o Mapeamento de Processos, como por exemplo os fluxogramas. Apesar da facilid= ade de compreensão, os fluxogramas possuem regras simples, mas não apresentam t= odas as representações necessárias (Pavani & Scucuglia, 2010).

Sobre as not= ações para o Mapeamento de Processos, existem também as notações conhecidas por R= aias: Business Process Execut= ion Language [BPEL], Event Process Chain [EPC], Unifiel Modeling Languages [U= ML], Line of Visibility Engineering Method Enhanced [LOVEM-E], Systems Dynamics, Value Stream Mapping [VSM] e Cadeia de Valor (Pavani & Scucuglia, 2= 010).

O processo de transição de operações manuais para sistemas automatizados ou semiautomatiz= ados exige mais que apenas a incorporação de tecnologias. Primeiro, é fundamental entender o processo existente. Davenport e Short (1990) apontam que a automatização renovada em um processo ineficiente ou desconhecido apenas acelera a ineficiência. Portanto, a primeira etapa, antes de qualquer movim= ento em direção à solução, é o diagnóstico para eventuais melhorias do processo = caso seja entendida essa necessidade.

Além disso, = em um trabalho seminal sobre reengenharia de processos, Hammer e Champy (2006) ressaltam que tanto um diagnóstico mapeado, quanto um possível ajust= e de caminhos nos processos de negócios pode trazer ganhos significativos em ter= mos de custo, qualidade e tempo de serviço. Eles sugerem que as empresas, em ve= z de automatizar o processo existente, repensem e avaliem seus processos para ti= rar o máximo proveito das capacidades das novas tecnologias.

O foco na me= lhoria e no incremento de processos também facilita a transição para uma automatizaç= ão bem-sucedida, pois equipes treinadas em processos devidamente diagnosticados serão mais b= em preparadas para adotar e se adaptar as novas tecnologias (Brynjolfsson & Hitt, 2000). A automatização, nesse conte= xto, não é vista apenas como uma solução tecnológica, mas como um componente de = uma estratégia mais ampla de transformação dos negócios. Mitigar a morosidade e aprimorar a eficiência operacional é um objetivo passageiro para muitas organizações.

No entanto, = a mera automatização sem uma avaliação e melhoria prévia dos processos pode não produzir os resultados esperados. Portanto, torna-se importante considerar a melhoria e o incremento dos processos como uma fase indispensável antes da implementação de soluções automatizadas (Bezerra, 2014).

O conceito de desenvolvimento incremental refere-se à expansão gradual e estratégica de um sistema (Bezerra, 2014). Este princípio pode ser ilustrado através da analo= gia de uma mansão que evolui a partir de uma estrutura inicial com apenas duas divisões. No entanto, um incremento não se restringe apenas à inclusão de código recorrente referente aos casos de uso da iteração atual. Nos estágios iniciais de desenvolvimento, pode haver uma evolução de um design inicial p= ara um mais refinado ou complexo. À medida que o projeto avança, as adições ten= dem a ser predominantemente incrementais.

Bezerra (201= 4) ainda menciona que em um ciclo de desenvolvimento, etapas distintas como análise, projeto, implementação e testes são repetidamente identificadas, diferentem= ente da metodologia clássica, onde estas etapas são realizadas apenas uma vez. C= ada ciclo aborda um subconjunto específico de requisitos que, uma vez designado= a esse ciclo, é desenvolvido. Posteriormente, um novo ciclo incorpora um novo subconjunto de requisitos, resultando em um aperfeiçoamento e expansão do incremento anterior.

A evolução da solução ocorre por meio de versões que, por sua vez, se baseiam na construç= ão incremental e iterativa de funcionalidades, culminando no desenvolvimento integral do sistema. É importante ressaltar que, em cada iteração, apenas um segmento dos requisitos totais é focalizado. Essa estratégia de construção iterativa e incremental pode ser compreendida como uma expansão da abordage= m em cascata: o software é desenvolvido por incrementos, e cada incremento segue um fluxo em cascata. A abordagem itera= tiva e incremental reside na habilidade de segmentar os requisitos do sistema. E= sta segmentação é feita com base na relevância de cada requisito, garantindo que cada um seja alcançado ao ciclo de desenvolvimento protegido (Bezerra, 2014= ).

A Automação = de Processos de Negócios [BPA] pode ser definida como uma abordagem que visa automatizar= as atividades humanas nos processos de negócios por meio da integração de sist= emas de informações (Ramos et al., 2024). Para Cury (2016), processo é definido como uma série de etapas ou tarefas que recebem insumos e geram produtos para fins específicos. Os insumos podem ser informações, materiais, pessoas, máquinas ou métodos.

Graham e LeB= aron (1994) explicam que não existem produtos ou serviços oferecidos por empresa= s, que não tenham um processo empresarial, de mesmo modo em que não é possível existir um processo empresarial que não ofereça algum produto ou serviço.

Nesse contex= to, a automação de processos tem como objetivo primordial a melhoria da eficiênci= a, agilidade, adaptabilidade, integração, qualidade e controle das operações empresariais. Portanto, entende-se por automatização de processos a substituição de tarefas manuais e repetitivas por sistemas e software inteligentes, que levam eficiência e agilidade as áreas (Cury, Nacife, Souza & Costa, 2022).

De acordo co= m o estudo realizado por Cury et al. (2022), a automatização acrescenta valor quando se avaliam oportunidades de automação nos processos administrativos.= Ela representa uma estratégia que confere uma vantagem competitiva, pois oferece agilidade e aprimoramentos significativos na capacidade de tomada de decisõ= es por parte da gestão da empresa.

Ainda confor= me Cury et al. (2022), a implementação de um sistema automatizado permite expandir= as atividades da organização sem comprometer a qualidade e a eficiência, ao me= smo tempo em que reduz os custos de produção. Além disso, fomenta uma comunicaç= ão mais eficaz entre os diferentes setores da empresa, resultando em ganhos e vantagens competitivas ampliados.

Em relação a= o método e linguagem utilizados para realizar a automatização, Sena (2019) observa q= ue o software Dynamo, embora se apresente como uma plataforma amigável, enfrenta problemas como a perda de memória do passo a passo de su= as operações e a lentidão na execução de algumas rotinas. Sobre o uso da lingu= agem Python na programação, com o objetivo de automatização, o pesquisador afirma que a linguagem é mais popular do que o Java e possui muito material disponível para aprendizagem do seu uso. No entanto, apesar de ser= um recurso com padrão mais elevado, requer o conhecimento da lógica de programação.

Portanto, em conformidade com Sena (2019), é possível entender que a automatização ofere= ce diversas vantagens, especialmente ao reduzir a necessidade de intervenção humana em tarefas diversas. Em situações de escassez de pessoal, seja por quantidade insuficiente ou pela falta de qualificação adequada para a execu= ção de determinadas atividades, essa estratégia se apresenta como uma solução importante. Ressalta-se ainda que conforme os estudos mencionados, outro po= nto relevante é o eficiente uso da linguagem Python, uma vez que se trata de uma ferramenta inteligente que consegue identificar erros cometidos pelo programador.

 

3 METODOLOGIA

 <= /o:p>

A representação d= e um fenômeno sob investigação fornece a base para uma pesquisa científica pormenorizada, preocupada com a análise, operacionalização e mensuração, uma vez que detalhes da representação caracterizam o próprio fenômeno (Vergara & Peci, 2003). A representação dá origem a conceitos específicos e méto= dos de estudo que possibilitam a compreensão do fenômeno.

Nesse contexto, as metodologias são estratégias para solucionar problemas que reduzem a lacuna entre a representação do fenômeno e o fenômeno em si. Elas estabelecem uma relação entre o pesquisador e a situação sob análise em termos de diretrize= s, procedimentos e protocolos gerais que operacionalizam a rede de premissas incorporadas nas perspectivas do pesquisador e em sua abordagem epistemológ= ica preferencial. 

Para Vergara (201= 6), a pesquisa metodológica é o exame que se concentra em ferramentas de coleta ou manipulação da realidade. Portanto, está relacionada a abordagens, métodos, técnicas e procedimentos para alcançar um objetivo científico específico. Ao discutir a seleção de uma metodologia de pesquisa, é de suma importância considerar o que se deseja explorar e quais conhecimentos e descobertas se esperam obter com a pesquisa.

Segundo Gil (2021= ), toda pesquisa tem métodos a ser seguido, nas pesquisas qualitativas se deve selecionar o tópico de pesquisa; formular o problema da pesquisa; definir os objetivos de pesquisa; formular as questões de pesquisa; fundamentar teoricamente a pesquisa e selecionar a amostra da pesquisa. Para Cooper e Schindler (2016), os estudos qualitativos podem ser combinados aos estudos quantitativos para aumentar a qualidade da pesquisa. Os estudos que combina= m as duas técnicas de pesquisa, são chamados de pesquisa quali-quantitativa.

Nesse sentido, o presente artigo se caracteriza como uma pesquisa quali-quantitativa, pois n= ão se limita a transformar dados em métricas, mas busca solucionar um problema específico. Com um objetivo exploratório, a pesquisa adota um estudo de cam= po, embasado por uma revisão bibliográfica para o referencial teórico, além de entrevistas semiestruturadas realizadas no departamento analisado.

Sobre classificaç= ão de pesquisa, Gil (2002) afirma que o fator primordial na identificação de um delineamento de pesquisa reside no procedimento adotado para a coleta de da= dos. Com base nisso, os delineamentos podem ser categorizados em dois amplos gru= pos, a depender do uso de fontes escritas ou da interação com pessoas como fonte= de informação.

O primeiro grupo = reúne as modalidades de pesquisa bibliográfica e documental, nas quais informações são extraídas de fontes escritas, como livros, artigos e documentos. No seg= undo grupo, encontram-se as pesquisas experimentais, pesquisas ex-post facto<= /i>, levantamentos e estudos de caso, todas as quais envolvem a interação direta= com indivíduos para coletar dados. Algumas abordagens que geram discussões sobr= e a classificação incluem a pesquisa-ação e a pesquisa participante, que, em al= guns contextos, são associadas a este último grupo (Gil, 2002).

O estudo de campo= é um modelo de investigação tradicionalmente associado à Antropologia, onde teve= sua origem. Contudo, atualmente, sua aplicação se estende a diversas outras áre= as, abrangendo campos como Sociologia, Educação, Saúde Pública e Administração.= Geralmente, o estudo de campo se concentra na análise de uma comunidade, que não se lim= ita necessariamente a uma entidade geográfica, podendo englobar comunidades de trabalho, estudo, lazer ou qualquer outro contexto humano relevante.

Essencialmente, e= sse tipo de pesquisa se desenvolve por meio da observação direta das atividades= do grupo em foco e de entrevistas com informantes, visando a capturar suas explicações e interpretações acerca dos acontecimentos no interior desse gr= upo. Estes procedimentos frequentemente se combinam com uma variedade de outras técnicas, tais como análise de documentos, filmagem e fotografia (Gil, 2002= ).

 =

3.1 Lócus da pe= squisa e coleta de dados

 <= /o:p>

Para o desenvolvimento desta pesquisa, foi realizada uma entrevista exploratória c= om o delegado responsável pela DRPJ, com o objetivo de identificar, priorizar e mapear as tarefas que integram o processo organizacional. Com base nos resu= ltados, foram listadas as seguintes tarefas: Organização de escala de servidores pa= ra operações policiais; Mapeamento de viaturas para leilão; Tramitação de processos eletrônicos e Cadastro das operações gerais realizadas pela Superintendência, com o objetivo de gerar estatística.

A organizaçã= o de escala para operação policial se inicia com a necessidade de alguma das delegacias integrantes da Superintendência Regional [SR] em realizar mandad= o de busca e apreensão ou prisão. Essa demanda chega para a DRPJ que logo verifi= ca os servidores disponíveis com base em critério de férias e rodízio de participação, para então acioná-los e inserir os dados em sistema próprio de controle.

Todas as tar= efas são feitas por algum dos escrivães do departamento e é finalizada após todos os servidores escalados terem sido acionados. O cadastro das operações é tido = como simples, em relação as demais demandas e implica em cadastro dentro de um software estatístico que gera informações matemáticas capazes de fazer o ór= gão ver e quantificar a entrega de resultados.

Atualmente, o departamento também está mapeando veículos parados e criando processos que contém todas as informações jurídicas necessárias, uma vez que muitos desses carros são de apreensão. No entanto, essa atividade exige pesquisa dentro d= e um site com muitas informações, para que então sejam sistematizadas em site próprio.

A tramitação= de processos é feita no SEI e consiste em respostas sobre diversos assuntos, em formatos de despachos ou ofícios e essa atividade é feita pelos escrivães ou pelo delegado, a depender do conteúdo. Esses veículos fazem parte do proces= so criminal e da apreensão de bens, e a questão da destinação desses bens torn= a-se um tema central nesta pesquisa.

A apreensão = pode ocorrer de diversas maneiras, seja por determinação judicial, como no caso = do Mandado de Busca e Apreensão, ou por requerimento das partes envolvidas, incluindo o investigado. Os objetos apreendidos podem variar de acordo com = as circunstâncias do caso, abrangendo desde objetos relacionados a práticas criminosas até elementos de prova relevantes.

Essa logísti= ca implica no uso de planilha Excel, uma vez que a área já tem, em sist= ema próprio, os números de processo dos crimes relacionados à Lei de Drogas e c= om apreensão de veículos. Em razão da dificuldade em repassar o acesso para servidores externos, foi definido que os dados seriam levados para planilha= Excel compartilhada em pasta de rede.

 

3.2 Priorização= de demandas identificadas

 <= /o:p>

Após a ident= ificação das atividades realizadas na unidade, torna-se possível considerar soluções para os entraves observados. Foi percebido que todas as atividades possuem = importância e necessidade de execução e, se analisadas detalhadamente, apresentam oportunidades de melhoria. No entanto, nem sempre é viável destinar esforços para aprimorar um processo ao invés do outro. Diante disso, utilizou-se a Matriz de Gravidade, Urgência e Tendência [GUT] para a priorizar melhorias = nas atividades.

A Matriz GUT= é uma ferramenta essencial para priorização problemas e a definição estratégias p= ara resoluções eficazes (Daychoum, 2018). Essa abor= dagem considera três fatores cruciais: gravidade, urgência e tendência. Cada um desses fato= res é avaliado em uma escala de 1 (um) a 5 (cinco). A Gravidade concentra-se na importância da resolução do problema e em seu impacto, especialmente em rel= ação a resultados e processos de longo prazo. A Urgência está associada ao tempo disponível para resolver uma determinada situação. Por sua vez, a Tendência analisa a direção e o padrão de evolução, redução ou eliminação do problema= .

Para Pestana= , Veras, Ferreira e Silva (2016), a Matriz GUT é uma ferramenta amplamente aplicada = em ambientes organizacionais, auxiliando na otimização da alocação de recursos= e esforços. Nesse contexto, ela se destaca como uma valiosa ferramenta para a tomada de decisões informadas, permitindo às organizações priorizem ações de forma eficiente, com base em uma compreensão sólida dos problemas e de sua relevância em diferentes cenários.

Com o uso de= ssa ferramenta, foram atribuídas notas de 1 a 5 com base em uma entrevista exploratória realizada com o delegado responsável pelo departamento, considerando os critérios de gravidade, urgência e tendência. Na escala adotada, a nota 1 indica que o processo não é grave, ou seja, pode aguardar= sem sofrer alterações significativas na ausência de intervenção. Já a nota 5 representa um processo extremamente grave, que demanda ação imediata devido= à sua tendência de piora rápida.

A Tabela 1 a= presenta as notas atribuídas para cada atividade e a matriz de priorização de demand= as baseada no método GUT.

 

Tabela 1

Matriz GUT de Priorização de Demandas

Atividade

G

U

T

Explicação

R

 =

3.4 Validação d= a solução

 <= /o:p>

A validação = de soluções tecnológicas é uma prática adotada para assegurar a eficácia, confiabilidade e segurança dos sistemas implementados. No contexto da DRPJ = da PF, propõe-se a implementação de uma automatização programada para uma varredura nas bases de livre acesso do TJDFT, buscando documentos com características= e atributos específicos, categorizando-os para uma futura ação de instrumentalizar processos junto ao SEI. Essa automatização visa a agilidad= e e precisão nas ações de cunho administrativo do processo.

A metodologi= a de validação deve contemplar a verificação dos critérios de busca estabelecidos pelo robô. Isso pode ser realizado por meio de testes de caixa-preta, em qu= e os resultados obtidos são confrontados com resultados esperados previamente definidos (Basili, Selby & Hutchens,1986).

Esses testes garantem que o robô será capaz de identificar corretamente os documentos relevantes sem apresentar falsos positivos ou negligenciar documentos pertinentes.

Em seguida, a categorização dos documentos também precisa ser validada. Para isso, pode-se empregar a técnica de validação cruzada. Nessa técnica, um conjunto de dado= s é dividido em subconjuntos, permitindo que o sistema seja treinado em uma par= te e testado em outra (Kohavi, 1995). Esse método assegura que o robô categorize os documentos de maneira coerente e alinhada às expectativas da organização.

Por fim, a integração com o sistema de gestão documental deve ser meticulosamente avaliada. Uma estratégia é a aplicação de testes de integração, verificando= a efetiva transferência e armazenamento correto dos documentos (Pressman & Maxim, 2014).

 

4 APRESENTAÇÃO = DOS RESULTADOS

 =

4.1 Mapeamento = de Processos na DRPJ

 <= /o:p>

No ambiente polic= ial e jurídico, a gestão eficaz de processos é fundamental para garantir a rapide= z, eficiência e precisão na tomada de decisões, o que, por sua vez,  retorna positivamente à sociedade. Assim sendo, a busca por métodos robustos para mapear e compreender tais processo= s se faz incessante.

Neste contexto, o mapeamento de processos utilizando a ferramenta SIPOC surge como uma aborda= gem holística, proporcionando uma visão detalhada das etapas envolvidas, desde = os fornecedores até os clientes finais envolvidos do processo mapeado.

Este estudo teve = como objetivo aplicar a ferramenta SIPOC no setor da Superintendência da PF em Brasília, mais especificamente na DRPJ. A aplicação do SIPOC visou tratar os gargalos causados pela apreensão de veículos oriundos das operações policia= is, especialmente aqueles resultantes das ações antidrogas. Com base nisso, é necessária agilidade no escoamento dos veículos presentes no pátio da Superintendência= da PF, uma vez que não é possível prever quando novos automóveis chegarão e quantos serão, resultando na necessidade de sempre haver espaço disponível.=

A Tabela 2 eviden= cia a complexidade e a interdependência das etapas envolvidas.<= /span>

 

Tabela 2

Mapeamento do Processo de Preparação Documental para Leilão de Veículos Apreendidos

S

Supplier

Fornecedor

I

Inputs

Insumos

P

Process

Processo

O

Outputs

Saída

C

Customer

Consumidor

 

Os consumidores f= inais desse processo são, principalmente, servidores públicos nomeados e autorida= des competentes, que recebem os resultados organizados e sistematizados, os qua= is, de certa forma, auxiliam na gestão e na execução dos leilões. Com base na Figura 1, esse fluxo é um encaminhamento que permite minimamente que haja transparência quanto aos veículos apreendidos, desde a sua entrada no pátio= até a conclusão do leilão.

 

4.2 Automatizaç= ão Técnica Simulada

 =

Dado o planejamen= to técnico estrutural do código, os resultados obtidos pela implementação, foc= ados na automatização dos processos manuais de encaminhamentos para leilões de veículos apreendidos pela PF em Brasília, evidenciam um avanço significativ= o na eficiência e precisão dos procedimentos. A aplicação da biblioteca Selen= ium WebDriver, essencial na automatização de navegadores web, possibilitou uma interação dinâmica na busca dos documentos de interesse no portal do TJDFT com o SEI. Essa integração abrangeu tarefas críticas, além = da captura dos documentos principais, bem como o login, a navegação pelas pági= nas do sistema, a criação e gestão de processos, além da inclusão e registro de documentos.

A raspagem de documentos do TJDFT  no código anal= isado é realizada por meio de uma classe Python chamada TJDFT, que estende= a classe “webdriver.Firefox” da biblioteca Selenium. Esta classe foi projetada para automatizar a interação com o site do TJDFT, executan= do tarefas como a busca de processos e a raspagem de documentos relacionados. O processo começa com a inicialização da instância da classe, configurando o = WebDriver e definindo um diretório para armazenar os arquivos baixados.

O método “busca_p= rocesso” é responsável por navegar até a página do processo específico no site do TJ= DFT, usando o número do processo como entrada. Uma vez na página do processo, o método “busca_documento” entra em ação. Este método identifica e coleta os = endereços eletrônicos para os documentos associados ao processo, utilizando Seleni= um para interagir com os elementos da página web.

Quando um documen= to relevante, como uma sentença de perdimento ou um trânsito em julgado é encontrado, o código utiliza o “pdfkit”, uma ferramenta de conversão de documento = em formato HTML para PDF. Este processo é feito de forma iterativa para todos = os links coletados, permitindo a raspagem eficiente e sistemática dos document= os do TJDFT relacionados a um processo específico.

O código utiliza a linguagem de programação Python e a biblioteca Selenium WebDriver= . Esse código começa pela importação de módulos essenciais como “selenium.= webdriver” e “pandas” para manipulação de dados, e “datetime” para opera= ções com dados. Derivada de “webdriver.Firefox”, a classe “TCC” se concentra na interação com o SEI, com métodos como “login”, “criar_processo”, “te= la_iniciar_processo” e “incluir_documento”. O registro de documentos e a geração de cargas são executados através dos métodos “tela_registrar_documento_externo” e “inclui= r_oficio”. O método “executa_procedimento” unifica estas etapas numa operação coesa e eficiente, demonstrando a eficácia do processo de automatização.=

A inovação do cód= igo reside na classe “TCC”, que introduz, ao herdar características da classe “= webdriver.Firefox” do Selenium, métodos específicos para a interação com o SEI. O métod= o “executa_procedimento” é um exemplo de destaque, pois é responsável por criar processos, iniciar procedimentos, inserir documentos externos e registrar escritórios. Essa automatização substitui a necessidade de esforço manual, aumentando a eficiência e reduzindo a ocorrência de erros.

A inserção de documentos como sentenças de perdimento e trânsitos em julgado, e a geração= de ofícios são realizadas com precisão. Essas ações garantem a correta tramita= ção dos processos e são fundamentais para a integridade dos leilões de veículos= . Essa automação não apenas economiza tempo, mas também minimiza o risco de falhas humanas, envolvidas em processos judiciais e administrativos.

Portanto, a automatização desenvolvida representa um avanço significativo na modernizaç= ão e eficiência dos procedimentos da DRPJ em Brasília. A redução no tempo de tramitação, a precisão nas informações processuais e o aumento na eficácia = do sistema de leilões são evidências claras do impacto positivo desta implementação.

             

5 DISCUSSÃO

 <= /o:p>

A automatização d= os processos de encaminhamento para leilões de veículos apreendidos, realizada= por meio do código desenvolvido, demonstra uma redução significativa no tempo de execução em comparação ao método manual. Essa melhoria na eficiência é alin= hada com a literatura que enfatiza a importância da automação para melhoria de processos administrativos (Davenpo= rt & Short, 1990; Hammer & Champy, 2006). A redução do tempo de tramitação dos process= os não apenas agiliza as operações, mas também contribui para a minimização da rotatividade, um fator crítico em ambientes operacionais como o ambiente da= PF.

Estima-se que a a= utomatização proporcionará uma gestão mais ágil e precisa dos documentos, bem como benef= iciar o processo de leilões de veículos apreendidos. Esse aspecto está alinhado c= om as práticas recomendadas de validação de sistemas automatizados, que enfati= zam a importância de testes específicos para garantir a confiabilidade e precis= ão dos sistemas (Basili et al., 1986= ; Pressman & Maxim, 2014).

A discussão também contempla as implicações da rotatividade no contexto da DRPJ. Muitas vezes resultante de processos operacionais ineficientes, a rotatividade pode leva= r à perda de conhecimento e experiência, impactando negativamente qualidades na eficiência organizacional (Lacombe, 2005; Guse<= /span> et al., 2018). Nessa perspectiva, a automação do processo de leilão de veículos apreendido pode = contribuir para a estabilidade operacional ao reduzir a necessidade de treinamento frequente de novos funcionários e ao manter um nível constante de competênc= ia e eficiência no setor.

Portanto, a automatização vai além da mera redução de tempo, uma vez que envolve aspect= os cruciais de gestão estratégica e operacional, fundamentais para o bom funcionamento da DRPJ da PF em Brasília. Nesse cenário, esse estudo apresen= ta um ganho significativo para a gestão operacional da PF, devido ao volume de= processos a serem instrumentalizados. Com base em estimativas, são cerca de 300 veícu= los relacionados à Lei Antidrogas parados no pátio. Esse contingente resulta em= uma média de 50 horas para resolução dos processos, uma vez que cada processo demanda de uma média de 10 minutos para resolução, segundo o servidor públi= co responsável por tais tratamentos.

Com a automatizaç= ão proposta, os processos durariam, em média, 1 minuto e 57 segundos para sere= m resolvidos. Esse processo inclui as fases de varredura no site do TJDFT, o download<= /i> dos arquivos e a organização em pastas para upload no SEI. Com base nessa média, estima-se que a DRPJ terá um gasto médio de 10 horas para a resolução dos 300 veículos. A eficiência melhorada e o impacto na rotatividade formam= a espinha dorsal desta discussão, destacando a relevância e o impacto positiv= o da solução no contexto mais amplo da administração pública e da gestão de processos judiciais e administrativos.=

             

6 CONSIDERAÇÕES= FINAIS

 <= /o:p>

A literatura atual sobre automação de processos administrativos em ambientes governamentais ca= rece, especialmente no contexto de leilões de veículos apreendidos, de estudos que integram tanto a prática operacional quanto as nuances específicas do setor público. Há uma lacuna significativa em pesquisas que abordam diretamente a interseção entre automação, eficiência operacional e a rotatividade de funcionários em departamentos governamentais como a PF.

Este trabalho con= tribui para preencher essa lacuna ao apresentar uma solução especificamente para o contexto da DRPJ da PF em Brasília. A implementação de um código automatiza= do para gerenciamento do processo de leilões de veículos compreendeu não apenas melhorias significativas na eficiência e precisão dos processos, mas também forneceu insights sobre como a automação pode influenciar positivamente a rotatividade de funcionários e a gestão de conhecimento.<= /span>

Considerando o qu= e foi proposto neste estudo, ainda existem áreas que podem ser apontadas para exploração adicional. Uma dessas áreas é uma avaliação de longo prazo dos riscos da automatização sobre a satisfação e o desempenho dos funcionários,= bem como sobre a qualidade do serviço prestado ao público. Além disso, futuras pesquisas podem explorar a adaptabilidade e escalabilidade da proposta de solução para outros departamentos e contextos, avaliando sua eficácia em diferentes cenários operacionais.

Para futuras pesq= uisas, é possível avaliar os impactos de longo prazo da implementação do sistema semiautomatizado na eficiência operacional e na rotatividade de pessoal, co= mo também analisar como a cultura organizacional e as dinâmicas de trabalho na= PF influenciam a aceitação e eficácia da automatização. Além disso, cabe reali= zar um estudo comparativo com outras instituições que enfrentam desafios semelhantes para validar a eficácia das estratégias adotadas, além de estabelecer e utilizar indicadores de desempenho para medir quantitativa e qualitativamente os impactos da automatização.

Observa-se, porta= nto, que este estudo não apenas fornece uma solução prática e imediatamente aplicável para um problema operacional específico, mas também abre caminhos para pesquisas futuras que podem expandir e enriquecer nosso entendimento s= obre a automatização de processos em ambientes estratégicos e dinâmicos.<= br clear=3Dall style=3D'mso-special-character:line-break;page-break-before:alw= ays'>

REFERÊNCIAS

 <= /o:p>

Agapito, P. R., Polizzi, A., = Filho, & Siqueira, M. M. M. (2015). Bem-estar no trabalho e percepção de suces= so na carreira como antecedentes de intenção de rotatividade. Revista de Administração Mackenzie, 16(6), 71-93.

Aguiar, E. A., Cunha, E. G., Santos, J. C., Neves, M. C., Lima, N. M., & Aguiar, W. M. (2020). Proposta para reduzir o índice de rotatividade = de funcionários na empresa alfa logística. Inova+ Cadernos de Graduação da Faculdade da Indústria, 1(2), 237-254.

Basili, V. R., Selby, W., = & Hutchens, D. H. (1986). Experimentation in software engineering. IEEE Transactions on Software Engineering, SE-1= 2(7), 733-743.

Bezerra, E. (2014). Princípio de Análise e Projeto de Sistemas com= UML. (3. ed.). GEN LTC.

Brasil. Departamento Administrativo do Serviço Público (2018). Por= taria nº 105, de 14 de junho de 1973. https://legis.sigepe.gov.br/legis/detalhar/3067

Brasil. Departamento de Polícia Federal. (2014). Planejamento Estratégico 2014/2022. https://www.gov.br/pf/pt-br/acesso-a-informacao/= acoes-e-programas/planejamento-estrategico-1/planejamento-estrategico-2010-= 2022

Brynjolfsson, E., & Hitt, L. M. (2000). Beyond Computation: Information Technology, Organizational Transformation, and Business Performance. Journal of Economic Perspectives, 14(4), 23-48.

Cezar, M. R. (2018). Tecnologia da informação como ferramenta para transparência e eficácia na administração pública. [Trabalho de Conclus= ão de Curso, Universidade Federal Fluminense]. Repositório Institucional da UF= F. https://app.uff.br/riuff/handle/1/16744

Cooper, D. R., & Schindler, P. S. (2016). Métodos de Pesquisa em Administração. (12. ed.). AMGH.

Cury, A. (2016). Organização e Métodos: Uma Visão Holística. (= 9. ed.). Atlas.

Cury, L. K. P., Nacife, J. M., Souza, L. R. S., & Costa, N. L. (2022). Aplicação web para avaliação de oportunidade de automação de proces= sos administrativos. Revista Humanidades e Tecnologia, 34(1), 1-16.=

Dav= enport, T. H., & Short, J. E. (1990). The New Industrial Engineering: Information Technology and Business Process Redesign. <= i>Sloan Management Review, 31, 11-27.

Daychoum, M. (2018). 40+20 Ferramentas e Técnicas de Gerenciamento= . (6. ed.). Brasport.

Dec= reto nº 8.539, de 8 de outubro de 2015. (2015). Dispõe sobre o u= so do meio eletrônico para a realização do processo administrativo no âmbito d= os órgãos e das entidades da administração pública federal direta, autárquica e fundacional. https://www.planalto.gov.br/ccivil_03/_ato2015-2018/2015/decre= to/d8539.htm

Dec= reto nº 72.336, de 05 de junho de 1973. (1973). Dispõe sobre o Grupo-Artesanato, a que se refere o artigo 2º, da Lei 5.645, de 10 de dezem= bro de 1970, e dá outras providências. https://www.planalto.gov.br/ccivil_03/at= os/decretos/1973/d72336.html#:~:text=3DDisp%C3%B5e%20sobre%20o%20Grupo%2DAr= tesanato,1970%2C%20e%20d%C3%A1%20outras%20provid%C3%AAncias.

Emmendoerfer, M. L. (2019). Inovação e empreendedorismo no setor público. Enap.

Funguetto, C. A. (2021). Mapeamento de processos em uma indústria = do ramo ervateiro. [Trabalho de Conclusão de Curso, Instituto Federal de Educação, Ciência e Tecnologia Farroupilha]. Repositório Institucional da IFFAR. https://arandu.iffarroupilha.edu.br/handle/itemid/223

Gil, A. C. (2002). Como elaborar projetos de pesquisa. = (4. ed.). Atlas.

Gil, A. C. (2021). = Como Fazer Pesquisa Qualitativa. Atlas.<= /p>

Graham, M. A., & LeBaron, M. J. (1994). T= he Horizontal Revolution: Reengineering Your Organization Through Teams. <= /span>Jossey Bass.

Guse, C., Gomes, D. C., & Carvalho, D. R. (2018). Fatores que contribuem para a rotatividade e fidelização de profissionais de enfermagem= . Revista Saúde e Pesquisa, 1= 1(1), 57-67.

Hammer, M., & Champy, J. (2006). Reengine= ering the Corporation: A Manifesto for Business Revolution. HarperBusiness.

Kohavi, R. (1995). A study of cross-validation and bootstrap for accuracy estimation and model selection. Anais do 14th international joint conference on Art= ificial intelligence, 2, 1137–1143.

Lac= ombe, F. (2005). Recursos humanos: princípio= s e tendências. Saraiva.

Larsen, T. J. (1993). Middle Managers’ Contribution to Implemented Information Technology Innovation. Journal of Management Information Systems, 10(2), 155-176.

Lei nº 10.682, de 28 de maio de 2003= . (2003). Cria cargos = na Carreira Policial Federal e o Plano Especial de Cargos do Departamento de Polícia Federal e dá outras providências. https://www.planalto.gov.br/ccivi= l_03/leis/2003/l10.682.htm

Mel= o, C. C., & Couto, A. C. P. (2022). Limits and possibilities of the application of the Administration in a public leisure policy. Research, Society and Development, 11(9), 1-13.

Moraes, L. Á. G., Souza, D. S., & Oliveira, = L. S. (2024). Cód= igo Fonte: Automatização de Processos da Delegacia Regional da Polícia Federal (v1.0.0). Zenodo. https://doi.org/10.5281/zenodo.13146403

Net= to, S. S. M., Campagnoli, A. F. F., & Garcia, A. S. (2021). O uso da tecnologia no Poder Judiciário em busca da razoável duração = do processo e da eficiência na administração pública, com ênfase no robô judiciário 1 do TRT da 9ª região. Revista Humanidades e Inovação, 8(= 48), 175-186.

Pavani, O., Jr., & Scucuglia, R. (2010). Mapeamento e Gestão p= or Processos - BPM. MBooks.

Pestana, M. D., Veras, G. P., Ferreira, M. T. M., & Silva, A. R. (2016). Aplicação integrada da Matriz GUT e da matriz da qualidade em uma empresa de consultoria ambiental: um estudo de caso para elaboração de propostas de melhorias. Anais do XXXVI Encontro Nacional de Engenharia de Produção, 1-18.

Pre= ssman, R. S., & Maxim, B. (2014). Software Engineeri= ng: A Practitioner's Approach. = (8. ed.). McGraw Hill.

Ramos, R. G. G., Leite, O. D., Rocha, W. A., Souza, A. F., Piantino, = L. F. M., Lemos, E. P. C., Silva, H. M., & Santos, E. Q. (2024). Automatiz= ação de Processos de Negócios (BPM): aplicação do power automate na utilização de práticas ágeis. Revista Contemporânea, 4(1), 2532–2563.

Ribeiro, C. F. P. S. (2020). Identificação organizacional, confian= ça do empregado na organização e intenção de rotatividade: o caso dos servidor= es administrativos da Polícia Federal [Dissertação de Mestrado Profissiona= l, Universidade de Brasília]. Repositório Institucional da UnB. http://repositorio2.unb.br/jspui/handle/10482/38558

Santos, R. F., & Aganette, E. (2023). Plataformas de Desenvolvime= nto Low-Code na Transformação Digital e no Gerenciamento de Processos de Negóci= os. Fórum de Pesquisas Discentes do Programa de Pós-Graduação em Gestão e Organização= do Conhecimento, 4(4), 1–13.

Saraiva, A. (2018). A Implementação do SEI - Sistema Eletrônico de Informações. ENAP.

Sena, P. C. P. (2019). Automação de processos de projeto e program= ação em BIM: Dynamo, Python e C#. [Dissertação de Mestrado, Universidade de = São Paulo]. Repositório Institucional da USP. https://www.teses.usp.br/teses/disponiveis/102/102131/tde-12032020-144132/e= n.php

Silva, R. E., Classe, T. M., Nunes, M. A. S. N., & Machado, R. P. (2022). Mapeamento sistemático da literatura sobre processos de negócios de startups sob a ótica dos seis elementos centrais do BPM. Revista De Inov= ação E Tecnologia, 12(1), 50–76.

Simão, A., Macieira, A., Trapp, C., Cruz, G., Jesus, L., & Takada= , L. (2011). A Implementação de um processo de “Gestão por Processos” na Polí= cia Federal Brasileira. Elogroup.

Tessarini, G., Jr., & Saltorato, P. (2021). Organização do trabal= ho dos servidores técnico-administrativos em uma instituição federal de ensino: uma abordagem sobre carreira, tarefas e relações interpessoais. Cadernos EBAPE.BR, 19(spe), 811–823.

Vergara, S. C., & Peci, A. (2003). Escolhas metodológicas em estu= dos organizacionais. Organizações & Sociedade, 10(27), 13-26.

Vergara, S. C. (2016). Projetos e Relatórios de Pesquisa em Administração. (16. ed.). Atlas.

------=_NextPart_01DB8209.D071B130 Content-Location: file:///C:/26696B33/1983_arquivos/item0001.xml Content-Transfer-Encoding: quoted-printable Content-Type: text/xml ------=_NextPart_01DB8209.D071B130 Content-Location: file:///C:/26696B33/1983_arquivos/props002.xml Content-Transfer-Encoding: quoted-printable Content-Type: text/xml ------=_NextPart_01DB8209.D071B130 Content-Location: file:///C:/26696B33/1983_arquivos/themedata.thmx Content-Transfer-Encoding: base64 Content-Type: application/vnd.ms-officetheme UEsDBBQABgAIAAAAIQDp3g+//wAAABwCAAATAAAAW0NvbnRlbnRfVHlwZXNdLnhtbKyRy07DMBBF 90j8g+UtSpyyQAgl6YLHjseifMDImSQWydiyp1X790zSVEKoIBZsLNkz954743K9Hwe1w5icp0qv 8kIrJOsbR12l3zdP2a1WiYEaGDxhpQ+Y9Lq+vCg3h4BJiZpSpXvmcGdMsj2OkHIfkKTS+jgCyzV2 JoD9gA7NdVHcGOuJkTjjyUPX5QO2sB1YPe7l+Zgk4pC0uj82TqxKQwiDs8CS1Oyo+UbJFkIuyrkn 9S6kK4mhzVnCVPkZsOheZTXRNajeIPILjBLDsAyJX89nIBkt5r87nons29ZZbLzdjrKOfDZezE7B /xRg9T/oE9PMf1t/AgAA//8DAFBLAwQUAAYACAAAACEApdan58AAAAA2AQAACwAAAF9yZWxzLy5y ZWxzhI/PasMwDIfvhb2D0X1R0sMYJXYvpZBDL6N9AOEof2giG9sb69tPxwYKuwiEpO/3qT3+rov5 4ZTnIBaaqgbD4kM/y2jhdj2/f4LJhaSnJQhbeHCGo3vbtV+8UNGjPM0xG6VItjCVEg+I2U+8Uq5C ZNHJENJKRds0YiR/p5FxX9cfmJ4Z4DZM0/UWUtc3YK6PqMn/s8MwzJ5PwX+vLOVFBG43lExp5GKh qC/jU72QqGWq1B7Qtbj51v0BAAD//wMAUEsDBBQABgAIAAAAIQBreZYWgwAAAIoAAAAcAAAAdGhl bWUvdGhlbWUvdGhlbWVNYW5hZ2VyLnhtbAzMTQrDIBBA4X2hd5DZN2O7KEVissuuu/YAQ5waQceg 0p/b1+XjgzfO3xTVm0sNWSycBw2KZc0uiLfwfCynG6jaSBzFLGzhxxXm6XgYybSNE99JyHNRfSPV kIWttd0g1rUr1SHvLN1euSRqPYtHV+jT9yniResrJgoCOP0BAAD//wMAUEsDBBQABgAIAAAAIQC7 sS6DoQYAAGEbAAAWAAAAdGhlbWUvdGhlbWUvdGhlbWUxLnhtbOxZTW8bRRi+I/EfRntvbSd2Gkd1 qtixG2jTRrFb1ON4d7w7zezOamac1DfUHpGQEAVxoBI3Dgio1EpcyomfEiiCIvUv8M7M7non3jRJ G0EF9SHxzj7v98e8M7585V7M0D4RkvKk4zUu1j1EEp8HNAk73q3R4MKqh6TCSYAZT0jHmxHpXVl/ /73LeE1FJCYI6BO5hjtepFS6VqtJH5axvMhTksC7CRcxVvAowlog8AHwjVltqV5fqcWYJh5KcAxs R0CDAo5uTibUJ956zr7PQEaipF7wmRhq5iSj6UtfUPXLE0G5IQj2GhomZ7LHBNrHrOOBuIAfjMg9 5SGGpYIXHa9uPl5t/XINr2VETB1DW6IbmE9GlxEEe0tGpgjHhdDGoNm+tFnwNwCmFnH9fr/XbxT8 DAD7PphrdSnzbA5WG92cZwlkvy7y7tVb9aaLL/FfXtC53e12W+1MF8vUgOzX5gJ+tb7S3Fhy8AZk 8a0FfLO70eutOHgDsviVBfzgUnul6eINKGI02VtA64AOBhn3AjLhbKsSvgrw1XoGn6MgG4oU0yIm PFGvTLgY3+ViACiNZljRBKlZSibYh4zu4XgsKNZS8BrBpTd2yZcLS1og0kmdqo73YYqhOub8Xj77 /uWzJ+jw/tPD+z8dPnhweP9Hy8ih2sJJWKZ68e1nfz36GP355JsXD7+oxssy/rcfPvn158+rgVBD c3Wef/n496ePn3/16R/fPayAbwg8LsNHNCYS3SAHaJfHYJjxiqs5GYuzUYwiTMsUG0kocYK1lAr+ fRU56BszzLLoOHp0ievB2wJ6SBXw6vSuo/AwElNFKyRfi2IHuM0563JR6YVrWlbJzaNpElYLF9My bhfj/SrZPZw48e1PU+igeVo6hvci4qi5w3CicEgSopB+x/cIqbDuDqWOX7epL7jkE4XuUNTFtNIl Izp2smlOtEVjiMusymaIt+Ob7duoy1mV1Ztk30VCVWBWofyIMMeNV/FU4biK5QjHrOzw61hFVUoO Z8Iv4/pSQaRDwjjqB0TKKpqbAuwtBf0ahrZVGfZtNotdpFB0r4rndcx5GbnJ93oRjtMq7JAmURn7 gdyDFMVoh6sq+DZ3K0Q/Qxxwcmy4b1PihPvkbnCLho5K8wTRb6ZCxxL6tdOBY5q8qh0zCv3Y5sD5 tWNogM+/flSRWW9rI96APamqEraOtN/jcEebbo+LgL79PXcTT5MdAmm+uPG8a7nvWq73n2+5x9Xz aRvtvLdC29Vzg52MzZwcv3pMnlDGhmrGyHVpJmUJm0UwgEVNbI6LpDg7pRF8zZq7gwsFNjRIcPUR VdEwwilM2Q1PMwllxjqUKOUSjnhmuZK3xsOkruwBsaWPDrYpSKy2eWCXl/VyfkIo2JgtJzRn0VzQ smZwWmHLlzKmYPbrCGtopU4trWFUM/3OkVaYDIFcNA0WC2/CFIJgdgEvr8CBXYuG0wlmJNB+txtw HhYThfMMkYxwQLIYabsXY9QwQcpzxVwMQO5UxEgf907wWklaW7N9A2mnCVJZXPMYcXn03iRKeQbP o6SL90g5sqRcnCxBBx2v3VpqecjHacebwMEWvsYpRF3qwQ+zEG6KfCVs2p9YzKbK59Fs54a5RdCA Cwvr9wWDnT6QCqk2sYxsaphXWQqwREuy+i+1wK3nZYDN9NfQYnkVkuFf0wL86IaWTCbEV+Vgl1a0 7+xj1kr5VBExjIIDNGZTsYsh/DpVwZ6ASrifMB1BP8CNmva2eeU256zoyvdYBmfXMUsjnLVbXaJ5 JVu4qeNCB/NUUg9sq9TdGHd2U0zJn5Mp5TT+n5mi9xO4LlgOdAR8uNcVGOl67XhcqIhDF0oj6g8E TA+md0C2wK0svIakgttl81+Qff3f1pzlYcoaTn1ql4ZIUNiPVCQI2YG2ZLLvBGaNbO+yLFnGyGRU SV2ZWrXHZJ+wke6BK3pv91AEqW66SdYGDO5o/rnPWQWNQz3klOvN6SHF3mtr4J+efGwxg1FuHzYD Te7/QsWKXdXSG/J87y0bol/Mx6xmXhUgrLQVtLOyf00VzrjV2o61YPFSK1cOorhoMSwWA1EKlz5I /4H9jwqf2R8q9IY64rvQWxH85KCZQdpAVl+wgwfSDdIujmFwsos2mTQr69psdNJeyzfrc550C7lH nK01O028z+jsYjhzxTm1eJ7Ozjzs+NquHetqiOzREoWlSX6aMYExv3GVf4Ti47sQ6E245J8yJU0y wa9LAsPoOTR1AMVvJRrS9b8BAAD//wMAUEsDBBQABgAIAAAAIQAN0ZCftgAAABsBAAAnAAAAdGhl bWUvdGhlbWUvX3JlbHMvdGhlbWVNYW5hZ2VyLnhtbC5yZWxzhI9NCsIwFIT3gncIb2/TuhCRJt2I 0K3UA4TkNQ02PyRR7O0NriwILodhvplpu5edyRNjMt4xaKoaCDrplXGawW247I5AUhZOidk7ZLBg go5vN+0VZ5FLKE0mJFIoLjGYcg4nSpOc0IpU+YCuOKOPVuQio6ZByLvQSPd1faDxmwF8xSS9YhB7 1QAZllCa/7P9OBqJZy8fFl3+UUFz2YUFKKLGzOAjm6pMBMpburrE3wAAAP//AwBQSwECLQAUAAYA CAAAACEA6d4Pv/8AAAAcAgAAEwAAAAAAAAAAAAAAAAAAAAAAW0NvbnRlbnRfVHlwZXNdLnhtbFBL AQItABQABgAIAAAAIQCl1qfnwAAAADYBAAALAAAAAAAAAAAAAAAAADABAABfcmVscy8ucmVsc1BL AQItABQABgAIAAAAIQBreZYWgwAAAIoAAAAcAAAAAAAAAAAAAAAAABkCAAB0aGVtZS90aGVtZS90 aGVtZU1hbmFnZXIueG1sUEsBAi0AFAAGAAgAAAAhALuxLoOhBgAAYRsAABYAAAAAAAAAAAAAAAAA 1gIAAHRoZW1lL3RoZW1lL3RoZW1lMS54bWxQSwECLQAUAAYACAAAACEADdGQn7YAAAAbAQAAJwAA AAAAAAAAAAAAAACrCQAAdGhlbWUvdGhlbWUvX3JlbHMvdGhlbWVNYW5hZ2VyLnhtbC5yZWxzUEsF BgAAAAAFAAUAXQEAAKYKAAAAAA== ------=_NextPart_01DB8209.D071B130 Content-Location: file:///C:/26696B33/1983_arquivos/colorschememapping.xml Content-Transfer-Encoding: quoted-printable Content-Type: text/xml ------=_NextPart_01DB8209.D071B130 Content-Location: file:///C:/26696B33/1983_arquivos/image001.png Content-Transfer-Encoding: base64 Content-Type: image/png iVBORw0KGgoAAAANSUhEUgAABb4AAAMOCAYAAADRARA3AAAAAXNSR0IArs4c6QAAAARnQU1BAACx jwv8YQUAAAAJcEhZcwAAIdUAACHVAQSctJ0AAPNdSURBVHhe7N0HnFTl1cdxu1GjxpLXkkSNGms0 GhXUaAwqgoCCCNKkg3Skd6T3Jr333pbey9I70nvvHTtSdve8ew5zx10YYMvscOfO75vP+dzyPLfM End3/vvMc28QAAAAAAAAAAA8hOAbAAAAAAAAAOApBN8AAAAAAAAAAE8h+AYAAAAAAAAAeArBNwAA AAAAAADAUwi+AQAAAAAAAACeQvANAAAAAAAAAPAUgm8AAAAAAAAAgKcQfAMAAAAAAAAAPIXgGwAA AAAAAADgKUkOvs+ePSvbtm1zRR08eJCiKIqiKIqiKIqiKIqiKIqKoDp//rwvrb62JAffmzZt8q1d X7/99pt8++23vi0AAAAAAAAAQCQ4dOiQb+3aCL4BAAAAAAAAAK5H8A0AAAAAAAAA8BSCbwAAAAAA AACApxB8AwAAAAAAAAA8heAbAAAAAAAAAOApBN8AAAAAAAAAAE8h+AYAAAAAAAAAeArBNwAAACJa XFyc9O7dO+S1ZcsWu3akFAAAABBKBN8AAACIaD/88INs3LjRfoel0qb093IAAAAglAi+AQAAENEI vtO+CL4BAAAQagTfAAAAiGgE32lfBN8AAAAINYJvAAAARDSC77Qvgm8AAACEGsE3AAAAIhrBd9oX wTcAAABCjeAbAAAAEY3gO+2L4BsAAAChRvANAACAiEbwnfZF8A0AAIBQI/gGAABARCP4Tvsi+AYA AECoEXwDAAAgohF8p30RfAMAACDUCL4BAAAQ0Qi+074IvgEAABBqBN9Ikrg4kXMXYuTMuQvUNers +Ri5EBvr+8oBAAC3I/hO+yL4BgAAQKgRfOOq4uLiJHrrIXms1hC5uXQvKol1S3yVHDRffjl73veV BAAAbkXwnfZF8A0AAIBQI/jGFWnonafXTAtx328eJQtW75f9R36Tk98LdYU6cTpONu/6QVqPWi5/ /rq//KFcH9l2NL4BAAC4FsF32hfBNwAAAEKN4BtXVGHEIvlDmV6ydP3RgCEvdfU6fipWPmk5Xu4o 10d+O3/B91UFAABuQ/Cd9kXwDQAAgFAj+EZAp37+zabsGLtwZ8BQl0paHT0ZI/dW6CufdZ9u86QD AAD3SUrwnZRgXPsE6hfMUD2Y5wplEXwDAAAg1Ai+EVCLaWvk/yr0tak7AgW6VNJr1JwtcluZXhIT S/INAIAbJSX4LlOmTMD9CWvx4sUyffr0y/ZPmTLlsn0pqQ0bNsiIESMCtqVFrV+/3q4ZqC25RfAN AACAUCP4RkBvtRwv6ZuODRjkUsmrrft/tdHzMbGxvq8uAABwk+QE3wsXLpTly5fLokWL/G26rvud 4HvlypW2X8+5du1af3isx3333XeJwuR169bJxIkTrZ9ur1mzRiZMmOBvd2ratGl2rBN8L1u2LFHI rsePGTPGrqnX0X16Ll0uXbrU+ut9ab+pU6f6j1uyZIndt65rn9WrV8ucOXNse9CgQTJz5kxb1xB8 3Lhxie5z8uTJSQ7GCb4BAAAQagTfCOi+Sv3lv60nBQxyqeTVzkNnLfi+QPANAIArJSf4vummmyyA HjlypC0rVaokK1assMDYCb7LlStnfTXUHjZsmMybN8+28+fPL/Pnz/eHxXrN4sWLW7+iRYvavuee e862dd2pV1991QLngQMHWvDdt29fWbBggV0zXbp0tmzatKkdp+f+4osv7Dj9PViXGTNmtHutWbOm 9O/f3+5Bw++xY8faPUdHR1v4/u6779p5NUDXwFuXGozreQsXLmxLfW3O/TrXS3ivVyqCbwAAAIQa wTcC0uD7vTYE38Eogm8AANwtOcH3gw8+6N+3atUqeeihh/zbSQm+E15H9zujq3X0tIbbffr0kfTp 0/v7aH355Ze21FHXGnznypXL35Y9e3aJioryb2vlzp3blk7wnSlTJlsOHTrUlnqdIUOGSLZs2aR2 7dpWGoJ/+OGH1q6vS0NvDcN1XYNyZ4S7huQ6Mrxnz552Xn2Nuv9aRfANAACAUCP4RkAE38Ergm8A ANwtOcH3n//8Z/8+DYU1zNapRLSc4Ltjx4423YgG0pcG386xWnrNggUL2rQhhQoV8p9T+zvTlGi9 9NJLNmK7VatWFnz37t1bZsyYYSPNCxQoYFOYNGrUyI7RIPrpp5+2dSfIvlLwraPW9Vo6Ylz768hw bXeCb72GBvJ6Tr137VO2bFnb1tc7e/Zsm/5Ej7lWEXwDCGf6B8ccOXJcl4qJiYnIAoBgIPhGQATf wSuCbwAA3C0pwbeOctalzuXt7HOm+dBpQ3Tkto7IdubA1sBYA2QNrJ1+zlzaCUv7OOGybs+dO9c/ r3bCckaE6/l0W6+XcI5vDdq1j15L70PXNRjXNp2uRJdOmK6vVcNuXddw25nzW8NsXeo5tK/20/M4 x+q6nlu3r3SfVyqCbwDhzPneS4Wm9u/f7/vKA0DqEHwjIILv4BXBNwAA7paU4JtKXRF8AwhnBN+h LYJvAMFC8I2ACL6DVwTfAAC4G8F32hfBN4BwRvAd2iL4BhAsBN8IiOA7eEXwDQCAuyU3+NbpPq7U /9KHPTrTnIRDOdOfpEURfAMIZwTfoS2CbwDBQvCNgAi+g1cE3wAAuFtyg+9+/fpd1t+Z77pq1aqJ 9utDJBNuu7n0IZqB9gejCL4BhDOC79AWwTeAYCH4RkAE38Ergm8AANztWsG3juLu3LmzDBgwwLY1 +NaHXbZp08Ye+jhs2DDJmTOnPShyxIgR1sdpd47Rkd89e/b0h+a63alTp0QPiNQR1xqutGzZ0j9y vHfv3nZtPUbb2rVrZw+W1Dbd179/f1vXUejarg+81ON1Xffpgy1Hjx4tY8aMkYkTJ1pffTCmXtt5 UOXYsWPtNfzzn/+0fQsWLLD9o0aNsvscNGiQDBw40O6pS5cudi5t137t27f3PzTzakXwDSCcEXyH tgi+AQQLwTcCIvgOXhF8AwDgbtcKvv/3v//ZUkPkoUOHWnjthMPvvPOOLZ2R3h988IGd66OPPrLt r7/+2pbp0qXzX0PD6zx58viDZ6eio6OlW7du1u/pp5+2fRo8L1++XMaNGyfvv//+ZVOnVK9e3ZYa SOtxa9eutfN+9dVXFtQ418+ePbvtX7p0qfTq1cvW9XVNmDBBFi9ebOe99957LcTWgF6PyZIli+1/ 5JFHbFuP0e3WrVvbuQsXLnzVr1vCIvgGEM4IvkNbBN8AgoXgGwERfAevCL4BAHC3awXfmTNntqX2 yZo1a6KpTv7617/askqVKrbU4FvDZ2ek9+DBg21500032VKrQIECtnz33XdtVLWzX4NvZ/3222+3 oFn7aDjdo0cPC51ff/11mTRpkr+fjiyfNWuWPPHEE3ZPjz/+uI3QLl26tAU1Tt/PPvvMljq6u3Hj xlbNmjWTatWq+V/Liy++aMF39+7dbfvjjz+2a7722mu2PX78eKlYsaK1r1q1ykaeP/bYY7au7Vcr gm8A4YzgO7RF8A0gWAi+ERDBd/CK4BsAAHe7VvCdL18+G3WtU3zoUoNvHfmtoXPt2rWtz6effmqB twbfuv3GG2/Y1CX/+te/bFuDaB1trVObTJkyRSZPnmyBsU6R4lzn0uB72rRpMnv2bAuaNfjWgHvl ypU2Wtzpp/f9t7/9za6tIXWDBg1sNHrevHktqNFraT8n+NZr6r3ovekocp0aRcPwefPm2Yhvnc7k 888/t9d5zz33JAq+9borVqyw0eN6Hp0yRcNvnQbFuZ8rFcE3gHBG8B3aIvgGECwE3wiI4Dt4RfAN AIC7XSv41jYNfJ25rJ0pP3Sfc5yGIho+azl9NKTWfs45dNsJTzRgTni8ltNXy7mWcw6tQMdoOdfU 0kBaj9V92s85Z8I+up7wPM4xzjV1qfucczjH6roep+fUdX0t2s8579WK4BtAOCP4Dm0RfAMIFoJv BETwHbwi+AYAwN2uFXxTqS+CbwDhjOA7tEXwDSBYCL4REMF38IrgGwAAdyP4Tvsi+AYQzgi+Q1sE 3wCCheAbARF8B68IvgEAcDe3BN96DwmnJNHSqU50LvGED7R0KqlBjE67cr1fH8E3gHBG8B3aIvgG ECwE3wiI4Dt4RfANAIC7uSH4XrRokXzyySdSpUoVyZIli/9+9CGVOuf2yJEjE/XX9rZt2ybad6XS 0Px6hzYE3wDCGcF3aIvgG0CwEHwjIILv4BXBNwAA7hbK4FsfDFm1alXp3Llzov1vvPGGf11HaH/4 4Yfy9ddfS9asWWXp0qUyePBgaxsxYoR89dVX9qDLBg0a2L6JEydK0aJFZfr06f5zaM2fP19KlSpl x2poo6PJa9SoIV26dEnULxRF8A0gnBF8h7YIvgEEC8E3AiL4Dl4RfAMA4G6hDL4zZsxoAcqwYcNk yZIlifYn7Hf77bfbslu3brasU6eOzJo1SyZMmGDber/p06eX5cuX+0PxSpUqWWjutOfPn9/WW7Vq ZdcsXLiwjR4fOnRoyF6vUwTfAMIZwXdoi+AbQLAQfCMggu/gFcE3AADuFsrg+8EHH5SePXta6dzd zv4333zTv66jwtOlS2frCYPvDh06WJtuO8G3jvJ2wu7x48dbsK3ruq9hw4a2HhUVZaHNM88847/2 pXOJp3URfAMIZwTfoS2CbwDBQvCNgNIq+D587Jzs3H3aX8dPxcqR+H1bdxyXE6fjrI8ud+35/rJj L60jx8/7z3PsZEzAPlerjVsOBdwf7CL4BgDA3UIZfLdr105GjRplYXTC/WPHjpWKFSvaiO7cuXP7 93fv3t2WdevWtbBaR3XryG8NuN9++20LuHVkd3R09GWjxnW6lDlz5kjZsmUttNGR33rd0aNHJ+oX iiL4BhDOCL5DWwTfAIKF4BsBpVXwfejob7J562H5X4aPZMu2I3L0xAX5smBx2bj5oLRs3dmC8EqV a8tzz78Y8PiENXX6Ypk2Y4md58jxc4na9LzzFq7xbycM1Z31A4d/vaw9LYrgGwAAd3PDwy29XgTf AMIZwXdoi+AbQLAQfCOgtJzqREPmTJk/sfVlK7bI6rW7bb1QkVL+Pjk/z+tfv1Jp8L185TY7n44k L1KstAXnxUuWlyeeeEoeefQvsmLVdgvWP8+VX3buOS3p3/yP5MiZ144pWaqi9c+Vu4B8mj2XrQe6 TmqL4BsAAHcj+E77IvgGEM4IvkNbBN8AgoXgGwGFKvgeMWqqbN1+zNYLFf7K3+fS4PvwsbMWYu/Y fcq/T4Pv2nUaS/tve9m0J7PnrpShwyfaqHINwmdHr7R+H2fJYdfU2nvgJ+nVe6hs2nrEH3w/9dQ/ /OdMiyL4BgDA3Qi+074IvgGEM4Lv0BbBN4BgIfhGQKEKvr9bt0cWLdlg68VLlPP3uTT41mN0Hu+E o7I1+NYw3NnWObvz5S9ifTT4njV3he0vVLikLVu16SobNh+UqHGzZOPmQ/7g+4s8Bf3nSIsi+AYA wN3cHHwnfABmwlqwYEHA/W4tgm8A4YzgO7RF8A0gWAi+EVBaB9+5fWGzruf8PJ9807CVrFi9w98n 4ejvK9XMOcsl/ZvvyLvvvi9z5q2SylXq2MjwsuWq2nmzffK5bN91yra1f78BY+TbTn2kVp0msmnL YakU31+D7xIly1927mAWwTcAAO7m5uB75MiRl+3Te82ePftl+4NRVapUCbg/tUXwDSCcpTT4njt3 bsD9V6sKFSrYA4w7d+4csD0tqn///rJixYqAbQmrU6dOtmzfvr3Mnj1bFi1adFmfYBTBN4BgIfhG QGkZfEdaEXwDAOBuwQq+e/bsKe+//76N0p43b55VhgwZ/GFCjx49rH3lypXSu3dv+d///ifTpk3z t33wwQeycOFCKVWqlDRv3tz2v/vuu7bs1auXZMuWTYYMGWL3quuFChXy9+vYsaOdT0eCr1+/3kKM Dz/80O5B+7Vr18766fX0OuPGjZMNGzbIsGHD7FyDBg2SSZMmyZ/+9CepVauWrFu3TsqUKSOffvqp BTB6bGqK4BtAOEtJ8N2tWzfJmDGjfa/V7S+//PKyPgnL6ZcvXz77vqvfyy/to3Xp/kA/v5xzOetX +hnn9OvatassX77c1i89f8JzOW0NGzaU6dOn+3/mOO1aCfuntAi+AQQLwTcCIvgOXhF8AwDgbsEI vjXc1pBDl2+//bbMnDlTJkyYYOd97LHHZO3atRIdHe3vr9saMmTJksW2NWDW5b333mvLSpUq2bHO dvny5W353//+1/brNRLu1/PptR9//HELIerUqWP97rzzTmsvVqyY7c+UKZP100BdtzVk1/ZXX33V lm+88YYtNfTW8ELL2ZeaIvgGEM5SEnznypXLPrWjPw+WLFkiL7zwgjRp0sRGS69evdq+v37zzTe2 1D84auCtPxec4PuTTz6R+fPn2ydx9GfE5MmTpWTJktKgQQMpUaKEXeOrr76SypUr+6+p52natKn1 09HmOiK7fv36kjlz5kQB9UcffSQtW7a0fnp/TvCtP8c01NY/iOrPkLx581q/jz/+2O4zZ86cdrwT fOsfX/X8epzur1q1qhQuXNju27lWSorgG0CwEHwjIILv4BXBNwAA7haM4FsDhr59+8r48eMtnNAg wWl74IEHZM6cOYlGTmvgrR8Tz58/v21r6KDLJ5980pYajiQMvjt06GBLDT90vzPVifbTMEIDbQ3W 77//fgs3+vXrZ+062lCXGpA7o7j1HrW034ABA6w9Xbp0tnRC7hw5cthSr/XUU0/ZemqK4BtAOEtu 8K39NeDWEdHOHxid0PjS4Fu/z44YMULKli1rn8ZJGHw759LwW9cXL15snwC677777DgNrnW/Uxp8 r1q1yv4Yqp/00e/7+omePHny2LFOPw2+nSBcfw45wbd+YknPr5/+0fsrWrSo9SlYsKDd06XB94wZ M2xbQ31djho1yoL4oUOH2nZKi+AbQLAQfCOgYATf23aekH0Hf7lsv86/3aJVZ9m559RlbamtQ0fP xl/zZ9m09XDA9quVzjF+6OhvAdtSUwTfAAC4W7CmOtERcmPGjLGQetasWf79OuJbz581a1YZO3as hQs6LUmfPn3kiy++sD7du3e35YsvvmhLHUWnxzzyyCO27cyrmjt3btvvHNeiRQsLL3QkuE5v8tBD DyUKtPWedKlBhB6nwbne49dff22hhgYi2q7H61IDeR2pPnHiRAtQdI7Z4cOHW1tqiuAbQDhLbvCt I6V1ain9WaB/qNTjP//8c/s+3KVLF1m6dKnt0+Bbp7rSnwv6B9RLg2/tr+Gzfr/W82pgrfuefvpp W9atWzfRdfX7th6rgXfbtm1t9LX+TNBpsi4NvrWPBuT6CSMn+H7ppZfsvPpHWL2m/qzQ/kWKFAkY fDsPWv6///s/+7mh02vpp4oIvgG4BcE3AgpG8H3s5AV7eKSua9itpes7dp+SRUs2+Ps5fZxy+iVs S9jHznXZMRe3Fy/dJMtXbZede0772y47NsH5ndI+4ydFy94DP/m3L+2T0iL4BgDA3dz8cEuvFME3 gHCW3OBbA2hnXT+NM2XKFHsOhE4boufSUeC6rs970FHW1apVsz9e6qeFmjVrZqG0TiEydepUW7Zu 3dqCdB3h3apVK1vqzy09PuF19Rp6rBN26x8yNVzXP3JqsO300+C7UaNGUq5cOQu/9Q+iOgpdt/W+ dHosDb71+RHav02bNtZPj9Ftva5OZ6IBvm7r/OXarg/m1D/q6n0710pJEXwDCBaC72SKjYuVH387 Iav2T5JZ23rJ1E2dZdmeKDn0w1a5EHve1yv8BSP4njh5nmzacljKV6guXbr1l88+zyuHj52TjBmz yIcffiwHj5yRWnWayOe58ku3HoPtmAJfFpcq1erJqLHTZdiIyZInb2GZNWeF5MqdX8ZEzbQ+ZctV lazZPpNtO45bUF26bGUpWKikhdVNm3eQL74oKPW+aWEB9+ioGZIvfxFp1bqzHDl+XipUrCGFi5Ty 36P26d5ziOTJU1Dq1Gtm55s0ZUH89QpIzdqN/P1SUwTfAAC4G8F32hfBN4Bwltzg2+3ljBwP1OaG IvgGECwE30kUGxcjaw7OkDKjnpCiw/5Pyox+XEqN+ouUHfOElB39dyk+/CEpMfIRGbu2hZy7EP6/ 2Acz+C5Xvppt69QnU6YtlK07jsmGTQdl9twVsnnrEWvTwProiQvy6r/T27YG35u3Hpb9h36RVm26 2j4NuzWo3rDpkAwfNUV69Boq9eo3j993cXT2d+v2SPT8NbY+dvwsOzZrtpyyZOkmqfB1Ddmy/ajU rNVQDhw+Y320dL1Bw1a23r3nIAu+Dx75TZYu32Lht9MvNUXwDQCAuxF8p30RfAMIZ14LvnWaEoJv AJGA4DsJfjv/s3wd9YKUGPGIdFyYRXad/VYOS/dEdSium4xcX1zKjHrcQvCdJ1ZKXFyc7wzhJ5jB d8VKtWx7+66TEjV+tj/41pHcTvCtc37riOxSZb62bQ2+db5uHRXujPT+OEt2iV6wRuYtWCs7dp+0 kdoVKlaXYydjLBDX4HvuvO+s7/iJc+zYipVqWptT2rdQ4a/sWtpPw/G27XtYW+cu/Sz41uvodpVq da1PaovgGwAAdyP4Tvsi+AYQzrwWfKdVOXORJyz9+Zrcn7EE3wCCheD7Gn767aQUG/5/UndyOjkY 2/WywDtQ9V9VwI5ZsHO4xMX/LxwFI/ieOXuFbNl2VBo3bWvbu/aclinTFtvIbyfwzp7jC+nSbaD0 7jfCtuvWa2rLSVMXWPB96MhvMnnqQttXrHhZ2bHrlJT4qrw0aNhaBg+dKHv2/yi5vvhSWrftamH1 V6Uq2kjwBo3a2DEdO/ezYLtS5bqyccvh+H7dbVoUbXNKp0rp3XeEHacPxixWoqy069BT6vjuJbVF 8A0AgLsRfKd9EXwDCGeBgm99gKM+APjSebavVcWLF0+0rQ+QvNrPIJ3fe+XKlTZXd6D2pJaO8g60 PzWl961zgjvr+mDmhO061/h7771n84En3K9927Vrl2hfwiL4BhAsBN9XcSH2nJQc8ai0ic5oI7oD hdxXqhXHGtjI781HF/nOFl6CEXyHqvRBlu079grY5oYi+AYAwN0IvtO+CL4BhLNAwbc+AFJ/dlzp 54eOfk7Y5qxfGnwn7KNBccI23XaC7yv10/VA13HKGYWdMPgONDL7avuduvT+tJzr6fLSdn2oZ8Lr 6oM3nfVL7zNhEXwDCBaC7yvQaUpqTHxNKo59Ltmht1OD1xaUkiP/EpZzfodT8H3k+DkbHR6ozQ1F 8A0AgLsRfKd9EXwDCGeBgu8iRYrI4sWLZenSpTaiuUePHjJkyBBZtmyZ1K1b17b79u0rCxYskFq1 akmZMmWs36XB99/+9jdbFi5cWEaNGiX58+e37cyZM8vw4cNtqcH3m2++afsLFChgo81HjBhhI86H DRsmn3zyif0cy5AhgwwcOFDefvttC7EbNGggAwYMsJB+2rRpdr+VK1e249q3b++/Bw2k9Vi9/0ce ecTOVbNmTWv79NNPZe3atVKqVCkZPHiwZMqUKdHPTN2v2506dbLR64sWLfK3NWzYUJo2bSqrV6+2 4/S+neO1r9Pv0iL4BhAsBN9XcPjHHTZdyd5zHQOG2kkpDczLjXlKBq2o4Ttr+Ain4NvtRfANAIC7 EXynfRF8AwhnVwu+NejWbQ23dXS2/jzRMNjplzdvXqlfv76VTu9xpeBbA2JdZsuWzYLiXr162Xar Vq38wfeaNWsSBdYaurdp00Yef/xxa8uePbvt19Bdj8mTJ49t6z1p8K3htjPq2gnYtXS6liVLltj6 Cy+8YP0vDb51ypJGjRrJ559/bvfnHOsE3927d7e+Y8aM8bdNmjRJZs2aJR07drT70X116tSxUJ7g G0AoEHxfQbOZWaTWpH8HDLSTU9N3fy2lRz7u2rm+a9euLR9//LFv63epCb6rVa8XcH/C2rrjuM2n /W2nvvbAydp1mgTsd2nNiV4lM2cvlyXLNwdsv1LVqZ/0+bo7de0fcH9Ki+AbAAB3I/hO+yL4BhDO AgXfCQNsDXILFSpko7P150muXLlsqVN/aDC8YsUKf78rBd8tWrSwpY7e1qDZmS+7YsWK/uBbQ+sK FSrYufVc7777ri31ehp861KP0dBcj0mfPr1tT5061eqzzz6z/Xq8BvLapqVh9YwZM2z/U089ZUsd Ja5tH374od1Pvnz5/K/JOU5LX9+gQYNk+fLlsnDhwoDBt45Cnz17tu1zRqcTfAMIBYLvAC7EnJfi Ix6SydsrBAyzk1M7z3aQ4sMflu3HlvnO7i4HDhyQG264QW699Vb7S7IjucH38VOx/vXPcuaxpT5s MuF+LQ25dan7tb1GrUa2L2++wvHbsYn6O30TVu4vvpQDh3+94tQmx0/9foxzDV3P/2VR/36tS+8t 4XG1614M4S+9d72/QPuvVQTfAAC4G8F32hfBN4BwFij47tChg1SrVs1KQ2MNlHXUtJZOadK4cWPp 16+fBcU6yllHdGsA3qdPn0Tn0elIdDl+/HhbdunSxcJsHbXdtm1bmx5EQ21d1/axY8dKs2bNrL9O paIPl9RpRjQU11HX2kfn1dZjdNmkSROZM2eOTUGi561Xr56F7M4IbC39GajTs+jI7Oeff9629fqa EegodX0Nei4d8a3XSnhc+fLlLRjX1zh58mSJjo72t+s0LzoqXfvpPWuYrwG4busULE6/S4vgG0Cw EHwH8Ou5H2yak0BBdkqq5Ii/yOytvX1nd58//vGPFn5rPfHEE3LixIkkB9/bd56QVm26SvOWHaVU 6coWKGvwfejob1K/QUspUbK8bNxySMaMnSEDB4+TryvVkrUb9sqSZZtk287j/uD70+y5pXOX/vJF 3oIWLA8cMk4aNmot5SpUT3S9XLkLyN4DP9m83l27D7KR4x069ZYDh89I46ZtpVHjNjJuwlxZuGS9 NGnaTsqUqyJHT1xIFHzvP/SLVIy/j7btu9v91q3f3PoW+LKE3UvlqnWkb/9RUrxEOVn13S4ZNmKy dO46QKZMWygtWnWyvvUbtrRjE97blYrgGwAAdyP4Tvsi+AYQzgIF316tF198MUk/EzVonzhxos1D Hqg9NUXwDSBYCL4DOPLjDik+/KGAIXZKqvqEf0qRb/5rfwl1Y7322mv+4Ntfz7+b5OB74uR5tv5t pz42GluDbw2v587/zkLi1m27yoiRU+TI8fNWX5WqeFnwnTt3ATvHmKiZsnPPadmx+5SMmzBb3njj 7UTX+zhLdpvuZMv2Y3aNosXKysjR06x/Z98UJRpIv/zK6/HnmiVdug2UtRv2JQq+d+w6KeUr1pBd e7+3EL1v/5G2f/Xa3bJi9XYpVrysnVvrm4atLPhes36vBea5viggY8fNir/fL63dOefViuAbAAB3 I/hO+yL4BhDOIin4njdvXpKD77lz5wZsS20RfAMIFoLvAI7/vFeKBTH4rjzuORmztqnv7O6jc2sl DL01CL+jdI8kB9/DR02xdZ0iREdia/CtYfiylVtttLcG31HjZ1kfG31doOhlwbdOdaLtGnxviz9n zlz5LcD+4osv/dfScvppHTzym1StXl86delrIXbrtt1svwbSH2X+xJZ6Dq2Ewbdua1ulyrVtnvGm zb+1/dHzv4u/38NSslRFuydta9m6iwXf+w/+YqF+lWoX5y9PauitRfANAIC7EXynfRF8AwhnkRR8 u6EIvgEEC8F3AL+d/8WmOjkY2zVgkJ2cOhTXTUoMf0Tm7RjkO7u7xMTE+APvO++8UwYPHmz7kzPV Sa8+w6V7j8EydMTF/k2btbcR2BoS9+47QkaNnS7R876zNg2+27TrZqOwd+/7QXr3GWEhc6vWna09 esGa+P0/SoOGraRbj0HW17mWlobmOXLktilTBg0dbyPIR4zS0eTnpFOXfjb9Sa8+w2TT1iNSv0EL qVWnsfVp1aaL/xx67U6d+0mdes1sW0eKd4u//6bNO1go3rP3UDtXvW9ayOFjZ2XWnJVy8MgZ69tv wGjp2m2gjSR3znetIvgGAMDdCL7Tvgi+AYSzUAXfX375pc3D3bNnz4DtgUofFhlofzgXwTeAYCH4 DiAm9oLNyz1gdYGAYXZyatuvbS1EP/LjTt/Z3WX79u0WepcrV86356LkBN8LFq0P2EZdLIJvAADc jeA77YvgG0A4S23wrQ+a1IdJ6s8aPZfzYEkNufWhk/pwSN3W4FuX+jBJ55iExzkPitQ+ur1q1SrJ li2b/1z6YE09VredWr16tZ1f++qxel6dpkT76TGLFy+2be2r7Xo9PUa3nXvV/U5fPU639VrOcdpv 2bJl/ntLbRF8AwgWgu8r6LW0nHwd9YyN2A4UaCe1RqwvIuXHPOM7q/vok5oDSWrwfejoWdmz/4eA bdTFIvgGAMDdNPjW0XWhLp0bdfPmzRFRBN8AwpkGu5eGs8mpjBkzyoABA2TWrFnSrFkzadu2rUyf Pl2GDBliPwv+/ve/W6DsBN99+/aV2bNny9ixY+1YDZS7d+9u/UeMGGFhdK1atWTUqFH+9ty5c8uc OXPk/ffft5DaufZTTz0lo0ePljp16sjMmTMlb9680rJlSwvcP/vsMzsmQ4YMFmJrnzFjxti1li9f Lg0aNJCuXbvKtGnT7PzR0dF2jpo1a9pxEyZMsDBcj5s6dapNoxqM8JvgG0CwEHxfwU9nT9hI7bXf NwsYaCel9l3oLMWHPyKztvX2nTV8JDX4vlbp1CGB9kdSEXwDAIBgio3/nULDBwBAaKQ2+M6VK5ct y5YtK5UrV5ZKlSpZ+Kzfy2vXri133323Bc8Jg29dduzY0UZSa5Ddrl07KV68uNSrV08KFizoH9mt I771PFFRUbY9fPhwWbhwoa1rPfvss/4wukmTJhZ86+hvPa9Odar7NWTXIF7bnOOyZs1q91q1alWp X7++hdtaOnpc/3irIbeOHtd255g33ngjUeie0iL4BhAsBN9XEBcXJx3nF5ASIx6R/Smc67vp7P9K uVFP27nCTTCCbx0N3rnrgIBtCSspfYJV+rDN/gPHBGxLqyL4BgAAwaTPaLnxxht9WwCAtJba4FuD al02atTIRkjrugbEL730kq2/9tprlwXfCxYskH79+tm2jhSfNGmSjfTW4FtDcGdqkSxZstj+1q1b W18Np52pSrT+8Y9/2LW0v44W13BbA2sNzvVc2kdHdes0Knofek7tryPTdZ+267YzNUqePHnsXrWf Bt2dOnWSFStWWD89Xvs4105pEXwDCBaC76vQ0TRVJ7wi1Se8LPtjOgcMt69U/Vflt3nCT/962He2 8JKa4FsfVqlLfeCkM+Jbl8dPxSbq55Q+SNJZ14dfOutXOkb3JxxJnvAYLeeY46diEvXT+9LgWx9Q qdva5tyrs52wv1MJ+9j2Jde7VhF8AwAAAED4Sm3wPW7cOFtqWKwZRatWrWzktI6y1vVhw4ZZsKxT m2g/HcGt05oMGjTIRmXr9Zs3b27nmTJlivXR6VL0OB3hrdu6X/vMmzfPtp165plnbOqSPn362PV1 ehJntLgG6nqMLnVbr9OiRQvp3bu3beuIcw3U9V41NNd1DdV1dLn2c+b/1uC8ffv2/rnKU1sE3wCC heD7GmJiz0utSeml9KjHZdXJhgFD7oS16+y38s20t+SrkX+Tfac3+s4SfpISfGsgnDVbTlvv8G1v OXjkN8mXv4iMGDlFevQaIvMWrpXVa3fL8lXbpN43LWTUmOmyedsRWbthnx2T+eNPbanB976DP0vp MpVl+KgpUrV6fdl34GcpX6G6RI2f5b+e1vsfZJZx4+dIgYLF5cDhMzJ42AQZPXaGfFX66/j7uSAf Z8ku/QeNtWuMGDVVcubKL0eOn5f2HXrK0OETpVr1byz4Xrdhv1Sv8Y307D1M+vYfJdt2npBevYfK yNHT/Nc6eOSMFCtRVsZPjJaChUpaKK7bek+ZMn9yxSD/0iL4BgAAAIDwldrg+3pWwqlOwqUIvgEE C8F3EsTGxcq38wpI8eEPS81Jr8ikbWVl6y9tZO/5jjaP947f2svSo3Wlwcx0Nqd3zYnp5effTvmO Dk9JHfHdolUnC4S/yFNQvlu3W+rUbSrdegySz3Lm9QffpUp/7e9/peBbj9l/6Bfb/rpSrfj1X+Xz XPlk4+ZD/mO1cuUuYEvdr8H2hvhl774j5LXX0lvw/Wn2XNZ++NhZGTR0nLz19ruyZ/9Pkr9AUdu/ ftMBC77LlK3iP2fOz/PJjt2npFiJcrJ73+8P6tTg+9tOfWy9RMnyFo4PGT7Rtteu3yer1+z2971a EXwDAAAAQPgK5+BbpyEh+AYQqQi+k+HEz/ulXfQXUnb0k1Js+EMWcut0JsWG/dnW605+RzYdnheW c3pfKqnB966938uI0dNk87bDsmnrERk/ca7t1+lAnOC7YqWaNh2JjpDWgHn23JUWlmfMlNX6avA9 fOQU+W7dHtuvI7+1r65rsJ7wetk+yWn7J09dIEuXb5FCRb6y7YKFv7LgW0dka79ixcvaiPSW8cdr 8K3BvPabOWe5Bd/1vmkuh4+dsz46elyXek3t50xtosF3955DbL1EyQp2nkaN29j21OmLZOee07Z+ rSL4BgAAwaRzfGfOnNm3BQBIa2kVfOt82OEQSgdrCpOkFsE3gGAh+E4BDbZ17u6dJ1bKpiPz5MiP OyUm9oKv1RuSGnxrWNygYSsLlXW7S/eB0r3HIFm8dKON7t6+84SN5G7StJ107T7I+ml43Lf/aJsO RY+ZNXeFnaf9t72kW/zxazfsl517TknP3kOlV5/hia6X47MvpFfvYdam2337jbI+Q4ZNiD9HjAwb Odn2L1m22QL1cRPnWoA9f9E6e4jmjNnL4u9tk40Ib9mqs3TpNlD2HvhZNmw6GH/fg2XgoCj/tTQY j16w1taHj7h43snTFtnrGzp8kv81X6sIvgEAQDBp8P3444/7tgAAaS0tgm89Z/78+WXVqlUB25NS +sDKQPuDWRMnTrQ5xwO1OaUB/tSpUwO2paQIvgEEC8E3AkrNwy3TsvLmKxxwv5uL4BsAAAAAwldq gu+lS5fK/PnzbWS3BtVz5861/fqwyFGjRtl+nY5k5syZtq4Pj1yzZo0F4voQSn0A5rp16/xtM2bM sHatPHnyyJIlS+x8+lDLxYsXJ7q29pk0aZItdVvPow/BTBi2a2jttOvDKnWp96MPvNRral9damkA rtfT+9DjtO/y5csTBd/a7rwW3U5JEXwDCBaCbwTk1uB7y/ZjAfe7uQi+AQAAACB8pSb4fvPNN2X8 +PEWBrdt29YC78GDB8vAgQNl+PDhdu66devKtGnTpEOHDlbt27eXRYsWyWeffSYLFy6Ujz76yPpl z57dguX06dNb4JwrVy4Lozt16iQjR46UBg0aWMjuXFu3NQz/17/+ZUH0p59+auf95JNPLLzWPhpa Fy9e3NY//PBDC7+bN29u99urVy9p2rSp9a1cubK9Dr3Pjh07+kPyUqVK+YPvMWPGSO/eva1P1apV /feR3CL4BhAsBN8IyK3Bt1M6zYhOjxKozW1F8A0AAAAA4Ss1wXeWLFlsWalSJQuDa9WqZQG4hsM6 SrtPnz7+/TVr1rTgW8NunVc7W7Zstj9v3rwWPutxei4NsjVsLlasmG2///771k/PExUV5b92jx49 pEmTJvKnP/3Jgm8NpnW/jubWkeBOv/Lly9vI7v79+0vPnj2levXqdr769ev7g+98+fL5+2vwraPC dT1h8J0uXTobpa77NWR3+ie3CL4BBAvBNwJye/A9edoCmwdc148cP2/LmbOX+dfdVATfAAAgmHSO 7xtvvNG3BQBIa6kJvnPnzm3LLl26yLhx4yzQ1vM5wbdOfaKjtXW/hs8afOtobj2mUKFCtl9Heesx OhJc9zvBd6ZMmaz9q6++umwKEq2MGTPaNCZ/+ctfLPguV66cTXdSr169RPOD6z3UqVPH2nRqFR3Z 7dynE3zr69D703V9HTplil4zYfCt59UR53qcM4o8JUXwDSBYCL4RkFuCbx3ZrQ+ZPHT0bHz9Zvt0 pPfuvT/I0RMX5PjJGClavKy1HYtfd47RB1oeOvJbkh9AmZZF8A0AAIIpNv53ii+++MK3BQBIa6kJ vnVObmddA+5u3brZqGg9p3NeDZp1uhINqRcsWGABtO7XUdWdO3e26Uz0GJ2mRPdryKxB9pw5c2zq FN3Xt29fG7Gt605puD5gwAALqbW/ht16nUAPxXTm6NYaO3as9dP70HDeGcXdtWtXa9N1HRk+efJk e316bmfecJ3GRe9D9znnS24RfAMIFoJvBOSW4FtD7hdf/JcsWbZZKlWuLbv3fi/jJ82V79btkWyf 5JRde0/LZznzycIlG2Tw0PF2TJdu/SV6wRpp2LiNrFm/97JzhroIvgEAAAAgfKUm+KaSXwTfAIKF 4BsBuSn4zpT5U1vfd/BnGTdhjoXezVt2lBdefNn2lyxV0ZYafGv/bJ9+bts62rtgoZK2fj2L4BsA AAAAwhfBd2iL4BtAsBB8IyA3Bd//euV1C7HnRK+Slat3yGc581pb4aKlbFmiZHlbavCt/T7OmiN+ GSv7Dv4i/QaO9p/rehXBNwAAAACEL4Lv0BbBN4BgIfhGQK4a8Z0pmwwaMl4mTZlvwfbs6NXSb8Bo mTt/tfXRaU6GDp8ka9ZdnNZk/6FfpVv3QTJ67Azrn/B816MIvgEAQDDxcEsACC2C79AWwTeAYCH4 RkBuCr6zZMkRsC1ciuAbAAAEU1xcnD3wDAAQGgTfoS2CbwDBQvCNgNwSfOuI7d37fgjYFi5F8A0A AAAA4YvgO7RF8A0gWAi+EZBbgm8vFME3AAAAAIQvgu/QFsE3gGAh+EZABN/BK4JvAAAQTDrVyd69 e31bAIC0RvAd2iL4BhAsBN8IiOA7eEXwDQAAgomHWwJAaBF8h7YIvgEEC8E3AiL4Dl4RfAMAAABA +CL4Dm0RfAMIFoJvBETwHbwi+AYAAACA8EXwHdoi+AYQLATfCIjgO3hF8A0AAAAA4YvgO7RF8A0g WAi+ERDBd/CK4BsAAARTbPzvFBMnTvRtAQDSGsF3aIvgG0CwEHwjIILv4BXBNwAACCYebgkAoUXw Hdoi+AYQLATfCIjgO3hF8A0AAAAA4YvgO7RF8A0gWAi+ERDBd/CK4BsAAAAAwhfBd2iL4BtAsBB8 IyCC7+AVwTcAAAAAhC+C79AWwTeAYCH4RkAE38Ergm8AABBMOsf3Bx984NsCAKQ1gu/QFsE3gGAh +EZABN/BK4JvAADCQ0z8z+oe8zfL683GykPVBtnPb1dWqR5yw70PB25zQf2hXG95qu5wKTYwWg59 /7PvqwsA4YvgO7RF8A0gWAi+ERDBd/CK4BsAAPc7/tMZuffrfnJXmd6Sp8MUaT7uO+k8eyuVgmo/ baPUGrpY/lJtsP0O1G7mOomLi/N9pQEg/BB8h7YIvgEEC8E3AiL4Dl4RfAMA4G5nz8fILfE/q9PX Gy6Hjp0P+POcSn6dOB0nncd/Z1/bPou2+L7aABB+CL5DWwTfAIKF4BsBEXwHrwi+AQBwt7dbjZc7 yvSS46diA/4sp1JXrUYuk1vjv74/nTnn+4oDQHgh+A5tEXwDCBaCbwRE8B28IvgGAMC9zl2ItZ/T a7acDPhznEp9HT8VJ3eX6yPdojf6vuoAEF6aNGkizZs3vy61ZcuWiKsDBw74vvIAkDoE3wiI4Dt4 RfANAIB7Hfr+F/s5rdNyBPo5TgWnXqw/Sl5pPMb3VQcAhEKfPn18awAQmQi+EZAG3/9tTfAdjCL4 BgDAvXYc+4HgOwSVockY+UuNwb6vOgAgFG655RbfGgBEJoJvBPR6s7HyZrOogG9cqOTV9gO/2Rvq GIJvAABcxx98B/gZTgWv/tmQ4BsAAAChRfCNgFpMXyMPVezH6Kcg1LA5W+S2Mhp8x/m+ugAAwC0I vkNTBN8AAAAINYJvBHTsp1/tTeCohbsCvnmhklZHTsTIw1/3lexdp/m+sgAAwE0IvkNTBN8AAAAI NYJvXFHpIQvkD2V7y7w1hwK+gaGuXhp6f9xmktxVoa/89Ns531cVAAC4CcF3aIrgGwBC75VXXvGt AUBkIvjGFcXGxUmuHjPszWCONhNl8qqDsnjzSYnedIK6Si2M/xp1HL9aHq08QO79up9sPHTK9xUF AABuQ/AdmiL4BoDQI/gGEOkIvnFN0zful+cbjJTby/a2N4ZuqhvfyB5w//WuB6sMkKIDouX7X8/6 vooAAMCNCL5DUwTfAAAACDWCb4S1Tz/91LcGAACQfATfoSmCbwAAAIQawTfCGsE3AABIDYLv0BTB NwAAAEKN4BthjeAbAACkBsF3aIrgGwBC74YbkhzjAIAnEXwjrBF8AwCA1CD4Dk0RfANA6NWoUcO3 BgCRieAbYY3gGwAApAbBd2iK4BsAAAChRvCNsEbwDQAAUoPgOzRF8A0AAIBQI/hGWCP4BgAAqUHw HZoi+AYAAECoEXwjrBF8AwCA1CD4Dk0RfANA6PFwSwCRjuAbYY3gGwAApAbBd2iK4BsAQm/37t2+ NQCITATfCGsE3wCAYIuLi5UTJ1b7tuB1BN+hKYJvAAAAhBrBN8IawTcAIJg09J4zJ78MG/aYHDmy xLcXXkbwHZoi+AYAAECoEXwjrBF8AwCCRUPv6OiCMnLkc7J1a2sZNuxvcuzYMl8rvIrgOzRF8A0A obd27VrfGgBEJoJvhDWCbwBAMFwMvQvJyJHPx//+sCB+zyrZurWNhd9Hjy692AmeRPAdmiL4BoDQ 4+GWACIdwTfCGsE3ACC1nNB71CgNvefH71nlry1bCL+9juA7NEXwDQAAgFCL6OD7+PHjcvDgwUSl +xA+CL4BAKkRFxfnm97k8tD79/C7lS/8Zs5vLyL4Dk0RfAMAACDUIjr4fv/99+Wee+5JVBkzZvS1 IhwQfAMAUkpD77lz88vIkc9eMfR2avPmlhZ+88BL7yH4Dk0RfAMAACDUmOok3pkzZ2T69Oly9uxZ K4QPgm8AQEpo6D17dm4ZMeKZ+J/9F+f0vlY54XdajfzetWuXxMbG2vq5c+fs9xO9z6NHj8rp06dt P4IvJcH3pi2HE5Xu27bjhOze+72tHzl+PlHbtergkd9k1Zpdsmf/T4n2z5yzItF2OBfBNwCEHlO/ Aoh0ER986xvKxx57TB566CGb6uTll1/2tSAcEHwDAJJLf/bPnJlDhg9/Ss6eXRi/J3DQHag2b3am PVkWvx1cf/3rX6VLly62vnPnTlmxYoUcOXJE9uzZI61bt7b9Dn0NCI6UBN/bd52w+m7dblsuX7Vd Fi/bJB069pL9h36xdadPoOMT1uq1u6Xi1zWt74LF6/37T5yOk937fky07awH2g60z9m+1rEJt6+2 fulxySmCbwAIvVtvvdW3BgCRKeKD7/Pnz9sUJ40aNZKNGzfKE0884WtBOCD4BgAk1/TpWWXYsCfk 3LlF8VuBA+6r1ZYtrS38PnYsuOG3Bt958uSRH374wR98b9u2TdKlSyfPPPOM9dHt119/3f5oryPC kXqpmepkz/6LwfS//53OlhoM9+0/SiZNXeAf/X2t+uTTXIm29ZxLlm2W/7zzntx11x9tX6PGbeS/ 730gy1ZulR27TsqIUVOkUpXa/mP+7/8elpatu8hrr79po80nTp5v9zF2/CwZNWaGvP9BZin5VUXr u3PPacmbr7BUqFjT7rdq9XryzrsZZN/BX2TewrXy4Ycfy4jRUy2Q/+DDzNKuQ085fipWqlStJxne zyRTZyzxXzc5RfANAACAUGOqk3iNGzeWG264QW688UYZMmSIby/CAcE3ACCpdJT09OnZZNiwvyd7 pPeltXVr26BPe6LBt0518sYbb/iDb91eu3at1KtXz/5Yf99999nr0KpSpYrvSKRGMILvF1982b9P g+Td+36QtRv2Sa7cBfz7tYaPnCKDh06Qoycu+PcVLFQyUR8954hRU239jjvutOX+g7/IoqUbpUTJ 8hZ89+ozPNExd999ty01yG7bvocF39vj+2lgXat2Y2tbu2G/rFi9U1785+/3OmvO8vjzbpAVq7ZJ 46btpFCRUv7pWVq07CRr1u+19dFjZ9i59PxZsuX0H5+cIvgGAABAqEV88B0TEyMVK1aMfwO71foj vBB8AwCUfmJL58K+kovTm+QMSujt1Nat7eLP91j8dRfHb6eeBt96nytXrpSWLVta8F28eHE5cOCA TJo0KVHwrapXr25LJF3lypV9a78LRvCdMVNWWx4+elZmzlnub1+6Yqt/XUsDb62EU4Zkyvxpoj56 Tg3Odd0Jvlu37SoHDp+RIsXKWPC9YvWORMfcd9/9ttTzduzUx4Lvg0fO2LUaNm5tbZu3HpHlK7fJ G+ne9h83YdI8C8j3xF9Pz6/HR89fI1Wr1bP15Su324j0AYOi/OfPk7ew//jkFME3AAAAQi3ig28d SaUfK37ggQfsTfPIkSN9LQgHBN8AAPXOO+/Yp7eaNWtmf9ROSIPi2bO/kOHDnw5a6O3Utm0Xw+8j R1Iffr/55pv+UDtfvnw20lvn/K5UqZLUqlXLgu8RI0ZImTJlJEeOHPLzzz9bXySd/n/kwQcflLlz 5/r2pC743nfwZ1vqQymr12wgNWs3tnC4a/eB8m2nvlK4aKnLjrm09h34WbJ+klM6du4rFSpWl73x 21ra9tpr6W2Z+4uC0qp1Fzu/TlWyZt3FkdhO3XvvffJtx95StcY3cvjYWZk5e7kcOvKbtbVp110G DR4ntes2te35i9ZZkN4hvv+xkzGS47MvpO+A0RaKt23fU/rHr+tUJwMGj5VBQyfEv44+ds48eQtJ /4FjZNyEuYmundQi+AaA0HvxxRd9awAQmZjqJN7x48clKirKfij85z//8e1FOCD4BgA4NNTUevzx x2X+/Pm2Ly4uVubMKSAjRjwT9NDbKSf8Dua0J0gb1apV8///5O2335Z169alKvh2S/35zw8F3O+m IvgGgNB76623fGsAEJmY6iQmRm666SYbZaUfIz537pyvBeGA4BuIHKtXr5ZVq1ZR1BVLf547oaZW xowZZcSIvDJy5HNy9uyC+P8XBQ6ug1EXw++/yeLFswLeG+WeSvj/Ea13P/407INvHb0daL+bSoPv PxdqEvDfhArv0p/PAAAAbhTRwbd+nFhLvwizZs2SyZMny6JFi3ytCAcE34D3rV+/Xv7973/L8OHD ZdSoURR1xbo0+H7++eelTZvXZfz4dyQmZnn8/5sCh9bBqGPHRlvw3adPi4D3RrmnEv5/ROsfL78W 9sF3OJQG3/d9Wj7gvwkV3jV06FD75GzTpk3jvx8CAAC4R0QH33nz5rX5MXWux3vuuUf+/ve/S+HC hX2tCAcE34C36VRUTz/9tH/eY+BqnCDz/vvvl+7du9u+mJhzMmHCWzJu3NtpFn4fOzbKQu+NGzvH b8PNEk518tRTT8X/f2OCJ6Y6SWkdPxUr6zbsC9gW7GKqE++rUqWKtG/f3rcFAABw/UV08H348GHp 2bOnvUGuUaOGbN26VV566SVfK8IBwTfgbTpiF0gK5+GWRYsWlQsXLvj2XhQTc17Gj08vUVFvxq8v i98TOMBOSf0eeneM34bb6f9H7r77bmnXrp1vT9IebqkBsbOuD69M2JawEvbT2rX3e9l74KfL2nXp nKdJs/b+dt136fmd7UvPfWk/p/3oiQuyZNnmBPtj/OsJS4/Xh1vOX7DGv+/Sazil/fzr8ed31i+9 3ysdr0XwHRmee+45exAvAHfQn3sAEMkifo5v1aBBg/g3rBvlT3/6k5QsWdK3F+GA4BvwNv0kDpAU Dz30kGzZssW3dbnY2AsybtzrMmbMG0ELvy+G3o8ReoeR7NmzX/YJkqsF3zlz5ZOevYZKwcIlZePm Q7Jn/49StERZyfl5fgt8H3jgQWnTvrvsP/SrlC5TWbLnyB3f5/egO3eegpI3X2Fbr1W7sRQuUkp2 7/1eypavKpkzf2r7n3/+n/JloRJy6OhZqVCxpmTJ+pntr1O3ifQfOEbyf1lMevcZbvew8rudFmx/ VeprKflVRdmx66T0GzBKuvUYHH+OknLwyG/x+ytI1mw5Zeee09KhYx8pVfprKVGyQqKAetnKrVKk aGlp1aarBd9Hjp+TSlVqS/ES5WT02Bn+fhpk163f3O53247j0rlrfylTtpK0adddjh4/L1Wq1ZdS ZSrZuXWecV2vWKmW//iERfAdGYYNGybbt2/3bQG43ho1auRbA4DIFPHBt7756dixo015kitXLtm8 ebOvBeGA4BvwNoJvBFNcXIxERb0qY8akk5iYpfF7AgfaSanjx3VObw29md4k3F0r+HbW3/8gswXB C5dskNp1mviDbydQXrVml/TtP0qGj5zsP2bH7lP+Ed9/+ctjtjyuo6wXrpUyZavI4WPnpHTZyrZf z7N42SZp16Gn7Dv4swXfej3dP3/RWutTp25T6dFrqEydvlhmzFwmn3z6uQXf2qajssdEzbRgfP7C dbbdpm03a9uy/ZgsXbHVf52nnn7W1q3vgjXybac+tq77smTNYUuttRv2ybqN+/3bGvzPnL1cHn/8 73LwyBlp0LCVhf4HDp+RXn2GWx/9OmzZftR/jFME35GB4BsAALhJxAff586dk//7v/+TSpUqSebM meXZZ5/1tSAcEHwD3kbwjbTwe/idspHfJ06MtelNNm3qEr+NcHet4FuDYq3cXxSUZs072H4dea37 NPjW7fWbDljgq+HxkOET/cdr8K3Tneh6w0atbZkhQyYLtIcOn5Qo+B44OMrC6s3bjljArMG37tfr bNp62NZrx+8bMChKjhw/729zgm895+gx0+0e5s7/zs7VolUna9u45ZDds3PMP/7xnK0fOvqbBd8d vu1lo7617eMEwfea9Xtl9Zrdtq5TpvzzpVesj45S16VWvnxF5ODhM/Jtp97Wb/GyzXb/zjmcIviO DATfAADATRjxHRdnYfctt9wiP/30k/zzn//0tSAcEHwD3kbwjbSgP/vHjtXw+w2JjU3eAy9PnBhn offmzd0umzID4elawbdO9VHiqwpy7OTFkdSt2nSR6TOXWOirU4poPw2bvypV0aZFmTR1gf94Dai/ yFPQ1rv1GGTLMWNnWkjcb8BoC77nzlttofj6jQekbr2m0rP3MBvx3bFzX+uv19FpRnS9S7eBFnDn yVfYRmnrSO7xE+dam+6fNmOxLXPlLmCBe78BY6RT/Hnq1m9mfZzSUeut23S1UdrLV261kFxfY6vW XSzsdvrpucpXrC7dewyW7btOyocZs8Rft6/ky19Udu/7we6hRMnydo8t44/t3HWAlK9QPdG1nCL4 jgwE3wAAwE2Y4zuePgRL5/jW0gdcInwQfAPeRvCNtBIXF2tzfkdFvSUxMUkLv48fjxKd3mTLlp6E 3h6S1KlOqNQVwXdkIPgG3IWHWwKIdBEffMfExNhDLW+77TZ54IEHbLoThA+Cb8DbCL6RlvSBl+PH p5dx4/5zzWlPLobej8uWLb0IvT3masF39II1l+2jUlYE35GB4Btwl3379vnWACAyMdVJ/JvXxx57 LP7Nb6xvD8IJwTfgbQTfSGuxsedlwoS3Zfz4d64Yfl+c3oTQ26uuFnxTwSuC78hA8A0AANyEEd++ Ed862vsvf/mLZM+e3deCcEDwDXgbwTdCISbmnEyc+B+ZMOHy8PvEiYvTm2zeTOjtVQTfoSmC78hA 8A0AANyEEd/xb2JXrlzpry1btvhaEA4IvgFvI/hGqFwMv9+R8ePf9Yffx4+PkYsPsmROby8j+A5N EXxHBoJvwF2WLdPfaQAgcvFwy3g9e/aUO+64Qx5++GFZv369by/CAcE34G0E3wglZ+S3Tnty9Ogo C703bepK6O1xBN+hKYLvyEDwDbgLD7cEEOkiPvi+cOGCPdhyxYoVMm3aNHnppZd8LQgHBN+AtxF8 I9Q0/NY5v7/99hHZuLGzby+8jOA7NEXwHRkIvgEAgJswx3dMjI32Xrx4McF3GCL4BryN4BvXQ0zM eXnuuWd8W/A6gu/QFMF3ZCD4BgAAbsJUJ/GGDx8u9913n0118t133/n2IhwQfAPeRvCN6+XFF1/0 rcHrCL5DUwTfkYHgGwAAuAnBd7wjR45I27ZtZdCgQTb1CcIHwTfgbQTfuF4IviMHwXdoiuA7MhB8 A+7SrFkz3xoARCamOomJkVtuuUVee+01eeSRRyRTpky+FoQDgm/A2wi+cb0QfEcOgu/QFMF3ZCD4 Btzl9ttv960BQGSK+OA7NjZWnnjiCVv/8ccf5dVXX7V1hAeCb8DbCL5xvRB8Rw6C79AUwXdkIPgG AABuwojvmBi59dZb7S+hurztttvkrrvusnm/4X4E34C3EXzjeiH4jhwE36Epgu/IQPANAADcJOKD 77i4ODlw4MBl9csvv/h6wM0IvgFvI/jG9ULwHTkIvkNTBN+RgeAbAAC4ScQH3/owyyeffFIWLlwo N954o1SsWNHXgnBA8A14G8E3rheC78hB8B2aIviODATfgLs899xzvjUAiEwRH3yfP3/epjZ54YUX ZPz48fL444/7WhAOCL4BbyP4xvVC8B05CL5DUwTfkYHgG3CXDBky+NYAIDJFfPCtevToIblz55bj x49LmTJlfHsRDgi+AW8j+Mb1QvAdOQi+Q1ME35GB4BsAALgJwXe8bt26yV//+leb21tDcIQPgm/A 2wi+cb0QfEcOgu/QFMF3ZCD4BgAAbsIc3xcuyJ133inlypWzL8bf/vY3XwvCAcE34G0E37heCL4j B8F3aIrgOzIQfAMAADeJ+OA7Li7O5vVOly6dZMuWTTJmzOhrQTgg+Aa8jeAb1wvBd+Qg+A5NEXxH BoJveNWpX36Tfad+lt0nfgqruuGGGwLud3sd+eFX+e38Bd9XHwBSjuA7Lk52794tVatWlerVq8vZ s2d9LQgHBN+AtxF843oh+I4cBN+hKYLvyEDwDS/RrGDy+n3y1/jvXfpzIhzrxrdyBdwfDnVLfBXu P1d+PENGAyDlIj74jo2NlT//+c/y888/+/YgnBB8A95G8I2U2LNnjxQpUkTy5s0rMTExkjlzZl9L 0hF8Rw6C79AUwbd3NW7cWE6fPm3rCYNv3derVy9bB8JNbFyc5O45U26N//mQ69upsnT9ETl49FzA 729UcOvE6TjZvvdn6TJxrTxYqb/8oWxvOXD6F9+/DAAkT8QH3/qGWD/+49Tbb7/ta0E4IPgGvI3g GynxxBNP2B+2HfppLh21df78eTl+/Li16e8IWldC8B05CL5DUwTf3tWuXTv/e6n8+fNLjRo1/NvT p0/39QLCS5VRi+X2+J8NKzadCPg9jQpNHT8VKxmajJFby/SScxdifP86AJB0jPiOf/O7detWf+3b t8/XgnBA8A14G8E3UqJRo0bSoEEDf/j9z3/+00Lv559/XjZv3ixvvfWWLFy4UJ577jn7A3ggBN+R g+A7NEXw7V36h0Un6E5Y//3vf309gPBy8pff7OfC0LnbAn4/o0JbR0/EyB1le0m54Qt9/0IAkHQR H3wjvBF8A95G8I2UOnLkiLz00kty4cIFf/BduXJla7v//vstFNdRibo/EILvyLH/1M8Xg+/TcQHf cFPBqZcajJZn6g33fdXhNXPmzLks+NZBRUA46hK9Ue4r34efCy6qb0cvs5/VMbFxvn8lAEgagm+E NYJvwNsIvpES+tBq1aZNGzlz5ow/+NZ5aJUG3zpCsWbNmgTfkF/Onrc30/uPnA34ZpsKTj1cqb/U GLPM91WHF+kIbyf0rlatmm8vEH5ydp8pT9UeFvB7GXV9aseBM/az+kLM71PZAUBSEHzH69Kli9xz zz32kMu1a9f69iIcEHwD3kbwjZTo0aOH1K1b1+aW1YB76NChNqXJihUrrL137962f/HixUx1AvOn Sv3lofhidF/a1PTley2wOHCKh8l72Q8//CC33367PPzww1d9hgLgdq81HSvP1h8Z8PsZdX1q79Fz BN8AUoSHW8a/4dVf0HTOz+joaBsVhvBB8A14G8E3rheC78hy2jef69d95tqDtAK96aZSVovXH5Xb yvSWYgPn+b7auJKY2FiZs/WglB26QN5tM0FebxYVdnXbf3LLfV/UCtjm9nq/3SSpMGKRLNx+2P4t ELk0+H6u/qiA39Oo61ME3wBSiuA7JkbuuOMOm5cuKirK5gNF+CD4BryN4BvXC8F35Jm79aDcWqaX PFF9kHSdsl6i1x2VSd8dplJQM9YckajlByRfhykWVHzWfQbzsl7Dd/tPyN9qDpFb479eL9UfKW82 Hyf/aTmRCmGlbzZO/llvuNwS/2/w9zpDZfPh075/HUQagm/3FcE3gJRiqpN4Y8eOlb/85S/y5JNP yrp163x7EQ4IvgFvI/hGqOgvRPrAS0fC4HvNmjU2NQq87/hPZyRn9xnyQOUB9gabSnnpHxFeajRK pmzYy38/17Du4EkLW7O3mSTb9/4cMPShQlf6b/BB07Hyh3J9CL8jFMG3+4rgG0BKRXTw/eOPP9ry xIkTMmzYMJvre8yYMbYP4YHgG/A2gm+EysaNG+2BbJ9//rmsXr1annrqKfnyyy/l5ptvtv0JQ3EA CJZzF2LkljK95PN2k+Q4c8y7pnS+/w+bRckTtYYStEUggm/3FcE3gJSK6OC7X79+MnHiRLnvvvvk gQcekOeee04KFCjga0U4IPgGvI3gG6FUuHBhC7kvrZ9/5oF8ANLG+DV7bHqTQ8fPBwx7qOtX2/f9 LLeV6SWzNh/w/WshUhB8u68IvgGkVEQH323btpUNGzbIgw8+KNWrV7f75uGW4YXgG/A2gm+E2qWh 91//+ldfCwAEX4Z2kyR9o9EBgx7q+tcL9UZI4f5zff9aiBQE3+4rgm8AKRXRwfeZM2fku+++k0aN Gsm2bdvk3nvvlYoVK/paEQ4IvgFvI/hGqI0fP94fet94442+vQCQNv5Yoa981H5qwKCHuv71YbNx kvHbyb5/LUQKgm/3FcE3gJSK6OBbxcTEyD333GP9NAhHeCH4BryN4BvXwx133GHBd8OGDX17ACBt aJDz8bfTAwY91PWvVxpHEXxHIIJv9xXBN4CUivjgW58yv3LlSsmTJ4/cfvvtBKlhhn8vwNsIvr1r z4mfJGrNHuk0d4PrqkLPcXLDbXcGbLve1Tl6g8zcdIA3foBHEHy7uwi+IxPBt/uK4BtAShF8x8XJ iBEj5N1335XbbruNh1uGGYJvwNsIvr1nxqb9cm/Ffvbmxc11U/HOAfe7qV5tMkZ+OnPW95UFEI70 v2WCb/cWwXdkIvh2XxF8A0gppjqJiZHnnntO+vXrJz/99JNvL8IFwTfgbQTf3tJw0kp70/Jlp+my ff8vcuxkTMA3N9SV68TpODlyIkaWbT4uT1YdIHeU6yOHf/jF9xUGEG4Ivt1dBN+RieDbfUXwDSCl Ijr4HjJkiKxevVpKly7tr9atW/taEQ4IvgFvI/j2jk2HT9sbloEzN1t4G+hNDZW8On4qVt76ZoTc +3U/iY2L832lAYQTgm93F8F3ZCL4dl8RfANIqYgOvidOnCjr16+X8uXL+6tdu3a+VoQDgm/A2wi+ veOpusPlvUajCL2DXIePX7A3giNW7vR9pQGEE4JvdxfBd2Qi+HZfEXwDSCmmOomJkYceekhiY/kG Go4IvgFvI/j2jlvK9JLF648GfDNDpa7eaxYlrzYd4/tKAwgnBN/uLoLvyETw7b4i+AaQUgTfvjm+ n332WcmUKZNUrlzZ14JwQPANeBvBt3fom5U9h88GfDNDpa6+6jlHbivb2/eVBhBOCL7dXQTfkYng 231F8A0gpSI++NaR3m3btvXXsGHDfC0IBwTfgLcRfHuHvlk5fIKHWaZFfd5tjn19AYQfgm93F8F3 ZCL4dl8RfANIKUZ8x8TIm2++aeuHDx+WfPny2TrCA8E34G0E395B8J12RfANhC+Cb3cXwXdkIvh2 XxF8A0ipiA++L1y4IH/4wx/k+++/lzVr1hCyhBmCb8Db+J7sHQTfaVcE30D4Ivh2dxF8RyaCb/cV wTeAlIr44FvVqFFDbrrpJrn55pulf//+vr0IBwTfgLcRfHsHwXfaFcE3EL4Ivt1dBN+RieDbfUXw DSTNhTNn5Ozp0/Ljrl3y28mTcu7HH30tkYvgO96Z+P9j6Fzfc+bMsRHgCB8E34C3EXx7B8F32hXB NxC+CL7dXQTfkYng231F8A1cWVxsrOyKipKxr70mPW++WXrecEOi6vvHP8qqJk0k5tw53xGRJeKD 73Px//D33Xef9OrVS/70pz/JO++842tBOCD4BryN4Ns7CL7Trgi+gfBF8O3uIviOTATf7iuCbyCw X48elQEPPvh70H3vvTLshRdkymefyZjXX5c+Dz3kb+t1662yqVfkvWfg4ZYxMXLXXXfZPN/btm2T p556yteCcEDwDXgbwbd3EHynXRF8A+GL4NvdRfAdmQIF3zv3nJY6dZv6a8/+H2Tu/NVSuUod2Xfw Z1m/aX+i9hOn4xIdH6jatu8RcP/VavXaXbJ95wlp2bqzHDt5IWCfK1WXbgNkwqRoOX4qNmB7amrx sk3xX5MfA7YlrMpV6tp9d+85RPYe+Ek2bjkUsN+lRfANXG7PxIn+Ed5j331XDvXtK6dGjpTTo0b5 S7ePDRkicwoV8gfg0cWL+84QGZjqJN7+/ftl4cKFcvr0aRkZ/38KhA+Cb8DbCL69g+A77YrgGwhf BN/uLoLvyBQo+NYg+9jJGClctLQtj564IF26DpDjp2IkR868/vaDR36TgYPHxR9z9eB77Ya90qJV ZwvNdXvi5HlXDY4PHf3NlqvW7LTgW8PrQOH64WNnE+0/cvy8LfU+Dxz+Nf56vyRqu1IIfvjYOf+6 9jtxhX7O+Rct3ei//wOHzyS6Bw26ne3j8V8j3e4c/7XT4HvD5oOy/9Cv/r4nTsf6z5mwCL6BxE5v 2nQxyL7jDtnSvHmisPtKdXTQIOn/17/acQvKlvWdyfsiOvgePXq01KpVS1atWiX58+eXAwcOyNtv v+1rRTgg+Aa8jeDbOwi+064IvoHwRfDt7iL4jkxXm+qkaPGytvxu7W5ZvHSTrdeo2cDfXj1+XQNw Z/tKVfHrmnLwyBn5tnMfC4UbNGotgwZHydYdx2XBonXWJ/cXBW05ZNhEGTR0vIybONcffL/9znsW II+Jmik9ew+TYSMmWfv0mUslf4Gidg916jWTCZOjZfTYGbJh8yGZPmOJZMjwkRw5fs5Cdz22QaNW sn7TAf99DRg0VvoNGC1D48+3eNlm2bX3e5k8dYEULFzSAm2nX9HiZWRs1Czp02+EzF+03h98t2rd WWbMWiaffZ7PwvIsWXLI7Lkr5bOceSxkf/OtdxMF302atpfps5ZKi5ad7Lx6rx3jvybfrd3jv5YW wTfwu5jz56WXb6T3rs6dA4bcV6qTI0bIgL/9zY7dO2mS74zeFtHB94j4f/BixYrZKO/3339f5s2b R/AdZgi+AW8j+PYOgu+0K4JvIHwRfLu7CL4jU1KC7yXLN8vS5Vtsvd43zW2po8AbNmoTv/77aGed IqVsuarSu+9I/z4d0Zwl62cyeOh4+cczz9m+8RPnWnC8Y/fJy4LvPn1HSOu2XaVVm26XBd8amtet 39xCZQ2we/QaKhnez2ShugbfzjV37/vRRqhn/vhTu87XlWrZfh1h3ahJW38/Db4PHT1r6337j7RR 4hpSFypc0kZnO/2Klyhn19YqXbayP/jWsLx3/P0+9/yL9vUoUbKC9dcwW0eRXxp8f7dur7XnzVfE 7qVbj0FSv0ELm5LFuZYWwTfwuylZslhwvaJGjYDh9rXq8IABNkVKn7vuEomL853VuyI6+B47dqw9 2DJhZcqUydeKcEDwDXgbwbd3EHynXRF8A+ErqcG3hksaZDnlTAWg0yQknKpA9yecNuBK5Zwn4XQG eo0t248m6hfpRfDtbe3atZNx48b5tn6XlOBbRz937NzP/vsrXKSU7VuweL1s2nokUf9ANXzkZFm9 ZpeNpp4zb5Ws3bBPps5YLDt2n7L/JqMmzLbz5vjsCwubJ02ZbyFxoOBb5xjXcFrPmy9/UTuuQsUa Fl5/kbeQ/Xet3xfeeOMtGwVer35zC6jz5ClofXfsOiWjRv/+PUiDbx0RrusafOfMld/OpYF6wuA7 T/y5dVoV/R7Uu+9wf/D9UaZP7Jr/y/CRBd8a+mv/zl37Bwy+nXN+kaeQzJy9XNas3yvrNuwn+EbE a9mypcQFCKVjzp610LvXXXfZ6O1AwXZSalLWrHaenfHn8Drm+EZYI/gGvI3g2zsIvtOuCL6B8JXU 4FsDq/4DR0uefIVsuWbdHguSdPqDr0pXtKBp3oI10qFjb5vyINA5Elb+AsXsPPpwPg3NNGjTc0yb sSRg/2vVt536BNwf7kXw7X033HCDvPPOO7Jjxw7fnqsH3zoyO+F6tx6DZf+hi/N0z1u4NtEfoq5U 4ybMiV/65ryO7z9rzkoLp7t2G2D/rXfvOVhGjJ4qo8ZMt+3WbbrKlOmLZN78NbJ73/f23+zQ4RMt kO4/cIydT//7nztvtQwcHCWTpi6w0Hn9xv2SKfMnFiLr1CzaV6ch0QB6287j0qvPcJtaJOE9L1+5 za6p6ytWbZfN247aiHOdrsSZj1yrXIVqEjV+jk11osdv3XHM7mfk6Gnx9zZJRo6aavv1vrX/kuWb 7J4GDRlv+xct2WD3sWf/T9au96GBu34vmR29StZt2Oe/lhbBNyLNjTfeKE8//bTMnz/ft+eiwwsW WGA9s3DhgIF2UuvwwIF2nqh06Xxn9i6Cb4Q1gm/A2wi+vYPgO+2K4BsIX0kNvp1q3LSdf11HSOpS g+7tu05Ilar1LJjScMnpc6Wq900L/3rjJm3lnXf+Jxs2HbQpBjQAHzhorFStVk9atelqIVjL1p2t 79Tpi+LPf142bz0i1arXl34Dxtj0Cn9/8un4Pl3i7+Nk/H3UkdZtu9l52nXoIT16DxV94J8er/s0 +CpTtrJEz1/tvwet3v1GSPtve9m1tF/b9j0sxNt/6BcZEzVDypSrIlOmLbS+OsWEjnSdMHmehYB1 6jWV1u0uXlPDuPIVqsvuvd/b3MHlK9aQ9RsPWL8mzTrYcXv2/5Do2lcqgm/ve/DBBy381tLnf505 c+aqwXe4lYbh+t9loLbUVPmK1QPuT6si+EakKVq0qP970yeffOL/49zol1+2wPr40KEBA+3kVO97 75U+t9/u+elOCL4R1gi+AW8j+PYOgu+0K4JvIHylJvhu1uJbW+rozu/W7ZG33vqvjbYsUrSUBcDa pksNiZ25iJ3SB8/p6HAddblz92lp1ryDjcLM+klOC8kmTllg/bJkzW7B95eFSth2/wGjbVTmlwVL yI74fj16DbFrZM36mbVr6K7THWgQrcts8edzpmXR0ukQlq/absfoFAgJQ/qs2S6eY9bcFbJ0xRbJ m6+wtW/YdCh+30prq1y1rhw6+ptUq/GN/zg9z5btx2yaBJ13+aNM2fzXzPBBJjnoeyBfrTqN7N61 rXCRr/zHX600+H67dg/ZsmUL5dEqXbq0P1zSevjhh+WBvLU9E3ynVaVFmH610uD7pvzNZMPGTQH/ HSnKi5Xwe5NWtWrVpPcf/mDB96nhwwOG2cmpnnfcYecKNKWKlxB8I6wRfAPeRvDtHQTfaVcE30D4 Sk3wnS9/EVsOHjpBdu/7wUZo67ZOj6Dzd+u6Bsx7D/xs5RynlXDEtwbfTRME38tWbPOHWjoyW4Pv Al8Ws+2evYfZvL45P88n8xastdJ2Db71Wm3adZMJk+dLh469ZNee7+0BeM51tHRKBufBefW/aS6H fetalarUsaUG4zPnrJBivmOjF6yxuY91vXmrTvZau3Tt7z8uT97C/nvROZM1cK9YqZas23hADh35 TWrXaWLzKBcsVMLuUatg4aQH389/UV569uxJebSyZMmSKFj6wx/+ILen/4zg22VlwXfGUtK9e4+A /44U5cVK+L1J680335Q+f/yj9LzxRjmVivm9ner38MPSI/68cbHe/iQFwTfCGsE34G0E396RlOBb P3pevnxVKVqsjC01XBkdNUNKlKxgQYf20RBF23R046XHJ6yt249J2XKVra+GIAnbdA7OZSu2yq69 p200oYYgCdvDrQi+gfCV3OC7RauLU45ote3QQ8ZEzZRvGrS62Nayk4wdN0u+KvW1v8+V6tMcuW3U dKvWXWwqEQ22d+w+KZ/nLmAjojV0nj5zifwvQ0YLtstVqC4zZi2VLwsWt1HTrdt2lagJc6RLtwF2 vrLlqsic6NVSu05TG4FetFhZC77Lla+W6LoayJctX11mx/dNGL5r6UP0Jk1Z4A/bnYfi6f3kK1BU 5sxbLXXqN7Pv2TrtybSZS23e4YmT59t858NGTLbR4J27DJDBQ8fLqjW7pF2HnjI2/mukU6LouTvH 32+vvsNlxuzlia59pWKqE+9LONXJu+++KydOnHDdVCf66QxnuqBglP5+FWh/wqpZq1HA/dermOoE kSbhVCcPPPCA/0G8gx991EZpnxg2LGCYnZzqdc890vu225jqJAGCb7gOwTfgbQTf3pGU4Nsp5yP1 x0/F2MOOdD1vvosjG5s0a+/vd7XSB7/pfLXOtgYlOhJQg27n4VO6Tx/0pPt1XQOZXXt/sHUNXfT6 2s85h4Y9OkesBiu6rQ9l0n1O/83bjvj76z59AJXzMf79h34/Tvts2X7U+mht2nrYf5yOhNSQX/fr dlKK4BsIX8kNvkNdlavWse9vgdqCXQlHs7ulCL69T0MlHeU9efLv/85uCb71vz399IXOfa/Bt/5u 4PzRPmE/3b9j1yn/fv1dRT/lofv19wstffikbuvvGd80aGl/UNJyzqvX0j7O7yNO8K3ndH5Pcq53 PYrgG5FGH2556623SqNGjXx7LlrVpIkF31vbtw8YZie1To0caefpe/fdvjN7F8E3whrBN+BtBN/e kZLge+36vfYANV3PnaegvenK+FFWqVu/+TXfgGnwPWTYBJk+c6m9ifumUWtZu2GfPSxt3sI1smzl Ntl34Cd7M6lzwur59GPyUeNmy7qN+2Vs1CwbYbU3vo9zznTp3pYNmw/ZKMm9+3+SEl+Vt9GW+qbw i/j70/luX/rXv+1c2T79XDZuOWQjDnXe2Zlzltu19M1j1k8+k517Ttmbzbf/819b373vR1mwaL2M mzBXFi/dJB079Un0eq5WBN9A+HJ78K1zeDtBWFrXoKHjAu6/nkXw7W0VKlSQSpUq+bZ+55bgWx9g u3XHccn88af2O4N+gmLD5oPyvwwfJfrvUj+JsTF+/4rVO2TQkHEybeYSq8HDJtrvNPUbtJTtO0/Y p0L0dxN9wKtOH1Th65oyY9Yy+9RHqdJf27Xe/s//7JxO8F2pah07h/PpjutVBN+INFmzZg049/Zv J09aYN3n8ccDBtpJrWVVqth5VjZo4DuzdxF8I6wRfAPeRvDtHSkJvr9bu8dGQ+t6seJlLVDW0tFK NWo28Pffuee0lPyqggwfOdm/T4NvPd4Zkf3Msy/422yqE1/wPWzEJF+fWJsHtladxjJ1+mILvnUk lHOMVumyVWypI71nzF5mwbe+8Vz13U4bLa5tK+PX9f569xvhP04ftNa4STtp2LiNzJqzQtp16BF/ nSZ2XwMHR9kUAhqev/Diy7ZPj9E5a53jr1UE30D4cnvwHelF8B2Z3BB8azCt0wvpujPi+410b0uT pu2lWvX6su/g7/P2Dx3x++8/eX1z/2u9994HFlo7v0sVLFzSlk19n54rWKhk/O8xMTJ2/Gz7I7zu Gxb/u5T+HqPB97KVW+33Lb1m+YrVrf16FcE3cJGG4b3vvNNC64N9+wYMtZNSOs2JnuP8L7/4zuxd BN8IawTfgLcRfHtHSoJvDZW79RhsobQz56sGwzoyqVmLby87LmFdOtXJ62+8Zcfq3ODzFvw+4nv8 xGgb1T0nepVs23ncwnIn+L704/1PPf0PO4fOa6sfB9bgW7d1DvH+g8ZaHw209bgsWXNYm4bnlSvX tjeRuq2lIbdOZ6Ln0Xbd7ti5rxQuUto+nqyvu2yFxPPiXq0IvgH3K1iwoAwbNsy39TuCb3cXwXdk ckPwrb8f6Fz6up4jZ14LvjNl/tT/u4Uunb5fV6rl31+hYg37Y7z2r9+glQXfW7YdtX6Filx8qGvN Wg0vLmtfHNW9bsN+eyiurhcpVsbOpcG3fhpNf0/S/Xo+XV6vIvgGfvfDzp0WWvf761/l5PDhAYPt q9WErFnt+HnFivnO6G0E3whrBN+AtxF8e0dygm99gJmzPn/hWntg2dETFwPivv1HStT42Yne8AUq HQmlD3nT0pB6/6GfZcSoabJ91wl7I6fBsxM665Qouhw0eJyN3t6247h93PfSj/frR4PHT5wr8xet s+svWrLR37Z0+RYZEzVDdu6+OGJKw/CRo6faVCc6mkpfw7gJc+y4yVMXyOix0y0gnzp9Ufx9TbFR 5Hq9EaOmysTJ8y4L3a9WBN+A++n7I51L+F//+pesX7/et5fg2+1F8B2Z3DLViU7BNmFStH2a7NjJ C/G/W/xkvyfog10T/h60cfMhC661n/4+o89HmTR5vv1eoYG1E1rPnX/x96sx42baQIDFyzb5zzE7 eqVN36afotNtp02nQtFz6+AAp+/1KIJv4Hc66ntuoUIWXg978UU5kYzwe2H58tLzxhtlwAMPSOy5 c74zehvBN8IawTfgbQTf3pGc4NutVaVavYD7r3cRfAPhQYNvrZtvvllKlSpl+wi+3V0E35HJLcE3 9XsRfAOXm5ghg4XfA594QjY2bx4w6HbqQJ8+MipdOuvf98475cyJE76zeB/BN8IawTfgbQTf3uGF 4Hv/oV8D7r/epcH3TVkqytSpUymKcnG9//77/vBb689//rP9t0vw7d4i+I5MBN/uK4JvIDBnBLcG 2kP+8Q+JLlpUNtWuLTs6dJBN9evLqho1ZNTrr0uv22+3PqNeeknO/fij7+jIQPCNsEbwDXgbwbd3 eCH4dmtZ8P1JFZkzZw5FUS6ujBkzJgq+H3nkEbnp06oE3y4ugu/IRPDtviL4Bq7s1Pr1Mi59eul5 000Wbl9WN94oA//v/2R3VJRNkxJpCL4R1gi+AW8j+PaOtAi+dX5LnRs7UJtTBw79es35wJNbu/Z+ H3B/oPq2Y++A+4NZTHUChAcn8L7lllvk66+/tn363y7Bt3uL4DsyEXy7rwi+gWs7e/q07Bg2TJZW qybTsmWTRfG/a2zu1Uu+37bN1yMyEXwjrBF8A95G8O0dgYLv7TtPyP6Dv0j0gjUWTmvpQyJXrt5h 6+s27reHLB05fk7Wbzoos6NXJQqxFy7eICNHT7OHVOrDKJcu32wPclq4ZKOsXrPb+jRs3Mb/MEp9 6NMC37qG13sP/CQr4q+lD4KaE39ufXCUHqMPqFywaL3102D98NGz9tAnPbc+DKpa9fpy8MgZewDl vPh737jlsP+enNJ70QdBOcG3vo7Zc1fGX+t8on66rQ+OOhR/Da2Z8et6X9q2fddJexCV3odzrc3b jiQ6XovgG3A/fX+kofebb76Z6L0Swbe7i+A7MhF8u68IvgGkFME3whrBN+BtBN/eESj41lB6yrRF sn7TAalZq5EcPxUjGzYfksHDJsqO3acka9bPZNqMJXLo6G8yb+FaWbVmp4yJmuk/fu2G/TJ1xmIL rrN9klPWrNtjofGW7UelUZO2FiS3btctvt8+66Oh9ZJlm2XztqPSrftAmT13hUyYNE8qVa5twbk+ vHL3vh+lSbN2smnrYWnZqrOsXrNL+g8aa+0DB0fJ1u3HpP43LeTgkd+kxFcVLZzu029EolHg3XoM ir/XXTJz9nLp8G1PO+e3nXrLzj2nJEvWHP7wXoP0jJmy2T3r8fpa9uz7QTK8n8n61G/QwkJ4Xc+a 7TPZtee09O0/0l6Xcy0tgm/A/UqUKCFjxozxbf2O4NvdRfAdmQi+3VcE3wBSiuAbYY3gG/A2gm/v uFLwrSOZdf3vTz5tgW7d+i0s8NUAXINvbdeAuHyF6tK2fQ9p3LSt/3gNs3UUt67n/7KYLTXUrlWn sZSrUM3C8159hls/PXfxkuWlafMOMm/hGgu+daS4HjN1+iJb5syVX0aOmmp9WrbqJEWKlrHg25lO RcN0XbZt192WxUuUt6Xe4/CRU2xd6557/uQPt3XEd5/+I+P7XBxNXq9+c3s9ur7v4C/xr/Og/7gh Q8dL1+6D5NnnXrTjq9X4Jv5e2tt6p879rI+OEJ8z7zv/MVoE30D4Ivh2dxF8RyaCb/cVwTeAlCL4 Rlgj+Aa8jeDbO64UfOvI6r0HfpRvGrSSgYPHWRgcNWFOouBb1+fMWy2bthz2h89aGmhrXw2Ga9Vu bPvy5C1k05C0adfNgu/+A0fbOWfOWWEjq9es32tThmjwfSz+eD1m+qxlttTgW68xbeYSO/ee/T8G DL7r+sLrAgWLy5H4tuj48+nr0DYtHX2uc4vrVC064luv6YxMz57jC38/DcM1oNcwW6/xr1des/WX Xn7VXpOee+y4mRbQv/zyv+34ufO+s9Hmzjm0CL6B8EXw7e4i+I5MBN/uK4JvAClF8I2wRvANeBvB t3dcMfjectjm19ZtDXt19LUGvTqv96atR2yfts2au1K2bD9mU44kPMf0mUvk8LGz/nm2NZDW6VP2 HfjJQnMtPaeeR/drwKzB8fZdJ/zn1mBcl054vXb9/vhjFlu79j1x+uII7W07T9hSR4xrKK7n1nPq 1Cq6P2FNm7E4/rw/+6dA0elWdC5v55pO6Uh0PceBw2fiX9sxmasBv+8+oud/Z/Od67qG5Nrv0tev RfANhC+Cb3cXwXdkIvh2XxF8A0gpgm+ENYJvwNsIvr3jSsG3M+0HlfIi+AbCF8G3u4vgOzIRfLuv CL4BpBTBN8IawTfgbQTf3hEo+NYR05eOgKaSXwTfQPgi+HZ3EXxHJoJv9xXBN4CUIvhGWCP4BryN 4Ns7AgXfVHCK4BsIXwTf7i6C78hE8O2+IvgGkFIE3whrBN+AtxF8ewfBd9oVwTcQvgi+3V0E35GJ 4Nt9RfANIKUIvhHWCL4BbyP49g6C77Qrgm8gfBF8u7sIviMTwbf7iuAbQEoRfCOsEXwD3kbw7R0E 32lXBN9A+CL4dncRfEcmgm/3FcE3gJQi+EZYI/gGvI3g2zsIvtOuCL6B8PVE7aGSodXEgP9tU9e/ 3mwSJVk6T/X9ayFSEHy7rwi+AaQUwTfCGsE34G0E395B8J12RfANhK/SQxbI36sOlBOn4wL+901d v9J/k8erDZJvJqz0/WshUhB8u68IvgGkFME3whrBN+BtBN/eQfCddkXwDYSvTYdP23+/q7eeCvjf N3X9atyiXfZvs/3YD75/LUQKgm/3FcE3gJQi+EZYI/gGvI3g2zsIvtOuCL6B8BUXFydvthgnfyrf V7bt/Tngf+NU6Gvt9tPyx/J9pEDfOb5/KUQSgm/3FcE3gJQi+EZYI/gGvI3g2zsIvtOuCL6B8BYb FyfP1h9u/x3XH7pEtu//RfYfPS/7qJDWgWPnZcven6XmwIVya/y/xX9ajydki1AE3+4rgm8AKUXw jbBG8A14G8G3dxB8p10RfAPe0H7WOrm1TG/775m6fnVb2d7SY/4mG42PyETw7b4i+AaQUgTfCGsE 34C3EXx7h75ZIfhOmyL4BrwjJjZOzpy7IL9S16XOnL8gsfH/BohsBN/uK4JvAClF8I2wRvANeBvB t3cQfKddEXwDABA8b7aIkmfrjQz4M5e6PkXwDSClCL4R1gi+AW8j+PYOgu+0K4JvAACCp9jAefJ4 jSEBf+ZS16dWbz1J8A0gRQi+EdYIvgFvI/j2Dn2zcuD4+YBvZqjUVdGecwm+AbjCI488Itu3b/dt AeFp/rZD9oDTfYfPBvy5S4W+sjaLkjvK9bGHAQNAchB8I6wRfAPeRvDtHbfEv4HcsufHgG9mqNRV tm+nyUPVBvm+0gBw/axfv97egwHhTEcV/7nKAMneZkLAn7tUaGvl5hP2B/7FO4/4/oUAIOkIvhHW CL4BbyP49o4/VugrraJWB3xDQ6WuHv26n1QbvdT3lQYAAKm1et8JubVML8nbYYrsP8LI7+tRJ07H yYQlu+X2Mr0lc6cpEsdobwApQPCNsEbwDXgbwbd31By7zEbr7Dzwa8A3N1TKqtuktfZ1PfnzGd9X GgAABMOy3cfkgcoD5K4yveQ/LSZI9g7T5P22U6gQVMZ2U+TZmkPsd5wCfWZLbCyhN4CUIfhGWCP4 BryN4Ntbnq47XB6NfwO5ZNOJgCEulfTSUVBdJ66xN4TtZ6/zfYUB4PrS94Fnz571bQHhTwPXocu3 S4Z2k+SVJmOoEFbF4Ytk65H4X3oAIBUIvhHWCL4BbyP49pZzF2LkrZbjLKxN32i0FO45Vz7vNptK Rn3R/eLy8Ur95ZYyvaT9rHXCGCgAbsHDLQEAgJsQfCOsEXwD3kbw7U0LdhyWHN2my6M1BruyHshb R2554C8B29xStaKWyQ+/nvN9RQEAAAAAlyL4Rlgj+Aa8jeAb18OBAwdk6NChvi0AAAAAQDgi+EZY I/gGvI3gGwAAAAAApATBN8IawTfgbQTfAACEj9atW8uJEyd8WwAAANcXwTfCGsE34G0E3wAAhA8e bgkAANyE4BthjeAb8DaCb1wP0dHR8uKLL/q2AAAAAADhiOAbYY3gG/A2gm9cD7/++qvs2bPHtwUA AAAACEcE3whrBN+AtxF8AwAAAACAlCD4Rlgj+Aa8jeAbAIDwkTVrVtm3b59vCwAA4Poi+EZYI/gG vI3gG9fD999/L6tXr/ZtAcD1tXHjRqlatWpIa8iQITbtU3IrY8aMsnXr1oBtbiwAAOBtBN8IawTf gLcRfON64OGWANykVatW9v6KCn4BAABvI/hGWCP4BryN4BsAEOkIvtOuAACAtxF8I6wRfAPeRvAN AIh0BN9pVwAAwNsIvhHWCL4BbyP4BgBEOoLvtCsAAOBtBN8IawTfgLcRfON62L59uzRv3ty3BQDX F8F32hUAAPA2gm+ENYJvwNsIvnE98HBLAG5C8J12BQAAvI3gG2GN4BvwNoJvAECkI/hOuwIAAN5G 8I2wRvANeBvBt/fUr1/fRlSHqrZu3Srbtm3zbMXFxfm+sgC8iuA77QoAAHgbwTfCGsE34G0E397T oEGDy4IHKuVF8A14H8F32hUAAPA21wbfJ0+elO+++87C65Qi+PY+gm/A2wi+vYfgO7hF8A14H8F3 2hUAAPA2VwbfAwYMkBtvvFFuuOEGufPOO+2jvClB8O19BN+AtxF8ew/Bd3CL4BvwPoLvtCsAAOBt rgy+77rrLunbt6/s2bNH8ufPL++9956vJXkIvr2P4BvwNoJv7yH4Dm4RfAPeR/CddgUAALzNlcH3 bbfdJvv27bP14cOHy9NPP23ryUXw7X0E34C3EXx7D8F3cIvgG/A+gu+0KwAA4G2uDL41zNRpTp56 6ilbdujQwdeSPATf3kfwDXgbwbf3EHwHtwi+Ae8j+E67AgAA3ubK4FvfxLVv315y5colgwYN8u1N PoJv7yP4BryN4Nt7CL6DWwTfgPcRfKddAQAAb3NN8K1v3DSoVmfPnpW2bdtKkSJFrDQETwmCb+8j +Aa8jeDbewi+g1sE34D3EXynXQEAAG9zVfD93HPPyffffy8PPfSQ3HjjjTbNiVa2bNl8vZKH4Nv7 CL4BbyP49h6C7+AWwTfgfQTfaVcAAMDbXBV833333RZW33LLLfLjjz9aqLllyxYpWrSor1fyEHx7 H8E34G0E395D8B3cIvgGvI/gO+0KAAB4m6uC73/84x+ya9cuuf/+++Xo0aNy0003ySOPPCLPPvus r1fyEHx7H8E34G0E395D8B3cIvgGvI/gO+0KAAB4m6sebqlv3mJiYuT06dNy/vx5iY6OltKlS8v+ /ft9PZKH4Nv7CL4BbyP49h6C7+AWwTfgfcEKvtesWSMbNmwI2Hat2rhxo8ydOzdg25Vq/vz5sm7d uoBtbikAAOBtrgm+NeguWLBgwNIHXaYEwbf3EXwD3kbw7T0E38Etgm/A+4IVfLdu3VpWrlwZsO1a pcH3ggULArZdWjVr1rTlkiVLUhS0T506VebMmROwLdgFAAC8zTXB97lz5+T//u//AlaBAgV8vZKH 4Nv7CL4BbyP49h6C7+AWwTfgfcEOvps0aSIdO3aU3Llz2/bYsWOlcOHC0q9fP1m7dq2UKVNGihUr Jt999500atTIBiFNmTJF2rdvLxMmTJAuXbpIhw4d/OedNGmSHd+4cWMZNWqUPPbYYxZ+ax89x/jx 46VIkSJ23aioKOvnHKvXXL9+vVSpUsX6LF++XDJmzGi/469atcr2f/HFF0kO3ZNbAADA21w11Umw EXx7H8E34G0E395D8B3cIvgGvC/YwXfVqlUtVNYwuU2bNlKuXDn/COu6devKxIkTrfS6lStXlqVL l9qUJQ0bNpTRo0dbgO2cU0d0p0+f3kZplyhRQlavXi2ZM2e2Ng24dbto0aK2PXnyZBk+fLiF2c7x GqK3bNlShg4dKuPGjZNatWrJkCFDZObMmTbKfNmyZdbmnCPYBQAAvM01wXdsbKzcfvvtcuTIEXno oYfknnvu8ZeORkgJgm/vI/gGvI3g23uuFHwnZR5YHRWoIcil+zUcCdY8smk1qjCtiuAb8L60CL51 e/HixdKiRQv73tq3b1+pUKGChdI6l7eWfr/V4FvbEwbfOurbOae2vffee/5jNAjPlCmTtTnBd/Hi xW1bw3ENvuvUqWPb+r1bR57r6HANxfV4Ddk1+J4xY4bMmzfPgvBFixYRfAMAgBRxTfCtb9zatWtn c33rL169evXy1/Tp0329kofg2/sIvgFvI/j2nisF3/o7wLXmgtXARkf+XbpfA5kVK1Zctj8lpR/l D7Q/LUofNBcoyE9OEXwD3hes4FtHV+tIbw2wdVvn4O7UqZOF3z169JCmTZtaGK4jt7WvhtDffPON fW/W77M6OlxDb532JOF5mzVrZuepVq2abVesWFH69+9v39d1qhNt79y5s9SvX9+Cbw20NezW8+l7 Pf0+qFOldO3a1aZN0YdilipVyvrpvej9JRwlHswCAADe5sqpTk6fPi2ff/65ZMiQwc61Y8cOX0vy EHx7H8E34G0E395zreA7e/bs0rNnT3u+h44k1KpUqZLNOavhtgbfGpzofh0tOHjwYDteAxwNTXR7 1qxZ/vNqSJMnTx5/oK1/XNf5YnUeWaePnldHE/bu3dv66X3oR+9z5cplIZD20RGI+gm06Oho/2hF Hb2o8+FqKNOtWzepUaOGzWWbM2dOG+WofTQ0KlmypPXTeXL1/vLmzWv3r+fT16uBko521PvSc+nr 0teo963Bj3OfgYrgG/C+YAXf17tmz55t39sCtV2vAgAA3ubK4FsfaPnyyy/LXXfdZW/+Xn/9dV9L 8hB8ex/BN+BtBN/ec63gW6c705BYRyVqGFyoUCHb1j7OiG8NuJ3g2wm0dYSgzk2rwbRzTu2jowp1 XT+eryOs9XeLS6dFyZEjh51LRzfq+TR4d4LrP/3pT9amobjTXwNxXepD3PScX331ld27fjR/zJgx 1qZTCuiIRw3hNWSvXr26jYLU16UjIPv06WOB+8KFC62/c58aputryJIly2X3GagIvgHv80rwrSO7 de7uQG3XqwAAgLe5Mvi+9dZb5cyZM/bmVN/kPvHEE76W5CH49j6Cb8DbCL69JynBtwbNuk8frvbu u+/aft1OGHxrKKz7Lw2+Nex2zumMENd1nSNWA2gNnYsUKWL9nX466lqXek49n34c3znPO++8Y/sT 9tcR3bocMWKEP/jWbR0d7oT0OmWA3k9UVJSNAtcwW4Nv57Xoa9D7c+YUHzhwoC31eH3dGryXLVvW wn/df6Ui+Aa8zyvBtxsLAAB4myuD7//9739y0003yQ033GClb0BTguDb+wi+AW8j+PaeawXfDz/8 cKLgW4NjfRCbtjvBt46S1t8NdBqRqwXfWpkzZ5aRI0f6w20NkLp3755o1KFOXaKjvPV4PZ8G0hpu Dxo0yB84vfHGGzaaW587og+A0/vQ0ehXC761Teen1VBbH9p2afCtfb/88ku7Zx1FrufX6U20j44Q 1/vU16/9r1QE34D3XRp86/fIsWPHJtrnlH66pV69egHbglX6fSkpn0gJhwIAAN7myuA7NjbWPgKc P39+e7OY0jd1BN/eR/ANeBvBt/dcKfh2wm4NfZ11Z6nBsJZuJ9yXcNtZd7ad0m2nr27r+RNuO3Xp +Zx+TnvC81y67oTZzraznvA8CdsStgc6Z8LjnP5XKoJvwPsCBd86bVLCfU7pJ1qc7yNpVfpMA+eP fOFeAADA21wTfF+4cMFGJwQqHXGVEgTf3kfwDXgbwbf3XCn4plJWBN+A9wUKvvVTLDqFkj6It1Sp UtK5c2fp16+f/Pvf/7ZnEvTq1UuKFStmD9PVY/STKvqpFv30Sfny5W1bz1urVi17sK720W19GK/z fVrfh2k/Ld1u0qSJTcFUuHBhC751Kia9tn5SRaeR0j5a+okY7aefbNFPvug59Rh9joLTRx8G3KFD BxvopKPX9b70kzL6EGD9lI4+0FjvS6d90pC/ePHi9qkZ/YOgnlsfSKz99LkIeg96z/qpG12vUqWK fY30dZYuXdq2neteWgAAwNtcE3yfO3fOP7XJpZU1a1Zfr+Qh+PY+gm/A2wi+vYfgO7hF8A14X6Dg O1OmTBYW60N0dd8nn3xiS50mSUNpDZR1W59vMGDAAAuEnYf26jRNutT3WHouDaB1W9t1wFH69Olt 2wmMNUDXKaA0mNZtvR+9hk7lpNu67oTnWhqY6zMQdL1Zs2b2SV79FK8ToGt9/fXX/rA8W7ZsMmfO HP/UVc796fRW2k9Db+eTNdqvYcOGMnz4cDtOp6nSEejaNm7cOGnRooWt69dGp8vSdZ0WS5/xoOuX FgAA8DbXBN/6xk2D6kCloXhK6LEE395G8A14G8G396R18K0Bh44wTLhPg5yE26ktHbWYcHSjruuo SV0mHNGopaGTE9hcq1JynwTfgPddLfh25vrW34l1qcG3fg/Mly+fbeso6MGDB1vw7UyfpCO3dfn5 55/bslOnThZe6yhyDZs//vhj/35d6rH6vc0JlRs1amT9CxYsaNt6Xido19L709BZR3lrX30Gw7Jl yxJ936xUqZJ/nnC9rgbaw4YNs209Tpc60rtcuXJSoEAB/3EzZsyw75V6Pg3j9VqzZ8+W3Llz27pe S5/RMGvWLJkyZYodo0E8wTcAAJHJlXN8BwvBt/cRfAPeRvDtPWkZfGsgog+t1PAj4X59gKQu9SGU l7Ylt3LkyGEjFzt27Gghu+7Tj91roNO6devL+i9ZsiTJwXfC4CipRfANeF+g4Fun8ViwYIFMmzbN 9lWuXNmWzvehLl26WFCt36e0vwbQTvDtjJCuVq2aLfV7mn6f0u+VOvpbv6fpfh0prksdYa1LfdCw tut5NfgeNWqUfU/X8yQMtXWaFX0gsX6f1HBapy3RKVk03Hb66EhuPY8+XFj3a2DtjNDWqVL0fjUc 1/Pq91E9hwb2+hr0tevocB31rfeg640bN7agW9c16NbXo4G93q/ex5W+9wMAAG8j+EZYI/gGvI3g 23uSEnyPHj3aAhidH1ZHNOrH4zXE0NF/OrpRRwlqIKIfv3eCHK0sWbLYqD/9uL7OKavrTpijowNv v/12m+9WR0PqR+d1RKS268PgNFDRIMc5l84/q6MZE47g7t69u43gdrb1+jqa8qmnnrJQRsMW3T99 +nSbf1YDl759+9o96uvQPnrNhPes6zpdgIY/TvCtIZOu6zFOvysVwTfgfZcG314o/R6e8Hvh9SoA AOBtrgy+Y2JiZNKkSTZaQEvfQKYEwbf3EXwD3kbw7T1JCb419NXReTpfq47idgJs/Qi+jgTUc+go R32omfPReC0NxbWP9l24cKHNLavBtTPi+4EHHrDzaruOLtRwWz/+njFjRv9H7rV09KGOgNRrP/ro o/6Rgjq1gB7r9NOHsOlxzty2+hA17fvRRx/5j9GRhhruZMiQwfZp6K6jJp1z6MPmnHPq69b77tGj h41c1/M4/a5UBN+A93kx+Nbv7wm/n16vAgAA3ubK4PuZZ56xUVl33323PdxSH3CSEgTf3kfwDXgb wbf3JCX4dj5+r8GzljNKWkdta/Ctc77q/K06r2vCeVud4LtNmzb2EfgxY8bYiGwn+HZC7CpVqljo ouG2nlODbyeo1po8ebKVnl/L2a/n1Os62zp6XIObS4NvPb/Txwm+9SFyuq3tzoPbtHSUunNtDb71 9eqId71udHS0v9+ViuAb8D4vBt9uKQAA4G2uDL5vvvlmOX36tI3w0pFP+pCWlCD49j6Cb8DbCL69 JynBt04xolOEaF8NgkeOHGmjt+vXr2/rOt2Ihsz6Mz7hvLLjx4+36VB0/lqd57V27do2N6z21Xad Y1anT9F5ZXXaEt2vwbnzUDTnPBpU68PddH5bvZ6zX0unJdFgXuf6dkab67QpunQCb527Vs/fp08f W+r5dL5dnfNWp23Re3TOp8G8TpGipXOQ6z4Nw/X162tw+l2pCL4B70vr4Lt///6XPRQ4UgoAAHib K4Pve++914JvDcBfeeUV+cc//uFrSR6Cb+8j+Aa8jeDbe5ISfDulf/zW4DtQG3WxCL4B70tp8K1/ 0Es4nYiu6z79g6F+Msbpc6Xvs9qW8I+CCdcvnabEObeu66dhnP2679K+Tl26X/9ImHDbOd+l+526 0nmTUwAAwNtcGXxv3bpVfvrpJxtllT59etm+fbuvJXkIvr2P4BvwNoJv70lO8K2jsRM+TJK6vAi+ Ae9LSfCtYbE+uFcfIjlo0CCZMGGCPV9AA2/9NIw+d0Cnh2ratKl9WiXhswf0WH0Ggj70Vz+BogHz J598Yp/C1emkdHon7a+fVNGHAuvzCBo3biy5cuWy6aCeeOIJe0ivfqJFPyVTtmxZ+xSLc379JE6t WrXsGQcFChSwgFs/SVO+fHmbHmrevHl2vtatW9snZbSvTlmVMHjXT9bo/s8//zzR/uQWAADwNlcG 33/4wx/sF6zUIvj2PoJvwNsIvr0nOcE3de0i+Aa8LyXBtz7joFGjRjb1kw4k6t27t3Tu3NlC4tWr V1vgrf30D4waLr/wwgv+YzX41jBc1zWw1k/fZM6c2bY1ONfjdV1DbQ2+dboo3S5WrJgd+8EHH9h2 5cqV/aG000dLg2+9L13/5ptvZMWKFfZHTr2nd99914Jv52eFjk7v1auXhenOuTR819ei61FRUTbN la6npAAAgLe5MvjWUQHPPvus/ZKnwbX+MpMSBN/eR/ANeBvBt/e4LfgeMWJEwP06SjLQfrcVwTfg fSkJvvX905QpUyyI1tJ9GjBrKK3BtY6oXrdunYXVOuBIH/LrHKv9nWcO6PMV9CHAOppbt3VEtgbX ul64cGELvnXUtm7r8w70WB0drtsVK1a0a+i68xBgLT1en3ug6/rcAz2/ji7XY7Nly2bBtz5DQYNu fd6Cs98JvvU5Cc2bN7d1fRbD9OnT/edObgEAAG9zZfB9xx13yA033OCvrFmz+lqSh+Db+wi+AW8j +PYetwXf+lH8QPufe+65gPtTWyVLlgy4P6VF8A14X0qCbw2zdfoQHUU9btw4GTJkiK3rCG4NkDXw 1mBc/8in59dpS5xjNWjW79UajutDdrW/M0Jcg2w9RtsmTZpkwbdzfzoaXI/Vhwi3bdvWRmbrqG89 d3R0tP/8GnzrNCZ6Dh2JrufXoF2P0VHq2q73pvv1ocb6YOI6der4g2+tDh06WF9nFLuzP7kFAAC8 zZXB97lz5xLVhQsXfC3JQ/DtfQTfgLcRfHtPaoJvnQ9Wg+M+ffpYoKJBTrly5WTgwIHWrp8YK1Om jD2oTYMXDVJ0Dlht07ljta9+ZF7DEh1FqGHJW2+9Ze06clFDIv3ovm4/9dRTdq/vvfee9dO5bUuV KmVTAjj99VqdOnWyYMaZBkDn0tX9OreuHqehj86VW7BgQfso/+OPP25TCGh4pPer4ZPOvavHpqQI vgHvS0nwnZrS8NqZiiQtSoPtUaNGBWwLdQEAAG9zZfCtD7V8+OGH5d5777XSOeFSguDb+wi+AW8j +PaelAbf+hF9DZA1LHnyySct+NZRjNr26KOPypo1a2yuV6e/zgs7fPhwee2112z7f//7ny31U2Ua SGtgrSMVX3zxRdvvfAy/dOnS1q7Bt27r6EgNgfT8o0ePtmvpfg2ydfnggw9afx19qCMsX3nlFbvH fPnyWbjt9MubN6+164PidFu/Drqtx95999221P3JLYJvwPtCHXzr96b58+cHbAtG6ffepUuXBmwL dQEAAG9zZfB955132pvb999/X9555x3p16+fryV5CL69j+Ab8DaCb+9JafCtD2DT0do6UlADEw2+ dV5YbXvkkUcsGNePxjv9dZo03ZcpUybb1tHiutTfMTRk7tmzp4XjTvDtjPTWkd3a7kx1omG3Btga jOv59AFw2q5z12r7Sy+9ZMsePXr4g229Ry3tV7NmTWsvVKiQtet96baORHfCbueedD25RfANeF+o g+9IKgAA4G2uDL5vv/12+fXXX+Xpp5+2h5vo6KmUIPj2PoJvwNsIvr0nNVOd6NQl+kC02rVr28PN NPzW/fpQNg2OdXoRHck9d+5c+fzzz21aEp3iRPvo3LG6fPvtt63v4MGDbRT3Z599Zvu/+eYbW+q8 s9ru7J84caIF3/pgNR3VrcG2tjsPVtPr6HLo0KEWbLdo0cL6aZCu/XTOW23X+Wmddn0N+nA5HQWu gZbOk6t9UlIE34D3JSf41ucW6NzZOi/2woULA/bRebH1e2igtqSUPhTY+f57rdKpnwLtT2k5f6QM VgEAAG9zZfCtby537twpf/3rX+3hll9++aWvJXkIvr2P4BvwNoJv70lN8E1dXgTfgPclJ/jWKZ/G jx9vnzrR5xnoH+WcNp22SZf6hzsnuHb2OaV/6Eu4rX8g1D/iJWzXT+PqJ2B0W/+gl7DdKd2nbTlz 5vTvS3huve6l53XWtfS6Cbd1ehRd6vtEPa/WpW1OJWy7VgEAAG9zZfCtdu3aZaOh9BeZlCL49j6C b8DbCL69h+A7uEXwDXhfcoNvZ9onDYD/85//2LROOt2SjgQfM2aMP/jWT6Top2F0kJGG0PrAXf3E im5rEN2/f3/bdsLrKlWq2Cdp9FwafGsA3qxZM9uvDxV27mHBggU2HZTetz5fQUNuPUavp5/Y0Qf6 6ns0/fSLjlDXhxbrKHTnPvQ4Pa/+vND3gvppno4dO9r0VunSpbMHb2bPnt3uUdf1NegngvR16vRW zidtklIAAMDbXBl858qVy0Z6a9188802YiElCL69j+Ab8DaCb+8h+A5uEXwD3pea4Pvdd9+1KZx0 6hMNiPPkyeMPvt977z3bp4G3ThFVqlQpO27IkCEWKutUKRo4P//88zY1igbn2t67d28LvgsUKOC/ zkcffWTrWpUqVfKP2NaAWkeglytXzq6lz3CaNm2aBeB6Dxp89+nTx/rqfenzHDScb9KkieTPn18G DRpk+5xzO9fRaaP0PaIG7u3bt7dAXINvnULK6ZuUAgAA3ubK4PuWW26RUaNGyd69e+2XM33wVEoQ fHsfwTfgbQTf3kPwHdwi+Aa8LyXBt4bROmJbQ2R9poHzMGDd7wTfuXPn9k9JoqGxjqzWbQ2VNfjW 0Fy39VkGGmRXrlzZzqGhtAbfzvHaljBw1lBbw2od6a0jvufMmWMPANY23afX0/O/8847FnxrMK9t GsAvWrRI6tWrZyO99Zz6gOHp06fbdbR0qhPt6wTfzj3nyJHDXoMG7M59JKUAAIC3uTL4/u9//ytb t26V8+fPy4ABA+wXGl2/cOGCr0fSEHx7H8E34G0E395D8B3cIvgGvC85wfe8efOkQoUKNv2IBsa6 T4PhGjVqSMOGDWX+/PkWJmtIPHPmTKlbt66FyNpPg3INxXv27GkBddeuXaVp06Y2JYm29+rVy6Yg 0SBdj1+6dKnUqlXL5hLXMNu5Bw3Cq1WrZtOQ6Ihx3aejsp05x/XhmLquI701+NbXp9s68EnPowG7 PqhY2/XeNWjXe9ewXqde0fONHTvWtvX+9HidKkXD9L59+/rvIykFAAC8zZXB9x133OGf6iRhJXfk N8G39xF8A95G8O09BN/BLYJvwPuSE3yntDRw1ilINDx2RnIH6hfs0uBbp1YJ1BaKAgAA3ubK4Hvy 5Mn20JNLS+eeSw6Cb+8j+Aa8jeDbewi+g1sE34D3hSL41qBb5/SePXu2jfYO1CctSoN2nT88UFso CgAAeJsrg+9gIfj2PoJvwNsIvr2H4Du4RfANeF8ogu9ILQAA4G0E3whrBN+AtxF8ew/Bd3CL4Bvw PoLvtCsAAOBtrg6+Y2Ji5ODBg76t5CP49j6Cb8DbCL69h+A7uEXwDXgfwXfaFQAA8DZXBt/333+/ /PLLL/LYY4/ZQy3btWvna0kegm/vI/gGvI3g23sIvoNbBN+A9xF8p10BAABvc2Xwfeutt8qSJUvk 5ptvlmXLlsmTTz7pa0kegm/vI/gGvI3g23sIvoNbBN+A9xF8p10BAABvc2Xw/fbbb9tI788++8ye Kq7bKUHw7X0E34C3EXx7D8F3cIvgG/A+gu+0KwAA4G2uDL5jY2PtHMePH5cjR47IgQMHfC3JQ/Dt fQTfgLcRfHsPwXdwi+Ab8D6C77QrAADgba4MvnWaE53uREd9P/zww3LixAlfS/IQfHsfwTfgbQTf 3kPwHdwi+Aa8j+A77QoAAHibK4Pve++9V6pUqWLze6dLl06yZs3qa0kegm/vI/gGvI3g23sIvoNb BN+A9xF8p10BAABvc2Xwfcstt8ipU6dsffr06fLYY4/ZenIRfHsfwTfgbQTf3lOjRg37ZFeoauPG jZcFHV4qgm/A+wi+064AAIC3uTL4fvbZZ+Wee+6R9957z6Y8qVixoq8leQi+vY/gG/A2gm8AQKQj +E67AgAA3ubK4Pv8+fPy5ZdfyiOPPCLVq1dP8Wgmgm/vI/gGvI3gGwAQ6Qi+064AAIC3uSb4jomJ kWnTpgWsVatW+XolD8G39xF8A95G8A0AiHQE32lXAADA21wTfJ87d05uuOGGgMXDLXElBN+AtxF8 AwAiHcF32hUAAPA21wTfOp3JiRMnAtaPP/7o65U8BN/eR/ANeBvBNwAg0hF8p10BAABvc+Uc388/ /7yFHU4VK1bM15I8BN/eR/ANeBvBNwAg0hF8p10BAABvc2Xw/fHHH8sHH3wgGTJkkDvuuENq167t a0kegm/vI/gGvI3gGwAQ6Qi+064AAIC3uTL4TmjUqFGSL18+31byEHx7H8E34G0E3wCASEfwnXYF AAC8zZXB9yuvvCLPPfec1Z133imvvfaaryV5CL69j+Ab8DaCbwBApNu7d68sW7YspLVt2zb59ddf PV8AAMDbXBl8p0uXTl5++WWr3Llzy7Fjx3wtyUPw7X0E34C3EXwDAAAAAICUcGXw3aNHD3/YPXfu XJk5c6atJxfBt/cRfAPeRvANAAAAAABSwpXB94033ig//fSTrS9YsEAef/xxW08ugm/vI/gGvI3g GwAAAAAApIQrg+97771XqlevLmfPnpW33npL0qdP72tJHoJv7yP4BryN4BsAAAAAAKSEK4PvhQsX yg033OCv7du3+1qSh+Db+wi+AW8j+AYAAAAAACnhmuA7Li7OynHmzBnZtWuXhdcpRfDtfQTfgLcR fAMAAAAAgJRwTfAdGxsrd9xxh/z888/y6KOPyv333++vPHny+HoljwbfFSpUkEGDBlEerVdffTXg foqivFEPPvhgwP0URVEURVEURVEURVFXK1dNdXLs2DHZtm2b1K9fX2rVquWv/v37+3okjwbfrVq1 klOnTlEercyZMwfcT1GUN+qxxx4LuJ+iKIqiKIqiKIqiKOpq5co5vmNiYqRx48ZStGhR+eGHH+Sn n37ytSQPU514H1OdAN7GVCcAAAAAACAlXBl8P/PMM/LEE0/IXXfdJcuXL5f33nvP15I8BN/eR/AN eBvBNwAAAAAASAlXBt+33nqrPdxSg+8tW7bI448/7mtJHoJv7yP4BryN4BsAAAAAAKSEK4Pvl19+ 2eZ1vemmm+S+++6TcuXK+VqSh+Db+wi+AW8j+AYAAAAAACnhyuD73LlzUqRIEZvypGzZsnLhwgVf S/IQfHsfwTfgbQTfAAAAAAAgJVwZfOvUJk2bNpXTp0/79qQMwbf3EXwD3kbwDQAAAAAAUsKVwXeZ MmXkj3/8o9xwww3ywgsvSHR0tK8leQi+vY/gG/A2gm8AAAAAAJASrgy+VWxsrJ0nXbp0kjVrVt/e 5CH49j6Cb8DbCL4BAAAAAEBKuDL4fuedd+Tmm2+2Ed8vvviirFixwteSPATf3kfwDXgbwTcAAAAA AEgJVwbfGnQMHTpUfvnlF4mLi/PtTT6Cb+8j+Aa8jeAbAAAAAACkhCuD79SE3QkRfHsfwTfgbQTf AAAAAAAgJVw7x3cwEHx7H8E34G0E3wAAAAAAICVcG3zv2rVLJk+e7NtKGYJv7yP4BryN4BsAAAAA AKSEK4PvwoUL24Mt77rrLgu/ixcv7mtJHoJv7yP4BoLn+zNnpcPs9fJxxynyTP0Rrqhb7v1zwP2h ro87TpXmU7+TIz/86vtqAQAAAAAAN3Nl8H3bbbfJ3r17Lfg+cuSI/O1vf/O1JA/Bt/cRfAPB0XTK arm9bG+5N74ytJooWTtOl2ydZlDxlbXjDMnQcqI8VLGf3Fqml1QdvUSC8yQKAAAAAACQVlwZfD/w wANSpUoVuf322+X999+XDz/80NeSPATf3kfwDaReldGL5bbSvaTzpLVy7GSsnPxeqAB1/FSsDJy9 RW4r00vy9p4VtAcxAwAAAACA4HNl8L179255+OGHbboTHe19/PhxX0vyEHx7H8E3kDrf7TshN5fu JVELdwUMe6nLa8GaQ/Y123jolO+rCAAAAAAA3MY1wbeOnDtz5kzAOnv2rK9X8hB8ex/BN5A6b7Uc J683GBUw4KWuXC/WGyF3V+gnsYz6BgAAAADAlVwTfJ87d85GeAeqrFmz+nolD8G39xF8A6lz79f9 ZMS8bQHDXerKtXzTcRv1fSEm1veVBAAAAAAAbuKqEd/Lly+3yp49u3z11VeybNkyefbZZ2XmzJm+ XslD8O19BN9A6mh4u3DzyYDhLnXl2nf0PME3AAAAAAAu5so5vm+++WY5deri3KlTpkyRl19+2daT i+Db+wi+gdTR8Hbp9u8DhrvUlWvv0XME3wAAAAAAuJgrg+8nn3xSbr31Vnn88cctBM+VK5evJXkI vr2P4BtIHYLvlBXBNwAAAAAA7ubK4FsfZtm+fXvJli2btG7dWs6fP+9rSR6Cb+8j+AZSh+A7ZUXw HXyVKlVyRfXr1893RwAAAACAcObK4DtYCL69j+AbSB2C75QVwXdwrVmzxn53oNxZP/30k+9fCgAA AADCB8E3whrBN5A6BN8pK4Lv4CL4dncRfAMAAAAIR64NvuPi4uT48eO+rZQh+PY+gm8gdQi+U1YE 38FF8O3uIvgGAAAAEI5cGXxHR0fL7bffLjfccIP8+c9/lmPHjvlakofg2/sIvoHUIfhOWRF8BxfB t7uL4BsAAABAOHJl8H3vvfdKw4YNZd26dfL+++9LlixZfC3JQ/DtfQTfQOoQfKesCL6Di+Db3UXw DQAAACAcuTL4vuWWW+TkyZO2PnHiRPn73/9u68lF8O19BN9A6hB8p6wIvoOL4NvdRfANAAAAIBy5 Mvh+9dVXbdT3K6+8IrfeeqvUrl3b15I8BN/eR/ANpA7Bd8qK4Du4CL7dXQTfAAAAAMKRK4PvCxcu SJEiReShhx6Sb775xh50mRIE395H8A2kDsF3yorgO7gIvt1dBN8AAAAAwpErg+/nn39efvzxR1tf tGiRZM2a1daTi+Db+wi+gdQh+E5ZEXwHF8G3u4vgGwAAAEA4clXwffbsWQu9b7zxRnn22Wdt/Y47 7pAnn3zS1yN5CL69j+AbSB2C75QVwXdwEXy7uwi+AQAAAIQjVwXfOqVJzpw55aabbrJR3jly5JDc uXPLnj17fD2Sh+Db+wi+gdQh+E5ZEXwHF8G3u4vgGwAAAEA4cuVUJ2PGjJHz58/7tlKO4Nv7CL6B 1CH4TlkRfAcXwbe7i+AbAAAAQDhyZfBdv359ue++++Tee++10lHfKUHw7X0E30DqEHynrAi+g4vg 291F8A0AAAAgHLky+L755pvl888/l/bt21twPX78eF9L8hB8ex/BN5A6BN8pK4Lv4CL4dncRfAMA AAAIR64Mvj/44AM5fPiwbyvlCL69j+AbSB2C75QVwXdwEXy7uwi+AQAAAIQjVwbfjz76qNx4441y //33W+XNm9fXkjwE395H8A2kDsF3yorgO7gIvt1dBN8AAAAAwpErg++OHTtKu3bt/BUVFeVrSR6C b+8j+AZSh+A7ZUXwHVwE3+4ugm8AAAAA4ciVwffPP/8sJUuWlDfffFOOHTsmJ06c8LUkD8G39xF8 A6lD8J2yIvgOLoJvdxfBNwAAAIBw5Mrg+69//avVXXfdJevXr5d06dL5WpKH4Nv7CL6B1CH4TlkR fAcXwbe7i+AbAAAAQDhyZfB96623WmjtBN+PP/64ryV5CL69j+AbSB2C75QVwXdwEXy7uwi+AQAA AIQjVwbfr776qtx99932gEsNwatUqeJrSR6Cb+8j+AZSh+A7ZUXwHVwE3+4ugm8AAAAA4ciVwXds bKy0b99e3njjDenevbvExcX5WpKH4Nv7CL6B1CH4TlkRfAcXwbe7i+AbAAAAQDhyZfB94cIFadWq lTRt2tRqxIgRvpbkIfj2PoJvIHUIvlNWBN/BFezge8WKFQH3X4+aPn26bNy4MWBbwpo4cWLA/W4o gm8AAAAA4ciVwfc999wjN9xwg7+yZs3qa0kegm/vI/gGUudKwXeFijUkT95CVh069pbjp2KlcJFS 0rR5B38f3Ve2bJVEx11a23edlOUrt/m3a9dtkqg9ufXOfzPIidNxAduuVhMmz5NPs+eW6TOXBGxP bhF8B9eVgu+33npLNmzYYOuTJ0+WOXPmXNbHqaFDh9oyX758snTpUvvE2KV9rlZ9+/a1P7r36dMn YHtyqn79+hZ2r1y5UqZMmZKorXnz5vb8koT7pk2bZn0T7nNTEXwDAAAACEeuDb737Nkj58+ft9IR 4ClB8O19BN9A6lwp+D52MkbmLVgrGzYduBhwl6sqB4/8JlNnLJYNmw9Zn6jxs+XFf75y2bEJS0Pq 3LkL2Lqes+LXNW19197E1zx64oIttf+J07G2fuDwr4n6HDt5Qf79evorBt96fmep95yw7cjx83Zc zs/zXdam+51jnbp0+9Ii+A6uKwXfw4cPl3nz5tn6F198YSF4ly5dpGLFirZv9OjRMnXqVFmwYIEM GTJEmjRpIunTp5eZM2daP+2joXLBggVl3bp1Nqq6QIECsnz5cmvTIL1QoUKyZMkSmTFjhnz55ZcS HR1tbYsWLbJtHbGt207p9fSY1atXW4BdvHhxiYqKStSnY8eOttSQu2jRov7w3tmn19V70nBc20qX Li3ffPNNopHh7dq1k/Hjx1ub7tf70fseOHCgtZcsWdJ/Ha0GDRpIrVq1bH3MmDHWrsfpPeo99OvX z9oqVKggHTp0sHX9euh96Ot3zhOoCL4BAAAAhCNXBt/6hvDZZ5+1N2daPXr08LUkD8G39xF8A6lz peBba8Hi9bJ562FbL16ivC337P9Rxk2cKzt2n7LgO126txMdE6iqVq0nh4+dk/mL1smmLYdl2IjJ smDReqlTr6m1V6/Z0LaLlSgnw0ZOlr0HfpKvSn8t8xeui+/TzALwtu27y8L4+3nggT9bUN26bVc7 tnDR0hZkp0v/H5k2Y4nsO/izzIleJY2btZeDR8747+HAoV+lZ++hMnzkFP8+rWefe0HmLVgjteo0 tv69+g6XSVPmy4hRU2XKtEWJ+iYsgu/gulLwrcFtmTJlbL18+fLSv39/mT17to3o1mBbQ+S5c+da eKyh79q1a6Vy5coW9mrAvXjxYuunobeeS0NtXX/44YftnC1atLBtLT2nLt955x27Hz2fbmugrOd1 7knDcD2/XjNjxozWpqF1wlHcuXLlsqWO4tZyQmctvWcN41etWiXNmjWz8+j1Jk2alCiA/uSTTyzs 1oC9cOHCFrjr70N6veeee86W+trHjh1r4bje/3fffWfH6Kh1bc+SJYv/Ner1NDRP2K93797Wpq8p Yeh+aRF8AwAAAAhHrgy+//jHP9oUJ48++qiVjkZKCYJv7yP4BlInqcG3TnmiSyf4zpOvsKzfeEBe eeV1OXj494C5cdN2Nqpbg25n34ZNBy1Ezv9lcQutu3QbID16DZXPcua19u49BttSg2897rt1e6Rq tXrSpl03yZ7jCxk8bIL/fK/+O13A4Dtzlk9t+0D8vbRu09VGqGs4r/u0dAS3jjIvXbaKjf529r+R 7i1b7j/0i2zfeVJee/1NO7/uK1Gygr/fpUXwHVxXCr61NLwdNGiQBbbVq1e3KUx69uxpU5toiOyM pnZGO2sfXWrwPWzYMAt5nXN9/PHHNkr8vvvuk4ULF/pHk2vlzp3b+ufMmdPanJHfGjwnnIZk3Lhx Np2K7kuXLp3dS7du3S4LvjVQ1t9fRo4cKY0bN/a36T07fXW0+KxZsywA1/vSMNrpp8G3E0a/+eab FnxrmK37qlWr5u+no7dfffVVf199Lorej95X165d7ZhixYrZQ8P1a6Wj5WvXrm0j5PW16TF6f87X MVARfAMAAAAIR64Mvh988EE5fPiwbyvlCL69j+AbSJ2kBt86AvvQ0d9k+KgpsmXbUZkTvdLqhRdf lj37f7js2ISlQfLHWXJIl24DLXRu0qy97ddpR3SpQbouNfg+duKC7NxzWvoPHGP79h/8RaIXrJHN 8dfU7YcefsTOV7N2I9t+9rkXLfj+LGce227W4ls5Gn+NMVEzEwXfGmzr8utKteJfx1n/fh0prksd 7a3Bd6ZM2Sxk12rVuou/36VF8B1cVwu+dYT3hx9+aMGuTkfSsGFDm35k2bJl1wy+dZSzjhjXkdEa AL/77rs2svqOO+6w82mArZ8y05HW//3vf20e8bffftvOqcGzBuM6xUrCUHvUqFEyYMAAm05FpxPR 6UISjujW0uBbQ2wNn3VUdaNGjfxtlwbfGk5rqK3h86XBt55Xz6HBv/bRMF3bdO5z/Vroa9avg06L oqO89d40zNbz6uvSqVI04NYQX8NxDdf1a6FBun49dAoU/fqWKFHCf91ARfANAAAAIBy5Mvj+6KOP 5KGHHpJs2bJZ6ZvclCD49j6CbyB1rhZ879h1wj/Pts7BrVOFzJ23OlGfiZPnJdq+Ui1YtM7CZQ2t NdSeMClaZsxebm2bth6xZXT8uY+fuji39pzo1TJo8DjZsPmgHTNg0FiZOGWejJ8wx7Z1rvGRo6fL tJlLLfie6TvXnv0/Sb8Boy2cP3TkN9unpeF623bdZdWa3f59WhMnz7eljgjX+9NgfsDgKBk1ZvpV 5/km+A6uqwXfWglHba9YscKmMNF1Pc4Z6eycw1k6x+hS+2s/HaWt82RrIO701alANIjWfdrmjILW fXrcpSOhtY+Gzbqu59Q+ek9Ou+7TaVl0XQN1DZidwFor4brem3MOvU7Ca2nwrfeiI911+9L70GMS fl20n3NfCV+zXu/SdSd4T9jPOU+gIvgGAAAAEI5cGXy/8sor8vzzz/tL565MCYJv7yP4BlLnasE3 deUi+A6uawXfaVlNmza9ZvCb1NLXoQ++dB6emZrS0djBuq/UFsE3AAAAgHDkyuBbnTlzRk6cOGH1 448/+vYmD8G39xF8A6lD8J2y0uD7hvsetedRJHTvvfdK2bJlfVsXaZ/du3f7ti7Sfb/88otvS2zq jEvP9dhjj12276677pIaNWr4ti7SPpf+MNd9+nPUodNpXHoufcDjpfv+8Ic/SJMmTXxbF2kf/Vmc kO47d+6cb0ukZcuWl53r/vvvl5tvvtm3ddFtt91mc1InpMclnGubcl8RfAMAAAAIR64MvvUhTPpG 2KmsWbP6WpKH4Nv7CL6B1CH4Tlkx4ju4QjHiW0dPXzpdSMLStoRzebul9L6nTJkSsC1hJZxCJdhF 8A0AAAAgHLky+L7llltsXkz9mK/O760PZkoJgm/vI/gGUsdtwXeDRq3l5X/9Wzp07CX7Dvwsb7zx pqRL97YsW7lVRo2ZZg/YDHRcqIvgO7hCEXzrXNvO/N2Bav78+TJt2rSAbdezdIR8UqY80Yd2Btof jCL4BgAAABCOXBl860etf/31V7n77ruldevW8uSTT/pakofg2/sIvoHUcVPwvXnbUZkybaE9vFJr z/4fZcKkuf7tXn2Gy8EED6y8nkXwHVzBDr4nTpwo6dKlk0WLFknBggWlZs2a9gBKfYCljoz+z3/+ Iw0aNLC++oDHN998UwYPHuwPvitWrCgZMmS4LHCeO3eu/O9//7Pz67b+jvLGG29YoK7n1/Bcp6LR EPr111+XyZMnJzpep3RJnz69DBw40L9P78eZ6kWnmdFrtmrVSjJnzmzrPXr08D/4Uu+7Tp06smDB Av8I7/bt29vSCb713t9///0kheVJLYJvAAAAAOHIlcF3586dZf/+/fbGTac60Td1KUHw7X0E30Dq uCn41nD7s5x5JXrBGtvW4LtuvaYyeOh4OXjkDMG3hwUz+F65cqX069fPgl+tP/7xjxYSL1u2zB46 qSO/NUSuVKmSrWvArNsjRoyw4Lt69ep2P3rMyy+/nOjcLVq0sHNmy5bNjtHQXJfvvPOOfVKtWbNm Nl2KXkv7/eMf/0gUQNerV8+29fccJ7jWbf0Dvy71wZgaqs+YMcPOU758efvkm3MN3ac1e/Zsu3c9 vmrVqrbU4Ftfk4bw2v+f//yn/7qpLYJvAAAAAOHIlcG36t27t5QrV07Onj3r25N8BN/eR/ANpI6b gm8tDb/nL1wrFb+uacH32HEz5fCxc4z49rhgBt86yjrhwzL/9a9/2VJDb62vvvpKRo0aJc2bN7fg Wn/X0HYdza3Bt4bPzrEPPfSQf11r6tSptixRooQF0Hny5JFZs2bJW2+9ZcG3jvjWdg2d9VxPP/20 P/jWEeFRUVG2PnPmTBt9rutaOsJbt/X4Nm3ayMiRI2Xs2LF2Dif4dl6HlgbfztcsYfCtPxOd6/37 3//2909tEXwDAAAACEeuDL5fe+01G+l911132ceUP/roI19L8hB8ex/BN5A6bgq+d+/7QY6eOC/H TsbIR5myWfA9cXK0v53g27uCGXxrSPzxxx/LuHHjbEqQV1991fY7wXfGjBktgM6dO7cF3zly5JD/ b+9OwOysy4P/YwVF7b+1rX1pqb4WaltbsVpfqxaqaBGUTWWRfVNAFGRfZRFkkx1l3xIIgSQkAULY d0LCFgiQEPaQQBJCSMISAiGz5fef+zfnjHMmk5lMZk5ynpPP57ru65xnPWfGTCLfPHnOiBEj8tXS EZpHjhyZTj755HTRRRdV3JIk5sADD8z7RviO19lqq63ShRdemG+VEuF77Nixeb/Pfe5zOa7/3d/9 XXuIjon3NWrUqPzYcX08j6vI4zGu2I7POInXueOOO9rDd9yaJa5kjzAey8ccc0yO9x3Dd0T/gw8+ OA0YMCCdd9557efv6wjfAABAEdVk+F5jjTXSggULcvieOnVq/g/I5SF81z/hG/qmlsJ3XNl94033 ptG3jMkfYvnGnMZ0973j8zz/0uz07AuzchTv6tgVPcJ3/+rP8B0TtxGJK6gjJJdvCRLPyxPb4ort jssRk2Ni34jPXX0QZvlK7TimvF+cP16vfK5YH+vK2zoeH+cvv1bH9TEd943vR/l14n3GuvL7LH+v 4nm8bvmWKeVzRszv6r33ZYRvAACgiGoyfK+zzjr5Q6E++tGPps9+9rNpxx13LG3pHeG7/gnf0De1 FL6LNMJ3/+rv8F2t6XgLlVVphG8AAKCIajJ8v//++2nzzTdPa6+9dv5nxBGwl4fwXf+Eb+gb4Xv5 RvjuX0UJ36vqCN8AAEAR1WT4bmlpSUOGDEkXXHBB/qe7y6un8P3iiy/me2B2nLgnJ8UhfEPfCN/L N8J3/xK+a3uEbwAAoIhqMnx/4QtfyB9u+bGPfSw/xgdMLY+ewvdtt92W/v3f/71idtppp9JWikD4 hr4RvpdvhO/+JXzX9gjfAABAEdXsh1u+/PLL+fnZZ5+d7/m9PHoK3/Pnz0+zZ89OixYtSm+++WZe HjhwYGkrRSB8Q98I38s3wnf/Er5re4RvAACgiGoyfB9yyCFp0KBB6a233koHHXRQOuWUU/Lzd999 t7THsukpfA8bNiwddthh6bHHHks//vGP04wZM9L6669f2koRCN/QN8L38o3w3b+E79oe4RsAACii mgzfn/jEJ/ItTjrPl770pdIey2ZZwvdXv/rVtPXWW6fPf/7zaZdddhG+C0b4hr4RvpdvhO/+JXzX 9gjfAABAEdVk+H7llVfSlClTlpjp06eX9lg2PYXvRx99NO22224Vc+KJJ5a2UgTCN/SN8L18I3z3 L+G7tkf4BgAAiqgmw/cHH3yQNt1007ThhhvmOfLII0tbeqen8L1w4cI0atSo/Pzhhx9Oe++9d35O cQjf0DfC9/KN8N2/hO/aHuEbAAAoopoM33/1V3+V1l133Txrrrnmcl+F3VP4vuKKK9Jpp52W7x/+ kY98JN/2ZJNNNiltpQiEb+gb4Xv5RvjuX8J3bY/wDQAAFFFNhu/VV189LViwIH37299OL7/8cr76 e3n0FL6HDx+eNt988/Sd73wnbbnllvnDMz/72c+WtlIEwjf0jfC9fCN89y/hu7ZH+AYAAIqoJsP3 WmutlWbMmJE+/vGPp09+8pPp//2//1fa0js9he9FixalL3zhC+lv/uZv8lXfEcI32mij0laKQPiG vhG+l2+E7/4lfNf2CN8AAEAR1WT4bmhoSC0tLWnmzJlp4MCB+Z7fy6On8B0WL16ch2ISvqFvhO/l G+G7fwnftT3CNwAAUEQ1Fb5/9rOfdTnnnntuaY/eWZbwTbEJ39A3wvfyjfDdv4Tv2h7hGwAAKKKa Ct+rrbZa+sQnPpE+85nP5NuPlGeHHXYo7dE7wnf9E76hb4Tv5Rvhu38J37U9wjcAAFBENRW+99hj j/SXf/mX6dOf/nTaa6+90pQpU0pblo/wXf+Eb+gb4Xv5RvjuX8J3bY/wDQAAFFFN3uM7gvd2222X /uIv/iJH8HPOOae0pXeE7/onfEPfCN/LN8J3/xK+a3uEbwAAoIhqMny/++676aijjkprrbVWvv3J 9ttvX9rSO8J3/RO+oW+E7+Ub4bt/Cd+1PcI3AABQRDUVvk899dT0t3/7tzl2f/zjH0+XXXZZWrBg QWlr7wnf9U/4hr4RvpdvhO/+JXzX9gjfAABAEdXch1vGfPGLX0zf/va303e+8508Rx55ZGmP3hG+ 65/wDX0jfC/fCN/9S/iu7RG+AQCAIqqp8L3eeut1Ofvuu29pj94Rvuuf8A19I3wv3wjf/Uv4ru0R vgEAgCKqyXt89xfhu/4J39A3wvfyjfDdv4Tv2h7hGwAAKCLhm0ITvqFvhO/lG+G7f0X43nXXXWti Tj755CXC76o+wjcAAFBEwjeFJnxD3wjfyzfCNwAAANQ24ZtCE76hb4Tv5RvhGwAAAGqb8E2hCd/Q N8L38o3wDQAAALVN+KbQhG/oG+F7+Ub4BgAAgNomfFNowjf0zSf2uyLd8cTMLuOuWfq88vqHwjcA AADUMOGbQhO+oW/WPnxwOmzAA13GXbP0OW/E+By+m1sWl76TAAAAQC0Rvik04Rv65vjRj6dP7Ht5 mjWnscvAa5acN+e1pE/ue1na86oHSt9FAAAAoNYI3xSa8A1909zSkv76oCvTV44ZmoNuV6HX/Gnm vr04ffW4Yeljv7o8NTQ3l76LAAAAQK0Rvik04Rv6bs57H6RP7Hd5WnPfy9MF14/Pcber6Luqz1W3 PJX++tdXpDV+eVl6s/V7BgAAANQu4ZtCE76hfyxsbEoHX/dwvm/1ipqPfP4/ulxfy7PbwPvSB4sa S981AAAAoFYJ3xSa8A39q7G5Jb2/qHGFzGqrrZbmvjO/y221OA1Nbm0CAAAARSF8U2jCNxTTRz/6 0Ry+P/GJT5TWAAAAAPQf4ZtCE76heOL35Yje5XnwwQdLWwAAAAD6h/BNoQnfUCzz58+viN7lWbhw YWkPAAAAgL4Tvik04RuK5T/+4z+6DN+77rpraQ8AAACAvhO+KTThG4rjueeeS9/97nfT2LFj06JF i9Iaa6yR5s6dm84444z0z//8z/k5AAAAQH8Qvik04RuKK8I3AAAAQDUI3xSa8A3FJXwDAAAA1SJ8 U2jCNxSX8A0AAABUi/BNoQnfUFzCNwAAAFAtwjeFJnxDcQnfAAAAQLUI3xSa8A3FJXwDAAAA1SJ8 U2jCNxSX8A0AAABUi/BNoQnfUFzCNwAAAFAtwjeFJnxDcQnfAAAAQLUI3xSa8A3FJXwDAAAA1SJ8 U2jCNxSX8A0AAABUi/BNoQnfUFzCNwAAAFAtwjeFJnxDcQnfAAAAQLUI3xSa8A3FJXwDAAAA1SJ8 U2jCNxSX8A0AAABUi/BNoQnfUFzCNwAAAFAtwjeFJnxDcQnfAAAAQLUI3xSa8A3FJXwDAAAA1SJ8 U2jCNxSX8A0AAABUi/BNoQnfUFzCNwAAAFAtwjeFJnxDcQnfAAAAQLUI3xSa8A3FJXwDAAAA1SJ8 U2jCNxSX8A0AAABUi/BNoQnfUFzCNwAAAFAtwjeFJnxDcQnfAAAAQLUI3xSa8A3FJXwDAAAA1SJ8 U2jCNxSX8A0AAABUi/BNoQnfUFzCNwAAAFAtwjeFJnxDcQnfAAAAQLUI3xSa8A3FJXwDAAAA1SJ8 U2jCNxSX8A0AAABUi/BNoQnfUFzCNwAAAFAtwjeFJnxDcQnfAAAAQLUI3xSa8A3FJXwDAAAA1SJ8 U2jCNxSX8A0AAABUi/BNoQnfUFzCNwAAAFAtwjeFJnxDcQnfAAAAQLXUffjeZZdd0kEHHWTqdNZd d90u1xtjan8+8pGPdLneGGOMMcYYY4wxpq/jim8KzRXfUFyu+AYAAACqRfim0IRvKC7hGwAAAKgW 4ZtCE76huIRvAAAAoFqEbwpN+IbiEr4BAACAahG+KTThG4pL+AYAAACqRfim0IRvKC7hGwAAAKgW 4ZtCK2r4fuKJJ9Jhhx22wmfixImldwArn/ANAAAAVIvwTaEVNXwfeOCB+efEVHc++OCD0necWiR8 AwAAANUifFNowrfpboTv2iZ8AwAAANUifFNowrfpboTv2iZ8AwAAANUifFNowrfpboTv2iZ8AwAA ANUifFNowrfpboTv2iZ8AwAAANUifFNowrfpboTv2iZ8AwAAANUifFNowrfpboTv2iZ8AwAAANUi fFNowrfpboTv2iZ8AwAAANUifFNowrfpboTv2iZ8AwAAANUifFNowrfpboTv2vXtb387rbbaMv+x AgAAANArwjeFJnyb7kb4rl3f+ta3UkNDQ2kJAAAAoH8J3xSa8G26G+G7dgnfAAAAQDUJ3xSa8G26 G+G7dgnfAAAAQDUJ3xSa8G26G+G7dgnfAAAAQDUJ3xSa8G26G+G7dgnfAAAAQDUJ3xSa8G26G+G7 dgnfAAAAQDUJ3xSa8G26G+G7dgnfAAAAQDUJ3xSa8G26G+G7dgnfAAAAQDUJ3xSa8G26G+G7dgnf AAAAQDUJ3xSa8G26G+G7dgnfAAAAQDUJ3xRavYbv3XffPZ177rnpv//7v9MTTzzR5T79OU899VS6 6KKLutzWeXbeeec0ceLELrdVYy688MIu1y/LCN+1S/gGAAAAqkn4ptDqNXzvscceafLkyWnEiBFp 3Lhx6cwzz8yx+cknn0xXX311mjBhQtpiiy3SqaeemvcfOHBgjuQRsM8777z8PI4rny+eX3nllWnz zTdPN9xwQ173wAMPpA022CCNGTOmInyfdNJJ6X//93/T+PHj24+Pueaaa9L666+fdthhh/xeIshv tNFG6Xe/+13eHu/3oIMOSnvttVc+Z5w/1pe/1niP3//+99P999+f9t1333T66afn9Y899lg+7403 3pjPcfbZZ6ett946v9/bbrstfe5zn0s///nP876//e1v82vG+43lnkb4rl3CNwAAAFBNwjeFVq/h e5dddslfWwToiMz7779/evrpp3NsPuecc9Kxxx6b4/czzzyTQ/att96an0c4jn3ieZyjfL577rkn HXXUUXl9xOk416677pqXN9tss3yuCN9nnHFGDtOx/sc//nH78WPHjk0XX3xxXh/xOt7Tbrvtlpdv ueWWHKn33HPP9vd05513pjvuuCMfu/HGG+fHnXbaKW/7yle+ko8/9NBD8+Omm26a18f2eP/xdcfy Nttsk7fHeWP5uOOOSw8//HCaNGlS2nLLLdvfW3cjfNcu4RsAAACoJuGbQqv3K74j8kYgjvAdVznH VdgRviNcx5XZhx9+eDrrrLPyvuVjf/KTn+ToHCG5vC7C9wUXXJCfR9yOOB4BfPjw4WnIkCHt4Xu/ /fZrv5o6rrouH3/TTTflIB7Py1d8x/uK5ThXnDNCdXn/u+66a4nwHe8zHrfffvv8eMIJJ+SvJ5bj fQwbNix/HfG+YnuE+/g6995777x8wAEH5MeYiPXl592N8F27hG8AAACgmoRvCq1ew3dcjR0ROm5N EtF68ODB+Z7fEbsjfA8dOjSNGjUqbbXVVumRRx7JtxeJK7/jVigRvOPq7Ajg5fPFOWL9yJEj07bb bpuvoI4rrUePHp3PW77VSVypHZE9bmtyyimntB8f2zfZZJN8O5L/+q//yuH717/+dY7VBx98cH4P 8ZoRwAcNGpRDevxvc9VVV+Wr1uMccQuTeIxwHo8RvuP9xtcat3Q5+uijuwzfcU/x66+/Psf3uOo7 bply2mmn5X16GuG7dgnfAAAAQDUJ3xRavYbvuNI74nJMeV1E4lgf0ToeYzmex7bYL5YjHEcsjuXY p3xshO8I2xGwy8fEY8dzlB/j+PJV3x0nzhnr47zxOjHl91TeJ7bH8fE8HsvvJZbL5y/vXz5P+X2U lztvj8fy+1nae1vaCN+1S/gGAAAAqkn4ptDqNXz398SHTcYtTbraVs8jfNcu4RsAAACoJuGbQhO+ TXcjfNcu4RsAAACoJuGbQqvX8P3444+33xqkq4nbh5RvZxK3/ihP3BqkvM8DDzyQp+NxXU3cPqR8 e5FqTFfnjvf50EMPLbG+u4kPzOxqffl70fFrL4/wXbuEbwAAAKCahG8KrV7D97XXXpvve93Vtpj4 oMr4UMj4UMnhw4fnD5CMD4jsGH8vvfTSdPnll3cZhDtOBPOI37feemuvY/SyTHxIZ+d1Eap///vf L7G+u4kP5exq/aGHHpq22WabLv+iQPiuXcI3AAAAUE3CN4VWb+H75ptvTuuss07+dRvhOwJxBMLD DjusImBfd911OXjH8wi+EX7j+Z577pl22GGHNH78+PSDH/wgbbDBBvmK65NPPjldfPHF6ctf/nI+ 52OPPZY+//nPpz/+8Y9p9OjR6d57703/9E//lD73uc/lq80HDBiQtw8ePLj9NWPuv//+tO6667bf L/y8885LX/nKV/L73m233dK+++5bsX9MhO+4x/jtt9+el3/5y1+2h+/4mn7xi1+kTTfdNG222WZ5 ef/990+f/exn06OPPpqX99hjj7TxxhunrbfeOh8/cuTI/N7iwzpjeejQoXmE72IRvgEAAIBqEr4p tHoK33Hl9T777JNj7yWXXJLDd3x9Ea6vv/76dPfddy9xTEzH8B0ROqJyrIvz3HLLLWnQoEHpmGOO ybH74YcfTqeeemq+erq8z6hRo9I999yTrrzyyjRu3Lj8PF4/tkUwnzBhQvvrxJXmsX677bbLV4n/ 9Kc/zcvf/OY38/YTTzwxr+/4/iJ8xy1X4r3E8s4779weviNex3uKY9dbb718rvL7Ouigg9Kxxx6b xo4dm5d//OMf5yvczzrrrLx8xRVX5MDf8bU6j/Bdu4RvAAAAoJqEbwqtnsJ3RNyjjjoqP48rrSN8 b7LJJu336u4clMsTobgcvsu3A4nYHWE4ruYuh+9Y/8QTT+Q4HcdcddVV6YADDmgP37EctzqJyB63 PYn9I4DHldfxPAJ8XFEe7yWu/I5zxBXfsa38+meffXZ+jXhenniNOCZeJ5Y7hu+TTjqp/euKeB7r I3bHa0YwjymfL674vu+++9LAgQPzclxlHleSx/OljfBdu4RvAAAAoJqEbwqtnsJ3XMUcV1LHldcR fCN8X3jhhTlURzxe2j2/O4bvuAI7HuNWJccff3z61a9+1WX4Pvjgg3PoPuSQQ9rDd8TueF9xhXec L7bHfcTjfcWx8RjLce7y+c4///z8WA7uHcN3XD0e7ydidRy7xRZb5CvIt9pqq/bwHUE8vubTTz89 34alfBV5vPe4JUpc7R3nPuOMM/KtW+Jr3WWXXfLXFOvL721pI3zXLuEbAAAAqCbhm0Krt3t8R8iN K6vjsRx1Yzmm874dJ4Jwx8eYOCaW4zzl9eXzxnLH14kpH9N5e/l85ePL543lzo8dz1Xet7xcPq7j vuX1Ebwjqne1X1fHdTxvdyN81y7hGwAAAKgm4ZtCq7fwvapN3KokrkqP+3kv7Yr2vozwXbuEbwAA AKCahG8KTfg23Y3wXbuEbwAAAKCahG8KTfg23Y3wXbuEbwAAAKCahG8KTfg23Y3wXbuEbwAAAKCa hG8KTfg23Y3wXbuEbwAAAKCahG8KTfg23Y3wXbuEbwAAAKCahG8KTfg23Y3wXbuEbwAAAKCahG8K Tfg23Y3wXbuEbwAAAKCahG8KTfg23Y3wXbuEbwAAAKCahG8KTfg23Y3wXbuEbwAAAKCahG8KTfg2 3Y3wXbuEbwAAAKCahG8KTfg23Y3wXbuEbwAAAKCahG8KTfg23Y3wXbuEbwAAAKCahG8KTfg23Y3w XbuEbwAAAKCahG8KTfg23Y3wXbuEbwAAAKCahG8KTfg23Y3wXbuEbwAAAKCahG8KTfg23Y3wXbuE bwAAAKCahG8KTfg23Y3wXbuEbwAAAKCahG8KTfg23Y3wXbuEbwAAAKCahG8Krajh+xvf+EZad911 V/hcccUV6fnnn2+fRx99ND333HMV6+pphO/aJXwDAAAA1SR8U2hFDd+1YvXVV0/vvvtuaQlWHOEb AAAAqCbhm8LZd999S88qw/ecOXPSRRddVFoCapnwDQAAAFST8E3hfPGLX0yrrbZa+uu//uv0mc98 Jn3zm99MH/3oR/O65ubm0l5ALRO+AQAAgGoSvimclpaWHLk7z2mnnVbaA6h1wjcAAABQTcI3hXTK KadURO+/+Zu/KW2hNz71qU+5xzcrhfANAAAAVJPwTWGts8467eH7iSeeKK2lN+IvEOLnBFY04RsA AACoJuGbwnrhhRdy9N51111La4CleXbW22nkhKnpD/dMqon5/L/9RzrrjgldblvRc959z6TbJ09P i5p8RgAAAADUC+GbXntx9jvpoOEPpa+dfH369IFXrtT5yOfWS5/a97Iut62o+YcjBqfNzrstDR3/ cmoQzqgxwydMSZ/af0D66C8vq63Z8/z00X0u7XrbSpyvnjQivf2+fwUBAAAARSd8s8wi6n7v7NE5 Dn3ukKvSd067KW1yzu2r/Pzvmbekb/xuZPp46/dlzf2uSPc8N6P0HYOVa++rx+Sf173PvzNNf6Mh vTmvJc17J5lOM/ftxWn2vOb09Itvp388dFBaY9/L02tvvVf6LgIAAABFJHyzTJpaWtKXTrgufWb/ AWn8s292GY9W9Zk9tzntdcGdOTTeMXl66TtX21ZffXUfblmnbnvmtfxr8b4nZqa5Xfx6NV1PRPD/ OX54WnO/y1Ojf8EBAAAAhSV8s0yOH/14+vN9L0/TZi7sMhaZP82+l9yb/r/9B6am5pbSd692zZs3 L7W01P77pPf+9tBBaYczRnf5a9R0P2++1ZLWbP39bsC450vfTQAAAKBohG96tHjx4vTJ/a5Ip94w octIZCrn9Tcb0xq/vCxdMmZy6TsIK9a0ufPz1d4vTHuvy1+jpufZ7Myb07+fcF3pOwoAAAAUjfBN j6bMaYtoL70qoi3rbHLWLel/zhhV+g7CijV+2pv5Z/aNuU1d/vo0Pc8Rg8am1Vu/hwAAAEAxCd/0 aPy0OTmi+WC8ZZ+fXXR3+tfjhpW+g7BiPfjSrPwz29WvTbNss/uAB/P3EAAAACgm4ZsePTa17erR ruKQ6Xq2PP+uQoRvH25Zn4Tvvo/w3f+OOOKItOGGG67QOe2000qvDgAAwKpG+KZHwnfvpyjhu6Gh Id/DnfoifPd9hO/+d8UVV+T/f2CqM34vBwAAqCR80yPhu/dTlPBNfRK++z7Cd/8Tvqs7wjcAAEAl 4ZseCd+9H+GblUn47vsI3/1P+K7uCN8AAACVhG96JHz3fooSvseMGZMWLVpUWqJeCN99H+G7/wnf 1R3hGwAAoJLwTY+E796PD7dkZRK++z7Cd/8Tvqs7wjcAAEAl4ZseCd+9H7c6YWUSvvs+wnf/E76r O8I3AABAJeGbHgnfvR/hm5VJ+O77CN/9T/iu7gjfAAAAlYRveiR8934ifP/Zxz+ZBg4cWPoutvn0 pz+d3njjjdJSSnfffXde19Ghhx6a1l577dJSmy9/+cvp5z//eWmpTRw3YsSI0lJKzc3Ned3bb79d WpPSjTfeuMT599577/SP//iPpSXqkfDd9xG++5/wXd0RvgEAACoJ3/RI+O79RPj+wmGX51+DHc2b Ny+1tLSUllJqaGjI6zpasGDBEusiZs+fP7+01Cb26fjBlBE9Op8/tnc+13vvvbfE+6K+CN99H+G7 /wnf1R3hGwAAoJLwTY+E796PW52wMgnffR/hu/8J39Ud4RsAAKCS8E2PhO/ej/DNyiR8932E7/4n fFd3hG8AAIBKwjc9Er57P8I3K5Pw3fcRvvuf8F3dEb4BAAAqCd/0SPju/QjfrEzCd99H+O5/wnd1 R/gGAACoJHzTI+G79yN8szIJ330f4bv/Cd/VHeEbAACg0iodvocNG5aOOOKI0hJLI3z3foRvVibh u+8jfPc/4bu6I3wDAABUWuXD91e/+tW03377tc9ZZ51V2kqZ8N37Eb5ZmYTvvo/w3f+E7+qO8A0A AFBplQ/f6623Xtpjjz3a56STTiptpUz47v0I36xMwnffR/juf8J3dUf4BgAAqLTKh+/DDjustMTS CN+9H+GblUn47vsI3/2vu/D9+9//Pv/F81133dXl9v6e8ePHp7Fjx3a5rfN85jOfSZMnT+5yWy2N 8A0AAFBplQ7f8R++I0eOTI2NjWnixImltXQmfPd+hG9WJuG77yN897/uwvc///M/5z+Hd9xxxzRp 0qQu94ntHZefeeaZ9ufLekx5uXP47niu8kTsjvnUpz7VHr6ffvrpin3iuO6iePn1Or+/zu+r43m3 2Wab9ufl91Be7m6EbwAAgEqu+D7ssDRnzpx8r2+6Jnz3foRvVibhu+8jfPe/7sL3Ouusk2699da0 +eab59D7j//4j/kx4vT999+ftt9++zRq1Kg0YsSING7cuLTPPvuka6+9NofnM844I/3xj3/Mx5fP d+WVV6bf/va3afjw4WmnnXbK54o/52M59i2H79tvvz1fbX7mmWfmY8rHT5gwIf3kJz/Jr/Gxj30s H/+1r30t3Xjjjfk88brnnHNOGjBgQBo4cGA6//zz2+P2QQcdlB9//vOf5+OPO+64/N432WSTvD6+ xhtuuCFtscUW+XWOPfbYNHr06LTddtul2267La2//vp5/+uuuy6dffbZ6ZRTTkk33XRT+3tb2gjf AAAAlVb58L3GGmukT37yk+kjH/lI+vM///O00UYblbZSJnz3foRvVibhu+8jfPe/7sL3F77whRyB TzjhhPzYOXwffvjh6cILL8zrdtttt/bjYnnQoEFp6623Tueee277+ojYjz32WH4e4fvee+/NQfqo o47Kf9aXw/eXv/zlfI7Y73vf+1778XGucsguX/F9/fXX5+UHH3ww3XHHHWnbbbdt37+r8F2+bUt8 fkg8brbZZunJJ5/MET/exwYbbJC/1ojesX2ttdbKr1O+4jvCezzGfOMb32h/vrQRvgEAACqt0uF7 xowZ+SqqjhP/QUulrsL33LcXp0mTp7fPiy/PyesnPPVKmvVmQ34+e25Tuu+BCenNec0Vxy5tXnj5 zfbnccyUaW9XbO/NvDz1rdb3NaPLbcsyz74wq8v1yzrCNyuT8N33Eb77X0+3OonHRx55JD388MP5 CvCIwBGFI3zH87g9yI9+9KO0//77t9+aJOJ2TGyPP+/L54vw/cADD+TnX/rSl9qv7o79Ysrh+z// 8z/zcuzX8RYjF198cfvtR9Zcc828Tzmsx1XjDz30UPqf//mf9v3j6ux4f3FMOXyXX//Xv/51fozw He87rvAuv48I33GVd2wvh++4IjyWI8SX39uGG26YH7sb4RsAAKDSKh2+w9y5c9MXv/jF/B/d8R/P LGlp4XvWm4vSDaPuzo9vzGlMp51xfpox64N0+pkXpOmvv5+eeOqV9ObcpvTLfQ+uOHZpc8ZZF7Ue 90F+PuL6O3O87rzPss6LU+amiZNe63JbT7PlltukLbbcqsttyzrCNytTT+F79C0PtP4a37r15/ee 9MJLb6bfnXhmuuf+J9L3N940b792yOh0Y+u2884fuMSxHefmWx9ML5T+0ivmlFPPrdje2znksGO6 XN/T/PaE09MDDz6V9vnVsv1esywjfPe/7sL3aaedlk4++eQ0ePDgHHufeOKJfJV3ROH4szlC9m9+ 85scrOPK6riNyZFHHplD8oEHHpiGDh3aHpBjYv+4nUgc8/jjj+dzXnbZZfmYCN5x5XWsj3PFPvHa 5Su2Y+K8sT6uMo9bocTxcSuVOP7mm2/Oy3H8IYccki666KK8/3777ZeuvvrqPHGOeK/xOGTIkPx4 +eWX5+PidilxngjoEcrj1i2xPW63EtsvuOCCvG9si/cQH/rZ8b0tbYRvAACASqt0+H7//ffTn/3Z n+X7bh5wwAFptdVWy/9BTKXubnUy+tYx7c832/wn+fHpSa+mex+Y0L7+F/sc0P68u3lpytx03gVt oW2HHXdPk5+bmS646Kr0459sl+a81ZJ+te8h6YyzLsxXYx92xHHp4suuTWPGPZ1OO/28tN0Ou+Xj Bl41Il3Yesyhhx+Xw/eRv/ldmj2nMU2bPj8NuHJ4GnH9HemMMy9MN9/2YDr9jPPTBRdemY797akV 7yOi/rbb7VyxbvLzr6eTTj4nXXTx4HTiSWflfbbfYfd0xcDr0m577FOxb4zwzcq0LFd87936cxn/ KiOeH3/CafnxmiE3pVmzF7Xvc+LJZ7c/72riL7wOO/L4/Dx+5l+cMift9Yv909e+/s38Lz/uvu/x vP7Gm+5LBx50VP65jH/NcdoZF6SfbLV9/rmOY7fbfrf0h/OuyOE7/gXJcy++kdfHX5rFa9xx9yNp ww03Ts+3rv9667lHjLyj/T3ExM9jPH73extXrIvfT370o23SkGE353XxF3Lrr79h+n3rz355v6WN 8N3/ugvf/T0RviNud7WtXkf4BgAAqLRKh+/4J8bxT5XL/7F4zz33pB/84Af5OX+yrOE7riCNx8nP z0rX33h3fv77089Lk5790y1HInT9cNMf5enqFih7/PyX6ZVX30l/vGBADld33PVI2vLH26Zp099L v/zVwTmmzZi1MMfr2H/rbXZMVw26Pge6hx55Nu2y2155/XMvvJHD9xFHndAhfF+Xw/fYh5/J+0x9 9d0cvjfd7Mftr1+ersL3TTc/kN/Tfvsflp55bmZ6unRF+bl/vDy9PHVexf7CNytTb8J3hOWLLr46 r4uft/hZGXrdrWmTH2zZ+nM0e4njOs/mpZ/7L633lfzzXT7ntcNGp+tH3Z2vCo+fm69//Vv5Zz5+ juJfc8S+l10+JG2/4+5p5hsf5n858usDDk/jJ7ycnn6m7Wfre//7g7x+19af69j/9dmL8rm2+NE2 7dG+PHfc/Wi6s3XKy7HfRt/fNB+32RZb5fcUf3kWy48+/mJ6YOzTFcd3HuG7/63I8B1/vsfV011t q9cRvgEAACqt8h9uGR8eNWrUqDwDBgxI66+/fmkrZcsavnfYcY/8eONN9+bbH/zmmJPSzDcWtm8v TwSpmM7rY64ddnM6/4Irc+A++dQ/5OgVV4yWw3fsE+H7ksuuzc932/0XOabFRAjbZtu2YB3xLMJ3 3MIhYlnc+qQcvp9/cXaa2XqOAw88Mh/z45/8tP31y9NV+B4zdmJ+fujhv03PvvBGGvvw5LwcV45H LOy4v/DNihK3d+isN+E7fhZP/f0f8rp8xXfpHv0x66//nRyKy8tTpr6d/2KqvBzz5NPT0sTJ01t/ dm/JAfuE1p+5+Muvwa3nivD90ittfym0eelfhMTPd9yWZMy4ifnq7v/u8BoHH3p0/tmN2yTF8ne/ u3H+PWB46Qrv7bbfNY1r/bn70Y+3rQjfF186OD05cWr7ckx8XUf+5sT8fNuf7pzD90mnnpOX4/el ETfcWbF/5xG++9+KDN+r4gjfAAAAlVbp8B336fynf/qnitl2221LWynrLnyPe+TZ9ucRg+MK60GD b8zL+x94ZNpzr/3yvDbz/fb9Ok+E6auuvj4/j3uEH37Eb/PzR8a/kE4+5dx89Wnc+/viS69p3//W 28fl58+9ODu/5lnnXJKXb751TDrn3EtzfI8P3IwrS48+5uQ08Krh+WrQBx+amF6Z9nYObfsfcES6 8OKr08WXtZ2345x1zqUVy1OmvZUDXzy/bMDQHNXiXubn/OGyivhfHuGbFeWv/uqv0gYbbJDeeaf1 F15Jb2918uvWn4X42YmfiVh38SWD8+1J/vDHK5Y4rvPEz9LX/2v9/HM57bV38182XTFgWP6ZjvBd vlf/5pu33Tc/PrT2sNaf8fh5jEAetwsadPUN+TZF8a8p4jy/2vfgNHzE7em//uu/c/gu/wuSL3/5 P9Pd9z7e+nrfqgjf3994s/zeY8oRPX5Gj+oUvuNWKnfdOz4dePBvuvxLuY4jfPe//g7f8Wd2V+vL c99996UzzjgjPz/++OPTpptumj/AuvN+K2r22Wef9g/lrMYI3wAAAJVW+Q+3pGfdhe/+mIjXr81Y 0OW2oo7wzYpy8MEH588niIkPzAvLEr7nvPWnWw1FJI4wHI/z3lmcZs9t7LC85LGdJ/7FRXnfCNIR n8tTXt/x1kaxT7xGV8eUl8v/kiP2Ka+Px7Z9K2+TVN6342vElPcrP8a54nXL5+tuhO/+15/hOz7s 8f/+3//bvhwfNNlxe8xNN92Utt9++3TttdemRx99NEfnjuG5c4SeOHFifozbnsWtUsrr44M2y8+7 Wu54L/H4IM6O28rz1FNPpb322qv9NeODKzvv09cRvgEAACqt8rc6KQejmDXWWCPdfffdpa2UVTt8 1+MI36woDQ0NFb+PxQf2Hnnu5X5m+zgRvj/yvz9P48ePL32n20S8fe+990pLbWJdY2Njaantz8BY 19F11123xLpBgwblINpR7BMfvNxRrGtubi4tpRxoO59ryJAh6aqrriottYkPeIzQ2lEct3DhwtJS m87nj7Db+fzXXHNNGjx4cGmpTZz/hRdeKC21ieMWLVpUWkqppaUlrys/dgy1yzPx/dpll13Srbfe mtZaa618H+9vfOMb+c/ujTbaqOK+3uXQHV9PbCtH6Xg877zz0gUXXJAeeOCB9P3vfz9dfvnl6fe/ /3166KGH0sUXX5xjeRz71a9+NYfwuC1anDuu2o7X2m233fK54thYHjNmTLrwwgvTXXfdlf7lX/6l 4n1svPHGeZ+vfe1r+ZwHHXRQvkXRd77znX69D7nwDQAAUGmVDt/xH/oRjcpz77335v9gpZLw3fuJ 8P2pf/5/acsttzSm6tMxfOf5+KfSn+14Spe/Ns2yTYTv1db9eo67HcX3e/bs2aWlNrEu/rwpu+WW W/K6jvbcc88l1sWttYYOHVpaahP7zJs3r7TUJtbFn1FlI0aMWOJcEWK33nrr0lKbWI7Pr+gojnv3 3XdLS21iXVNTU2kppauvvnqJ8++0005pxx13LC21iRgcobejOG7BggWlpZTPG+viz9v+CN/xZ3r5 aum44jv+EiBC+BFHHJG+/vWv57Dc+ZiYWB+3O4n/bX70ox+lww8/PB9z/vnn53gd2+PK7Yj75Su+ 4yrxuEo79vv3f//3HKlvvPHGfL7//M//zPvF/28ov8bw4cPTcccdlz72sY+1B+24Mj1eM56Xr/j+ 4he/mM+5++675+3l4/s6wjcAAEClVTp8Rzw4+uijS0sp/wfo6aefXlqibGWH75tueWCJWxjExIfs XTlo5BLry/PQI8+mqwffkGfYdbfmdfGBlHGrhFg3ZNjN6elJr+X1cQuEwdeOyuvvuPuRNGz4be3H lj/Usjfjim9WlGOOOaYiesetT5blVicrYuJnNG4t0nl9/Lx1/pDMjhM/o6/P/rB9Yl35QzdjueMH cLatW9S+vvy8q/16M2510v/6I3yPHDkyXz0dYXnttdfOIfmwww7Lyx1vOdJxImLH9vgzPn4+4s/5 8r5xfDl8x9Xk5fA9bty4vM/JJ5/cfo54HD16dH6M8B23V4n/j1E+z7/927/l1/nkJz/ZHr5jzjzz zPy4ySab5P023HDD9vdT3qc/RvgGAACotMrf6iT+2fL06dPbp/OVfPQ9fHe8R295ecl78baka4fd 3B7DOu5zw033drl/7BsfjNd5//LEuplvfJguHzCs/fWPPvbkNGPWwnTc8b/Pce3Rx19Mu++xT953 l133zPuVJz6g78Upc9uP7c0I36wocbuHCN7rrLNO++0qVnT4nvTszDRt+vwl1nf8cMuO8+a8pvYP rOxqXnplbnr40WfTscedmsY/8WJet3Prz2c8xgdj3nr72LTFllunm25+IK/7yVbbp8cefyE9NWla enzCy62/l4xO9z/4ZOv7mtF+zt6O8N3/+iN8x1xyySVpwIAB+cr0WH744YfTiSeemIN1533L2084 4YR02mmntQfps846K0ftCNHXX399Xh9Xj8ctS+J57B9hOiL77373u3wLlDiufLuUCOTxePvtt6d9 9903R/C4nU1cQR7/SqBj+I7zn3vuufn2LLE+gnqcM26nUt6nP0b4BgAAqLTKh+/VV189rbnmmu3z 3e9+t7SVsr6E74jK5/7xinTOHy5NYx9+Jk2b/m7a6xcHpBtuvCf94bwr0sxZC9Nvjj4xjbj+zhy0 Lh9wXb5i84yzLkqnn3lBenLi1CXC9+BrbkrXDr05HXDgkTl8vzRlbvrZz3+Zho+8I5186rkVrx9X fF4xcHj7cjl8//b409rX7bnXfjl877Tzz/IH+pU/CG9A67m7inbLMsI3K0pcXTpjxozSUpv+CN/f 33izdNkVQ9P/+T9/l2a+sTD/jBxz3Knp7/5u7fT8S2/mn9Orrr4hffNbG6TP/O3fprXW+vs0q3Xd 5ltsnY+Z/voHS4Tv+Nn74r+tly657Jr28H30saemv//7tdPk52a17xcTfzF13gUD25fL4fu0089v X7fNtjvnK8rjL63K62LGPjQpvTazbx+YK3z3v/4K37U2ca/wCOhdbVuRI3wDAABUWuXD96GHHpr/ Y7HjUKkv4bsclSNibbvdLumYY0/Jy7Htl786KIfvc/94eV6+Zujo9iu+73tgQg5vAweNXCJ8b7/9 bvlxyrS3c/g+69xL8jljIoCX94tZlvC9z68OzMdut/0uacrUt9tvjyB8UwRd/Z7VH+F7/Q02zHE7 fjYOPezY/LMbV3XH8g477ZG3lf+1xJhxE1t/dt/Nz8v/YiJuHdQ5fG/0/R/mfeLY62+8K4fz8jl/ 8MMtK/51xbKE71/vf3jruT5M/2etv0uf+vM/T5dePiSvF75rU72G745Xd6/M8f9fAAAAKq3S4fuD Dz5I77zzTmmJpelL+N5t973z44xZH6S99t4vnXTy2e3bNvnBFjl8Dy3df3vIsFvyLQ7uuOuR9OTE aTlsdxW+47YG8fjY4y/m8H3uHy7PMTvW7bTzz9v3i+kYviOkHXnU7yrC99TX5qe9frF/Dm+drxoV vimq/grf5Z+7/Q88Iu1/wBE5WMfyEUcen59H3I7lBx+alH+WXpv5fho0+Pp8tffgITctEb6/97+b 5Mf4WYwrvg89/LfpjdJfNMVfPMUtUMr7dg7fv9z34PzYMXz/dLtdcix3xXcx1Gv4rpURvgEAACqt 0uGbZdOX8L3X3r9OQ4ffms4866Ic0WLOOPPCvPzq9PnpjTkNafyEl/O+r86Yn35zzMn5vty/Ofqk dMddD6dxj0xOjz85peJK0MnPz0onn3JujluPjH8hB7K4avzcP1zWeo7K2BXbxj40Ob04ZU6O3a+3 njtieMSzuJ3KfWMm5OgdM+KGOyuOfeSx53PI67huWUf4ZmXqr/B9wolnpl122TNNnDy99WfhvfTT 7XZOA64akQZfMyqH72uG3JT3jZ/do1p/Zqe//n7+Vx7xs3V16z6dw/eAK0ekSy+7Np119sX5iu+I 3j/dftd05aDr05ChN7fvF1MO3xHR49xPtP4+EOvXXfcL6etf/1bafIut0rTp7+V1wncxLC1833HH HfmDIb/+9a8v8y1D/vVf/zVfab3zzjt3ub2v88ADD+QPtLzrrru63L777rt3uX5ZJu41/vTTT3e5 rTw33XRTvjd5V9uWNsI3AABAJeGbHvUlfP9in/27XF/vI3yzMvVX+I743PEvneJ5ebn8F0bl57G+ 42PHKR/feXvnc3ae8n7lY2Jdef/ycnm/8vOulpdnhO/+t7TwPXr06PzhkPFhkmuvvXYO2vFBkx1v IRLLHZ//y7/8S37ecZ8nnngiP0aw7ri+/IGU5Rk/fnz79l122aV9fUT38uvEB2XG+eIDKcvbO+63 2267tS8/8sgjFduXNvH1xWPHuL+0AN4xfMdx5WO7G+EbAACgkvBNj/oSvl96ZV6X6+t9hG9Wpv4I 36efdWHFLYZWtRG++1934Tsic0TgbbbZJh1zzDE5PO+33345Ym+88cY5QEcIPv7449P999+f1lln nXzs4Ycfnh8POeSQNGbMmPStb30rjR07Nn3ve9/L67fYYov00EMPpR/84AfpySefTDvttFM+z3rr rZeD+E9+8pO8/1lnnZVuvPHG/F5OOeWUHMbL0/F9XnPNNem2227LwTwCdlz5Hef/4Q9/2L5vxPOh Q4fm59tvv326/fbb0+DBg9OgQYPSnXfemfbcc8+870YbbZSvLL/++uvTkUce2X78ueee2x6+Tzjh hPx68d7iQzTL76WrEb4BAAAqCd/0qC/he1Ud4ZuVqT/C96o+wnf/6y58xwdNRyyO+PuXf/mXefng gw9O9913X9pwww3z+uOOO679CunyFd/l8B2hPB7LV3BH0I7QvdVWW6XDDjss7bjjjnk5AnRs//u/ //t8zvL+EaHjMeYb3/hG+/OO84UvfKE9TscV3xGn4+rxWL7ooosqrkr/i7/4ixztI2x/+9vfzl9P vI8I7OXwHbG+vP/Swvf3v//99n0i1pefdzXCNwAAQCXhmx4J370f4ZuVSfju+wjf/a+nK77Ly+uv v36+tUdcUR0x+Kc//WleP3LkyHzP7di27rrr5nXl8B2BOR5/9rOf5ccI33H8DjvskJfj/BG+hwwZ kpfL4TteKx7juNgeYX2fffbJ+3SeAw44IIfu2C+C+aOPPprOOeecvC2O6XgLk7hK+7vf/W4+94kn nth+25I4fzl8l+P9U089lQYOHJjPO27cuHzOcvjeeuutc1CPbfG1dozrnUf4BgAAqCR80yPhu/cj fLMyCd99H+G7/y0tfJfv711ejih82WWXpWHDhuXnt9xyS/u2uCp81KhROZbHcvnDJyMex2PcSqT8 GMfGbUguueSSHMbjNcr3445zxPb4YM0bbrghR+urrrqq/arz2KerGTBgQLr77rvbXzeeX3rppe2v 33HKV6HHxG1O4th4nTgm1kXMjvdWXo7zPPjggzl4x21YIpLH/hHF43sR+8S2pb0/4RsAAKCS8E2P hO/ej/DNyiR8932E7/63tPBt+meEbwAAgErCNz0Svns/wjcrk/Dd9xG++5/wXd0RvgEAACoJ3/RI +O79CN+sTMJ330f47n/Cd3VH+AYAAKgkfNMj4bv3I3yzMgnffR/hu/8J39Ud4RsAAKCS8E2PhO/e j/DNyiR8932E7/4nfFd3hG8AAIBKwjc9Er57P8I3K5Pw3fcRvvuf8F3dEb4BAAAqCd/0SPju/Qjf rEzCd99H+O5/wnd1R/gGAACoJHzTI+G79yN8szIJ330f4bv/Cd/VHeEbAACgkvBNj4Tv3o/wzcok fPd9hO/+J3xXd4RvAACASsI3PRK+ez/CNyuT8N33Eb77n/Bd3RG+AQAAKgnf9Ej47v0I36xMwnff R/juf8J3dUf4BgAAqCR80yPhu/cjfLMyCd99H+G7/wnf1R3hGwAAoJLwTY+E796P8M3KJHz3fYTv /id8V3eEbwAAgErCNz0Svns/wjcrk/Dd9xG++5/wXd0RvgEAACoJ3/RI+O79CN+sTMJ330f47n/C d3VH+AYAAKgkfNMj4bv3I3yzMgnffR/hu/8J39Ud4RsAAKCS8E2PhO/ej/DNyiR8932E7/4nfFd3 hG8AAIBKwjc9Er57P8I3K5Pw3fcRvvvfWmutlf7hH/5hhc7PfvazJQJxvY7wDQAAUEn4pkcTXpuT A9Abc5u6DERmydn74nuEb1Ya4bvvI3wDAABAsQnf9OiVufNzAHp+6vwuA5FZcjY6fXT63tk3l76D sGIJ330f4RsAAACKTfimRy0ti9OnDxyYjh3ycJeByFTOjNkN6RO/ujwNHPd86TsIK9bT0+flaDvz zYYuf42anmfXy+5Pf9H6+x4AAABQTMI3y+QP905Kn9j38jTppXe6jETmT7Ptubelvzn4qtTc0lL6 7sGK9d6HjTl83/v0rC5/jZqe56vHDEk7XHZP6TsKAAAAFI3wzTJpWbw4bXD6qPSp/a5Ig+9/sctQ tKpPXOn9w9+PSqv/6rJ8X3RYmf77tBvTWgdflea+vbjLX69m6fPQ07PS6r+8LE2aMa/03QQAAACK RvhmmcUVzHsOeiBfSfrxX12e/v7AgWnN/a5Y5ecfDroyrbnvFTmUfeaQq9Kzr79V+o7ByjNvwYfp 462/Ljc97cY0e15zl4HXLDmPPzsn//7200vvSosXLy59NwEAAICiEb7ptYUNTensuyambS65y5Rm j6vuT09Nn5uvjIdaMW3e/PTJX1+R1vjlZenIq8emUY+8mgaNm2o6zTXjpqWrxr6SNj7+uvwXez/8 4y1uVQQAAAAFJ3wD1LEIuL8eOi6tddjVOeqapc96JwxPk19/K/n7KwAAACg+4RsAAAAAgLoifAMA AAAAUFeEbwAAAAAA6orwDQAAAABAXRG+AQAAAACoK8I3AAAAAAB1RfgGAAAAAKCuCN8AAAAAANQV 4RsAAAAAgLoifAMAAAAAUFeEbwAAAAAA6orwDQAAAABAXRG+AQAAAACoK8I3AAAAAAB1RfgGAAAA AKCuCN8AAAAAANQV4RsAAAAAgLoifAMAAAAAUFeEbwAAAAAA6orwDQAAAABAXRG+AQAAAACoK8I3 AAAAAAB1RfgGAAAAAKCuCN8AAAAAANQV4RsAAAAAgLoifAMAAAAAUFeEbwAAAAAA6orwDQAAAABA XRG+AQAAAACoK8I3AAAAAAB1RfgGAAAAAKCuCN8AAAAAANQV4RsAAAAAgLoifAMAAAAAUFeEbwAA AAAA6orwDQAAAABAXRG+AQAAAACoK8I3AAAAAAB1RfgGAAAAAKCuCN8AAAAAANQV4RsAAAAAgLoi fAMAAAAAUFeEbwAAAAAA6orwDQAAAABAXRG+AQAAAACoK8I3AAAAAAB1RfgGAAAAAKCuCN8AAAAA ANQV4RsAAAAAgLoifAMAAAAAUFeEbwAAAAAA6orwDQAAAABAXRG+AQAAAACoK8I3AAAAAAB1RfgG AAAAAKCuCN8AAAAAANQV4RsAAAAAgLoifAMAAAAAUFeqFr6HDRu20ueaa65JRx99dBo7dqwxxhhj jDHGGGOMMcaYVWSqEr4XL16cmpubjTHGGGOMMcYYY4wxxpgVPtGol9Uyh28AAAAAACgC4RsAAAAA gLoifAMAAAAAUFeEbwAAAAAA6orwDQAAAABAXRG+AQAAAACoK8I3AAAAAAB1RfgGAAAAAKCuCN8A AAAAANQV4RsAAAAAgLoifAMAAAAAUFeEbwAAAAAA6orwDQAAAABAXRG+AQAAAACoK8I3AAAAAAB1 RfgGAAAAAOij5ubm1NTUlJ83NDSklpaW/JyVQ/gGAAAAAFY5EydOTJMnT04zZszI0TpidYTrcrSO 57G+vK2xsTEtXry4/XlMPA/xOHfu3PTGG2/kfaZNm5bmzZuX18d5Op6PFUP4BgAAAABWOY8++mia OnVqmjBhQg7V8fzll19OzzzzTJozZ05+jJD92muvpeeeey698MILaf78+WnSpElp1qxZ6cUXX8zr pk+fnrc///zzOaJH+I5zRVSPefXVV/P5pkyZkt57773Sq1NtwjcAAAAAsMoZN25cjtVxZfZLL72U o3bE7GeffTY99dRT6aGHHsqRO+L12LFj0yOPPJJef/31HMk/+OCDNGbMmPTYY4/lQB7HxRXfM2fO bA/fEcfjXBHD43wR2GMbK4bwDQAAAACsciJqx61I4vYjEarjiuy44jsCdmyLK73j8a233soBO4L3 ggULcvyO4+Iq79gn9o84HvG7fKuTuAo8gnhMHBPniQDOiiN8AwAAAACrnLjndvkK7I73+I51He/L HWJbTGyLfeOxfI/v2K/j89DxvuDvvvtuevrpp9PChQvzNlYM4RsAAAAAoEritihx1Xc5irNiCN8A AAAAANQV4RsAAAAAoJO4ncnipoZ4UlpDkQjfAAAAAAAlEbxbFn2QGl57NDU8f0tqnDUpLW5uFMAL RvgGAAAAAIjg3bAwNb35fGp4dlRqeHrIn+b50an57WmppWlRaeeexYdasvII3wAAAADAqituadLS kprmvpwanrslNTw9NDVMvC41Pjc6NUxqfZw6pnV5WF7X8MIdqemdGXn/nkyYMCF9+OGHqampKV9F 3tU0NzfnfeKDL8vLCxcubF+OYfkI3wAAAADAqqm5KbW8Oys1vnhX25XdEbxfuDW1zHg8NU25JzU8 MyI1L5iTWj5ckBqnjU0Nk0bm/Zqmjkkt77+dUjcBfOzYsenJJ59Mjz/+eHr99dfT+PHj04wZM/Lj mDFj0pw5c3Icf+KJJ9IzzzyT3n777fw89n/uuefSrFmz0ty5c0tno7eEbwAAAABglbP4g7dS4ysP pIaJw/NV3o0v3JZaXns4pZlPpPT6k6n5lXtz+G55vxSfW1pSy4I3U+PUB9si+TMjU9OrD6fFi95v 295JBO7GxsYctCdOnJiX4+rviNpTpkzJEfzFF1/MV3c///zz6amnnsqxO676jv2nTZsmfPeB8A0A AAAArHJy9M5XeQ9Lza3PF5eCd3mWCN+t8u1HWppT0zvTU8MLt7YF8+njS1srleP1s88+m1555ZV8 Nff06dNzAJ89e3aaOXNmviI8HuMq79gvjol9HnvssXzsvHnzSmejt4RvAAAAAGCV0zjlvrbwXb56 ++V7U5o5odvw3VHLe7PzcY2vPVpaUynu3V2+XUlc6R0fdvn+++/n5ZjY/tZbb+V94jFieNzyZOrU qTmEx/4NDQ2ls9FbwjcAAAAAsMrJ4fu5m1LTzAmpYfINbVdvPzsqtbz6cEqvT+g5fL8/p3X79UsN 370VcTxueRJXgb/xxhs+2LKPhG8AAAAAYJWTw/fzN6fFjR+mlvfntX14Zb71yfDU9NLdqenlu1Zo +O6r5rdfS83vvt76xppLa7q3uGFhan5rWv7a65HwDQAAAACsctrDd9OHeXlxc2MOwQ3P3pQaJg7N 9/5e3vDd8uF7+cMyG6fckxY3Liyt7WBxS2qc8XhqbH395tbz9If4WvLrNS0qreley4LZrV/rjfmK 93okfAMAAAAAq5zO4busOaL1a4/kK7+XN3wvXvhuaph0Xes5hqSm15+KT8UsbWnV+rx5/hv53LG9 +b1ZpQ19E7dtaXz57t6F78kjU1N8qGcdEr4BAAAAgFXO0sJ3WNzcnJrnz0rNs59Jixu7DsnLGr7j AzBbFrxZ2tK6rakhNUy5p21b5/C9eHG+8rzlg7fyh2e2fPhuWtzSlNdXaGlOLQvfadtn4dt5ueG5 UZXhO5+rKTW/P6+03/y2c5V0Fb4XL27JX2/LgjltxzS837qypbSt7XyLmxtaVzXnK9ljn7hlyhLv rwYI3wAAAADAKqe78L0slil8l67qbpz6YOvrNOZA3PTmc23R+9kblwjfLa3PG166sz2Ktx07pi1u l8Q9yZvyFenlfYamplcfzq/VMXw3f/BWamhd7niuhjjXogV5e+fwnWP/vCk5oLfvP2l4apw9Ocf4 iOtN0x9tXTes9WuO1xuZ92l5e3qO4rVG+AYAAAAAVjkrInw3vnJ/6+vcm+J+4U1vTUnNH8xLDc+O Sg0v3JqaIh5P/FP4boljcgwfmppmPZ1a5r+emmaMbwvQrftH0F7c0pIaXx2X18VjXHHdPO+VfJuT vK4Uvhd/+F4+JsJ2XLUekTtH69ZzR7TOV5V3DN+LF6fmd2a0xfoXbml9/lpqaZ2GF1vPEe9n3pR8 tXfbOSKIt35tU+/P72/xovfy+681wjcAAAAAsMpZIeF76pi0+IO3U2ME7ckjU8PUB/IV0y1vvdIe tcvhu2nGE3lb85uTU9xyJIurrF+f0Lp+aGqePTk1f9h63hy478y3Gylrfvu11vcyvC18xxXhc1/K +zXNfDxf4V2eptIV4PHhmx3Dd0Tthldavx8Th6aW995o37/53Rmt5239Oqa1fh1Ni/4Uz1vP2/H1 a5HwDQAAAACscnL4nnx9Dti9FldIvzU15VuB9BS+mxpS0+xnczDO0Xr6Iym1tFSG75bm1Bjh+ZnW 97Og8v00z389R+2m1x5KzW+3vmYE7TkvVNxepCXC9bM3/il8v/5U3i++vsbnR7dPnCeH74jbHcN3 3He8dOuSjvvnY2Ldy3e1nTff6uS61vcxvfTKtUv4BgAAAABWOY05PA9LDZNGpKY3Ji3bLTviwx8X vpOaprce+/TQHL6bZj9T2vgnFeE7PhAyf6DlfanxxdtSS+l1Oobv2CeH78kjU8v7c/P2suZ3Z+Zg Hbc2ybE9jpnzXI7v7Zo7fLhle/gemqN287yXl5j40Molwnfr9yFCeVwtvsQxre8h7lGew3fre4nb sNQ64RsAAAAAWPU0N7aF5BdvTw1PD8n3yW5645m0uLHtwyE7W7xofmqa8XiOw3n/V+5rC8LxwY+d dA7feV3DB/n2IeUrtZe41cnMuKXJsHx/77gCPItbncxsfc24Bcrcl/LxcUzDS3dUvG7b1eetr1cK 37Fv3B4l3m/FLUmaGlq3L8xPl7zVyf05lre8OyNvL1v84fy2yB7vRfgGAAAAAKhxixfn0N345nOp 4dn4gMhh+ZYhzfFhjo0f5g+TjFDc9ObzbcE7tr9wW2p++5W2oN3xqusOugrfnXUO3/nDLfOHVA5L TdMfy++hcdqD7a8Z54l7f7fdbmRovkI89sm3UYkPzGw9V/uHWzZ80Bb0437credonje19Wto/Rqf uzGH7ojYS3645fTU8MyI1BhXfc96KjW/1Xru11pfq/X70dK6TfgGAAAAACiY+MDHplmTcujNEfml O1PTzCdT4wu3tV3h3fqY7629DB+GuTzhO8RtThqntl15na/snjSsdfnBHMXLImzHfcUjUrftM7zt SvRnRraH75DP9erYfI68X8zLd+XAHfcYrwjfreLK8KZ5r6SGF1u/3kml148Q/trDra//jvANAAAA AFBIi1tyAG/Mgbd0hffkG1LT60/mq6iXdoV3Z3Fl9uKG99si+dKuCo/bjsQ+LR1uRdIqbmGS1+f5 IC93lq/+bmzdVtononTet/FPrxe3VMn7tZ+rdeI1y9vLxzQ35OWQj8lXjJePiXOXbtXScVtpXS0T vgEAAAAAOlq8ODUvmJua33y+7cMoS7GY4hC+AQAAAACoK8I3AAAAAAB1RfgGAAAAAKCuCN8AAAAA ANQV4RsAAAAAgLoifAMAAAAAUFeEbwAAAAAA6orwDQAAAABAXRG+AQAAAACoK8I3AAAAAAB1RfgG AAAAAKCuCN8AAAAAANQV4RsAAAAAgLoifAMAAAAAUFeEbwAAAAAA6orwDQAAAABAXRG+AQAAAACo K8I3AAAAAAB1RfgGAAAAAKCuCN8AAAAAANQV4RsAAAAAgLoifAMAAAAAUFeEbwAAAAAA6orwDQAA AABAXRG+AQAAAACoK8I3AAAAAAB1RfgGAAAAAKCuCN8AAAAAANQV4RsAAAAAgLoifAMAAAAAUFeE bwAAAAAA6orwDQAAAABAXRG+AQAAAACoK8I3AAAAAAB1RfgGAAAAAKCuCN8AAAAAANQV4RsAAAAA gLoifAMAAAAAUFeEbwAAAAAA6orwDQAAAABAXRG+AQAAAACoK8I3AAAAAAB1RfgGAAAAAKCuCN8A AAAAANQV4RsAAAAAgLoifAMAAAAAUFeEbwAAAAAA6orwDQAAAABAXRG+AQAAAACoK8I3AAAAAAB1 RfgGAAAAAKCuCN8AAAAAANQV4RsAAAAAgDqS0v8Polf1nJleUacAAAAASUVORK5CYIJ= ------=_NextPart_01DB8209.D071B130 Content-Location: file:///C:/26696B33/1983_arquivos/header.htm Content-Transfer-Encoding: quoted-printable Content-Type: text/html; charset="windows-1252"





Automatização de Processos c= omo Estratégia para Reduzir a Rotatividade de Servidores na Delegacia Regional = da

<= span style=3D'font-size:9.0pt;font-family:"Myriad Pro Cond",sans-serif;color:gra= y; mso-themecolor:background1;mso-themeshade:128'>Polícia Federal

Larissa Ágata Gom= es de Moraes; Daniel Soares de Souza; Pedro Carvalho Brom; Josué Pires de Carv= alho; Lucas Santos de Oliveira; Leonardo Garcia Marques

IS= SN 2237-4558    Navus    <= /span>Florianópolis    SC    <= /span>v. 13 • p. 01-4jan./dez. 2025

4

 

                  =                                                                                 

 

ISSN 2237-4558    Navus  • &n= bsp;Florianópolis  •  SC    v.9    n.2    <= /span>p. XX-XX    abr./jun. 2019

 

 

------=_NextPart_01DB8209.D071B130 Content-Location: file:///C:/26696B33/1983_arquivos/image002.emz Content-Transfer-Encoding: base64 Content-Type: image/x-emz H4sIAAAAAAAEC72bC3QUVZrHb9UXqqu7qqurwSHykJdKCOODgIRFkIAJiYgRSAgEIeGtBAwgg1Fi QAxinjgJLo/w9DHiOAmCoOJmlHMcAWdxx2EclNlRRBhh0AFB1xUP4rr/ezbV6W3Id2d2z+k+50f6 5vv6u9/97v/eqrodNCHEcqC1UI6fXYH3+jQsxDkSosfI7EzpZWYLcRfaOhwC4P4Wxwnt8Aa/P4FA IRks6nXvPT6R1ytBpIsFYpGYjc+MFNkC4fBCeGEDE8h4LvBefrxxgQwnUdllHBd4LwtvXOB9Prbt xb8WPpIOQMaQ/kng6pb3+CEG1ZXIH+J64Pl475H78iH4vRxDF+CCGahFHoqUj/d9gPf6seUFM3xK 9HFUofcDnF8I9kv6Sv2CvoL1+0wv0z/Si0Genor4LvgIOfwRP7n4H+mvi/36NrFO38L6/VzfJFbo G8UifQPrN11vENlgAPDyyEZRGxR5pGoNope2QXQAXL6kbRTfis3irODz/Y14QWwX/wIOR/JoQg6n kQsXv0kEMMrOeing/CbBnik66SNER9bvZuHqvYUGTmtePaS+PlDUI0nMEKtEspikJUfyH4D5TFZ8 7gc9GdqaAQ6L2+BrgqEtP4fh59XAWxOd8F7q3tOyD1r23uPXy/vgH0/v/981UWMI8bKi9jVGo1Zj /EKrNjZqXO2rjdXwqdSqjDLWr8pYCJ97QQHrV2mM1yqNbJAVmaMdCUJkKfJ9KiFLK0m4S5uUMIGN 3z9hptY9YTGoisTvjvgfKuJ3TzijDUj4QZuc4Gc1tjihvV6fkKjvAp7G/qudEImKPehmI1HPMdrr swyTjb/M+B7z8gl4WfM05e11DkTzB8U4HN+d+m4D+1i7ikh+r2H8FYr8FiZU6LcklOpawjQ2vzco Td9A7cGRSH03YJOtVuS1gUZrzdRFu0SX2D3hhoS/iKKEI2IX8OpbBT0fwfrgdFpubBeZxjrxQbt1 rN8h2A+Cfe3Ws35vwv4a2N6ugfWT9kbwAvDyfQZ6kHuw114X065saXPjuQ/xJrR7HExm+5/QbrC4 r12yqARcvK9hzzD6iTIjjfU7atwjHF89+Eube1pnjA3TLW4B8drTzuOmJAf9cWM8HygUXwTmiaOB 0kjtB/qFeESh/d7+Wv0n/jW6Drj458w1+jFzlf4Hsyyytq7HmixV5NXJN0908BWCHDb/Dr6B4qe+ 3mIK4PJYAvsq341ivW9IZJyEcX6DSfE0Nw/1kvdKXJySwI2iJtBb/BJwfn+C/XxgIMhpUxNSC1IT Y0G8NNHdEmIy+uNy724NFv2sZDEOcH6LYH/C6itqrBtZv83WALHNSgeTI7XehjwOK/a/bZamn7QS 9Rl263UjOai+brwYTNQ/DwrwfmS/PYXPfaIY96ngAXEuuEdozk52PIazXXRymsStgKvPZNjvd94A n0TGPd8R4n3FuOc7o3XdqdCTg63XoyDyl9cjT6sXceMT3T4f0/5bS5vL77RdoZ8CJ+1Kdg1/CPu/ gr12Feu3C/YXwbMKv6etKr27dRd4P3K9Hoq5MYF3DzgO7+XamAvitTaaw0L8WTE3zeFsfUa4Qt/l ts7Nl5hT1b3Ce5jPN50SkMfW8E3nBv09J1H/EnhzvctVa94IJ+r9wgT+HNF8P4znbcV4+oW3aIFw rbbXrY187mRIiFrF57qFarVmZzw4GdFkM+qwD/PFaa7ZKRVnnNFibGgQ6zc71F+Uh24SL4ZuYP0O hfoKzU0WQwHXbyHs891hYA7rN9+tEoVuA+K13pt8jHrIexMu/q9CDaI2tAE5b2T98kLPiLTQDrAv Urc0xP9MET8tZGoPhTprp4Cni7ehi86KeZoT7qw1h8eBvW2utfvRN8KIcvB/XWur/3kdPt36rCbj XQ+wDcl1fdkZxEZDiM3Uup+9doX29Cj727DLNjcH7xvT6d+N++ioUUqc33Gjlk4a6+mvxmbyaqnj nkTmw33uR2MdfW88QReMxWz8/zDupbPGFDph5Efin0D+ExXxzxu59IORCQaw8X8wkug7oyudNzqy fn81gqhHgPYBblyvwL7NsGgj/GOfn+S8dFfk/brRnfYa3egA4Po5AvsJozcYyPqdMDLoiJGNeNmR +sk8spGHl1/s9aIfdNYRDACdgac9TOvffWbwj2p4AYIvUNRmga+YFvqKwCx2zAt92TTbl0K3A66G PWEPwTfkm8v6hXzVdK1vK40EXLzxsE/3baK5vvWRWt+LcT2hGFehr4ryfDU0CnDx/wn2ZF85WHCZ tpLRT4Gin76+HErxpdMIwPWTC/tEXy4oiPQTqxF5v50IUkGXOGlkCcY4AGOUfbrgabSj973mmPaJ GP8DMe1X0S5S1GyXbxHt9JXSS74VkTndjs+tUHyuCZ95EZ/dBr16+a5p6b+tdTcIY0oEt4J4rbug +b9rKNvRNf66JWdvDLIta+6NQc69C37E701FTS74TPrK5wB+r/3K142+9V1HPwJOp37zOnLMboCP 55gO+U0T8cw29Sxr3hEMAfGq/bWo9TpFzX5qbqJUcyulA64WU2Gfb9aDZaxfsTmfZpuzaJxZyPpl mJMozZwAxrB+aeYoyjAz6G7A5TcR9mlmFs0y74yshyKMf5Bi/DPNW2iSmULZgIs/EPbeZhrIYf16 Y9w3mXNRzwdYv7HmgzTeXAKWs37jzQoaY9YiXi3rdyvsN5mV1Md8vE0Nyj1Wrn/53BavPbUSc9AD c+Ctb9mOXv9LrtDOivGPbS9RzGklalZt1lGduZat2RpofzN0/YJC+ztgf83cQs1yraB2LmhG3pWK PPaYVfQK2AHy8Zk+wHtFf3/3POzPmitASST+s4gfPe5fX6EdXUfpH9u+Gvl5+2js9VVqQGphOIiX FnriDK9QUbOe/kxK9KfQfyrW40nYj5ip9Hvz1kjNDqMG8jvlfIypD/Be0bX+GHvEKewVXyn2E/Jn kOEfAyZE4hvIP18R/5iZT781ZwN+Xf8W+jwMXX2u0N4F2HV/A5n++kgeJvKoRx6eFgNoR9+n9Gpp c3Xo6V9LPf2rwIrIfuFda334/MOKcfr8peTzl6E+S1ltJ/hX0iXsTV8p9q/PYT+BdXvC5OOdMIvp G7MIfRdF8o7V9nBMvNR2OoiXtneiZhQ1J7KdFtXe0dLm5qTRP4iehvZXA87vYdhnYJ3MRA04v5n+ anrIv5XqAOe3FfYm/3ra5a+NaGwX8q2Nyv8VtKM19m5Lm4v7rn8NHUQOB/2PRuIexOdknbx9ydOc rJfq+WynH/fK/sW0w/8QO54mfzk9h37XAy6/CtiXQcPL/HNYv2X+PKpAvdcDLt4vYN/uvxv55bN+ O/33YBwFYGqbGh4J7cr7xTviqOHhAfUcDA8U04hAEeCfkUcEcB4QSKEOgKvZ19Dyp/5swD8jf4q5 +gY67RjgtXw97P0Dm2hIoPUZeRDGpXpGvjlQRb0DNdQZcPn6Yb8IfV30X/6MfBEaLoC2uc9/788h PZBO7QHndx3sfQK5oO1n5DugDbnPjY6jRr5DLeU11rv27L9CO/os8BjssW3VXHwUqKDDgUp6F3A1 aoJ9feBBMJ71Wx/oTy8FetDvABfvY9hPBXrRl4Hekf3qG+QfVszp2YBDxwIBxOfP7jbDvjSQRGWB PDaPssA8ejywjOoVWtwCjb8c2EIHATeuo7CfCzTQd4G1be432dCQ3G/Ggs4gHmdyxZZ6vym2imm+ VQT4/Wa+lU0zrRQaDrhadIc9CN+gxe83Qauaelp4LgZcvBzYp1qbaI7Vut/MwrhUGp9iVVGuVUNZ gIufCnuSVQ4u32+S0I9qv+lj5dDNVjqlAa6fcbDnWbmg7f1mHHQh95vxoEucNLIUY1ynWH+Po/51 mIfNirl6HfZ3rHrAn2G8Y82nvdBbo8WfYWyxJlGDNQHwZxgN1ijaYmXQLwE3By/D3mxloe/WM4y3 Mf5BivG/ad1Cu6HrFxTa/znsj1ppgD/DeBTjrsT62GTxZxgvWg/SS9YSwD/rvGRVYOy1mB/+DOMp 2CutSiq32j7DkNqTGpwQRw0exxxEn2HIdvSz9h+v0I5+dpf+sW3VGcZx1Owzq46+sPgzjHPQ/gXo WrP5fcoPu2tvoavs1jOMq2z1GYZrV5ED/IDT7o/Yzy5ZK0DrGcalmHH/BP1F10G2o+so/WPb3BnG xBYtyLy6gHhcs0qRs+oMo9TOpAfsFBoDuJoNgz3FTqVku/UM4ybEV51hDLSzaLidQaMBF78A9mn2 GNB6hjEN8VVnGIPtfOplzwb8uu5l19GN0FW6QntjYZ9sN9AMu/UMYwbyiD7DmIV29PNlWUubG98j 9loqtVeBy88wpuPzqjOM6XYpTbfLUB/+zKHAXkkT7FrUm9+/0mEfalcAPt5Qu5jutovQd+sZhtSv C4Yj72sV+/0I+xrUvDNlAq4+o2AfbXeBDq9h/XLtHjTR7kUFgIt3H+zFiFls+yP3x1JPfkW+02yX Cu320EB7Nn4+7HnwHWc7rF+2bdMoO0AZgMt3MOwD7A7g2jbveyeh5vK+dzKI1x5yADVLUdRsG/aG OuwjddAIN8Y6u4ZewPrap1iDx2C/aD8J7mPjXcTechJ9HwCxZzQy7wxF3n/CnnPMngj4M5VjWCOH sV72K9bUq7A3Yo02KuI1os/d6PsA8PIeijk1gTzrvhpMAfLeYSqI11yvDaqfcdYGi2ldsAjwzzjr gtlUG0yhuYDTxB2wp8I3Ncg/46QGq+nO4Fa6H3DxHoG9MriJ6oOtzzirMC7VM87KYBWVBWtoIeDi T4V9bLAcXP6MMxb9qJ5xxgVxPxtMpzmA66cU9mXBXND2M870Fo3MjKNGzmKM0dc+E3+bF9vuiXXn nbn0hz22bUXZ9yFebDvaX/Yn27dhjCaIXSez8Tu5J84B8ToLqMaYVOe/1U4x1ThFgF8nNU42LXdS qBBwehgKe1/49nX4ddLXqaZhzlaaBrh4C2EvczbRSqd1nTyGcanWyRKnihY6NTQLcPFzYc9wysHl 6yQD/ajWyUgnh+5y0mkK4PqZD/siJxe0vU7mQBtyL50L4rWXfvF31PKkU0mfYL4+ANwY34b9VWcp 4K9Trzp59JaTiXj82f8nsJ907qDPndZnd/m3xqlYZ1wep50ByDeFDiu0ugP2Dc4owN8PbMC4dkCH hxRaPQr7aWj1S6ehzevlvJY5Lo7jHGv4+9rova/rFdpTFTXtGppCXUP5dE1oAquBHqG7KSmURf0B N0fDYc8M5YDpkfvezJi8pl2hrXpOnBa6jbJDKTQEcP33hb1baAh1CqVH+u+E/tKj9vxEtKOfnUVL m4uroX8NY9NCuW1qYH6LBhbiZ7yuBU3IPUUxx6tQk5JQJuDXQ0mohlaFtlIj4GqxH/bjoScBf398 HPX6N/TdBLzrp9z/XCDzVt0f7w1l0P7QRMDvO/tDS+nXIdz7Ai7vjbDXh8oAH68efTag7ybg5R17 3X8AY5B7+mIQrz39W9Qser2H3cvbFKVz6S/bbY3hQeQu711KQLz0WoCcVXod5qZQkpsJeL0muTU0 zN1KUwA37w/Bvtp9EvB6Xe1m0VL0XQC8mnl6lXmr9LrAzaASdyLg9VXiLqX73Vr0w+s1G/bb3TLA x7sdfd6JvguAl3esXuUcS70uAfHSqy+M/6ep2Jt84XTyhYeQGR4Q2a/Po9bR+/M5tEdE6dprc3P+ hTuYjmMeDwHObw/sz0Brzyi09oz7BO12N9HvABfvY9hPuWvpDOYuFbVG6uIs/on++xDZXqOoy1m3 iT51X6X3ANffb2B/zX2ZdrrbI/39CvHfUsTf7b5Db7kH6feAi38U9jPwveC+yfrp4d2Yx+fAqogG vbVzBvmonlfOuIvQz4P0N/dhtp/TbjkdcyvpA8DlvR/2N9xSwK+dN9wcescdSR8CLt5x2E+72ciP v086407COCaDwkgdYtdiqfiftbgUP7uCeJzF34a1GH3tkO3oNdbrCm3p7+0n3lzK/3tnKrSVFDap Z9gBHdma9gx3o6TwdXQz4Go/GPY0+KYp4g1Dn4PRdz/g5R1be1lzec1bBuJ1zWtEzVT3t41h7EHh FFoOuFosgH1GOJXuCbd+DzIV8VXfg9wbzqIHwhn0CODiPwl7fXgMaP0epB7xVd+DzA3nU054NuC/ B8kJ11FheCv9DHB5PAZ7bbiBVodbvwd5CnnUQ3vevroG7WhNb29pc3GbwmupEXtUY/jy70HkOFXf g9SHS1Eb3EOG+e8tngyvpCfCtVQGuHx+BntxuALw8YrDxbQsXIR+W78HidX2o9C0vMY/BuJ1jd9j CzFP45/b99jPaxX2YS0bcLXoAPtn1vNgHuv3mZWidbA1xNNYvwrY99gpYF6b/0d0ImrlAwUgCOKx Fz+HjlQ1ey74vLY4eFi7FXA1E7AfQn0PYYyc3yHUQQQ1xONrthj254IpoO2aFbbUbNY/UDMc74ir gHy5QL7/b/kkcmoITQAA ------=_NextPart_01DB8209.D071B130 Content-Location: file:///C:/26696B33/1983_arquivos/oledata.mso Content-Transfer-Encoding: base64 Content-Type: application/x-mso 0M8R4KGxGuEAAAAAAAAAAAAAAAAAAAAAPgADAP7/CQAGAAAAAAAAAAAAAAABAAAAAQAAAAAAAAAA EAAA/v///wAAAAD+////AAAAAAAAAAD///////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// ///////////////////////////////////////////////////////////////////////////9 /////v///wMAAAAEAAAABQAAAAYAAAAHAAAACAAAAAkAAAAKAAAACwAAAAwAAAANAAAADgAAAA8A AAAQAAAAEQAAABIAAAATAAAAFAAAABUAAAAWAAAAFwAAABgAAAAZAAAAGgAAABsAAAAcAAAAHQAA AB4AAAAfAAAAIAAAACEAAAAiAAAAIwAAACQAAAAlAAAAJgAAACcAAAD+//////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// //////////////////////////////////////////////////////////////////////////// /////////////////////////////////////////////////////////////////////////1IA bwBvAHQAIABFAG4AdAByAHkAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA AAAAAAAWAAUA//////////8BAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAD80fUigtsB /v///wAAAAAAAAAAXwAxADgAMAAxADMAOQAwADkAMwAwAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA AAAAAAAAAAAAAAAAAAAAAAAAABgAAgH///////////////8AAAAAAAAAAAAAAAAAAAAAAAAAAAAA AAAAAAAAAAAAAAAAAAACAAAA4UsAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAP///////////////wAAAAAAAAAA AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAA//////// ////////AAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAAFwA AHic7Jh1VFxPlvghECAEdw0SgjsECBoINO4QgrsnOAR3Gnd3DyRBgzsJDo0T3N0b94Z9+eY7+5ud OWfPzO78s+c3t8/nvddVdeu+snur3sgw9nJuJckK3N+IMBwC3P3DEzikv0qD/5M/BAsO7tGf/+8f Hh7+kvzwb/k/JTAAxD/H8C/8GnNkABSAJwCoAE8B0ADQATAAMH9PAThsABwAXAA8AHwAAgBCACIA YgASAFIAMgBygGcAFACUAFQA1ADPAWgAXgDQAtAB0AMwADACMAEw//me/5Z/najA2QI/J2AsJOBs gLsDnNvfuoL/VgjgHv/nmv/lD7S2ZIwixpMaJSxYFC53exL+uizWt+Fzav85eATguf0/fYoi3Hs4 03/K5l8LKtwj+L9uzz+qh/fnHQGwbwRnBScNtN4M6Il/VnAA+/B/1PPb9/0jOr/K/8WvvoETh1MB +t4V6HvTP0bA8Z+yT/Bn+xH/Cfu/xgnrz+e/Xvf/lv//BP73dPhfCML/2xP8D4QqjgQOLIIAd2xL BZc3/r+p6d/yP5E3cCaAz38DeL5fvscQzhK4mwIpqn/EAlMg5cN/q08LTJ+/nk//iM3HALMK/4q3 /y3/rP1/tfxftq8ki4AIxEIUFLgFBTtp67kP11lAaKoU/L2LM7a1cTK1cWIzMXQy/OPCwQpcD7Tl 35NK4Hm7kGBTFuee+WIleuYw4kvj0slLaxUETr8ooHEmoZPXrkGNaomKvMO9psMQCUaxX56gDoy5 cYTLdRBd9a2ntI+Iqc+VCiKlpBLtCEIJLK4PvFzcd/VZdW62LgrmtOUWqOKybXU73Ryc0zxQQJUh SlqhOTPqFUV7m4MmwQfmGNKIlGVoQ3kM17uqS8I5zRhdyi21TL7x9NNkflSpatI9I1nG7TcHwgrv Jx64gkNe+x31kdXeKCl37jT9pjXi/Ely5tVqzMm9Fm/o4DzfeWOJM36WVVQlp7parkM4OltAOELr lgRD1VR4fYqx7ts/R/YvrUSiHi/AXD/vfY7issMTaIzwLDdqTmR+lLFYrDTTlGA+25NC/g4Tk0J4 vo6BHbqAldL5MLibiXosWwI91usfg8+DFA3cvtwUaThRLAxk6GOeixX8jFl+Q79I7Z0QOYuZMV98 xXG+w3+8cte18qUcusWz3YxMcPJ9MR4Ks75faHjmyT+NcWT2eh0hGmm5xVGoggLiuBxwy/U8DG/G 8npJpDZ4k7fOVofuxkX8k8OOjeHQu+4ldK8+Za2S4bdmtPp0erMcUu7FT12ouJiV0z+z2k3aXX5b xNSVjNAKcwlsFCudwu//QfJ6E0lzau8b+Mrty4oqT8QUjfBC/11nZvvtYxQxCjTj/aZhlpBZg4/n 0nEEosNrgZrYLqbv33Qw0ubwlyjgO7vxgzJVOj7VgYozK27LQSa7dV/bMWzorzkhxo0oyouslq7l UrHUEmF4DCoFf/eglp1F/tInKRW2cTF43g59fuHEcj2Da21eVl2u61rk+CgsJpj5vdgT1Bgw3yLD zYMKilHM95hgTi1xuE/XA+o47oYE4+rMTw3l4TvcNhFReCasHjlYaKulbeg7y6DXRTjowmtb9y4h r3poYQSATVeL8jWbN7EL60C6RKWNIddEsjnfZd+BCCj8JFzltxC2RwvtQVlr2RHdHJtuaA4tzb31 DJusbyUl+Jh61V8L/yBaY/M+m5vgNJK3s3myZ77izDz6HoevLuN7GrWs+I0M1+UjK5bIxjy2CDEf JtdyUYkpQsvXFi3FdSgp3RInbMfmS0S1BzUR5hke52AVM/ShCm6SPdDaKxbKsCuvryajqQJ3HMz6 XWOPtCUxcNQ9jqk/SNVJR5rrrNYnM0ZUST8f+GbqKuqa6hwH5k2p6vyanxor4XRQNH2fLGiIkh52 yo8zDwd7phz3/vNyo7Oxy7r3e+XaM1Q5o3Cih26p82QiEagl0otVsqTx/nOzJWUInZC1rBaEO7mT RW+qJWpTiWTwIkCKhW3FO2FwR8rV5KuOwIHXx3npLOdShgfzHovSy6o83q3bknd6Qtn4XS1LVbW2 k3uao81Xgkz+vNEaT/NH8d9/mGO0NZf4sDj1s9uxLuyAyHTCMePjy84WlYWNBgnLeW2tucnTRJut +emqJDsJE8HIQufFyShryJjvXm2kh1YVHcqyjcDg7Rgi9dmJrt/HtfGb+0vmPFN7urJjxdum5xNW dapz51h5+/qogv46+Ipn5KKD/brO2NoXBmTm5MoiHDD0fMjznDpftyxssSgjRQ5dMCj2xzvSLXsU j/AKTLxgUur3wwXnODojPT9lIOGs7JF14ezUbNAYlmmcgvBnsb04OILBZtz5WSWZ3oZC3RrY4JXA PW/W41nKFlqS7fgbUqf9/PZgk7H3ddXavUdkG1+qQIKmzLIV+mjteNolKRKhcaAz0X1zqQfRj1D3 /l2h84ZtaWFS6mbc/u1Fms49kdY9/krjjemt2I+cTjolAXbPOm9t2R4s039eRrzIYlupSXLTXXfy 2eZmRJDcHKJ6G9Hz5hs8WQ9fx1UgiYF+ykhPzKZOwof8ApEP4UmaWNBLjlqKz89nVKQ2COaesHR6 Cw3ruSDJ9hzN8ITkpmfzFlWWkMre2JcqkayTrKIYkay7QXlKKbDdSSAzb/ZApnpeQs3U/vTnpx7z irVdjrgSA+HHNqqCktH5PiTtzkL7uZjGXoJEXG2OgrFfajtR8bJc6m2IrL5sMUzo5TU22YU/FzK0 nmoQX/hMsYK/sEYsPCk99tjrIxWN8MlkvB2sElZxTndYMXRfs0Dc6JKAUSEP7+WVM88wMvxBsCx7 7gpv8tMu+cF1XnpZfp3IZZtSfq3HUCVCm71L8ZIH8rgIzDUkqnZEOXFUg/Z6u99xedcVx8vFjXQd G8vdiz3bbYbEnmBQy/aw9NXN9hQBZlixc4BDWvjNGcV/jWhRrZxiN0AkI370+xvEf4loHwwdnUwd lAzNTX+FtdvLhwcfWiQkJKx7ZJOH5+1Q5DHm18yPOkleQxA6CV7vw3cKv9bB6KR8yZZCTMRawcUu OGJsQJ/W0R7TNrHLHj4vD32h/OEuAnwpOktMJJqm6YeFeI/A0QSHgLHcEdMX0wM4rF4lSM5AzJAS 6jrdoy7zvFeSWOGOZkb2Q5FeQarhGpI3ii24jJQfEwaxDsloix19KR/XOWJw4nEUPCLPaY95VIBP JON7Jw6moRyC5+ekKDZiTeuor+R7z0oQ/ASUlnU+l75el3zuMmev2YESYcfvuo2VZeeALIC4Sk+U OhyDhlauQ8mGua0Us6b2GixGTofw8zMcPvIrRMS/2QSEicQqa1ICR0MU+L/fBNgBnfV7E5D5RCfh 5+UDZgcnMwJa3ma3r5nFZppHglFeHJMZq2VZiIdVva2+vDz7FDe+Y1+55afPmlZWZqskm2kyNhtx MkMdnGv+R+rg06atZ6CE4pWBvfOX9/dsrl6O2VvClw3DmSvXGY5bGcHvxTNGp4ltMJkwZ1a33iOf G8ItM8vYKzOGGWEVfqLPzQsMFbtV3IEve4scose6a63/atmoccRKfoq4VaGmbMRwWRy5Icz2Rkz5 DHQVXt5cdOpo13gq0lxn0ZlsW6d9Zi2ZvxOjXSpZNL6RoeB5DtsbH8TterHllOhYVuZHv5JXTWAq p5CuPaSY5XJdGe/c31zJfYbwEKIpTWHTequvZ2pNhPLGEO4MjK2EftNBrwxlqR2GcJH1mvNxnRJj NM9eyDRt8GqXpda2DJk6wWDDHaljh7bg0+btZt6IAPoQMGXOK+a2HLTppcdfh/lelWh3cdi8QihP HWdCv2FRbgzhDEFikQmjn5iM1yNQjlrXQdPthbJ05fjJHoqj445zoX15U2BBkVnFK57wRAn+JtSS lLqVqZ3pm7CKToedPb5aOWW3MvyXME6Qgov+tc9Dz4V8nEdwaB8Fw01Oi3K0e57xTdgBQpaFyJMy HmHcCsYdh9flGbEjCXmupbJPxmpXX9nyX2bANop8lua/Tv/svth7MvfSctI3lCVteq+j/MP9kPp+ W+PRUiNOpv/FTJ1t2jOUKQg/e8bTwM+yThh7sK71PcfNNoyjcqVO41Mf5Yi9b/RCEk1SysUt5goe 48blXZkZUz/uJaYqJDViZsoSueY6DKo9KdAJgzadTLI0AuramBZtR1evPuXBsJTzHLVeBvEc8VTj sAiIIVsg2YZlWwm/3e1/sA59cBuIX/qJeqW6aPtsBoXjUIqDwL0cz8bpYaBSIkxZPBSauwrp2JA6 OO3fKn2+RXvZxDgxMHN5CXWSLNewvdbmWldsU4+STNC+ChHOG/TNWOrajG5JztqvqhPUMK/M9r6d Dc1H6ms9jRoQPqRaDVkZEb/DY6mNvFaNRli3Jj5PZslbd03r1wOtz/BKVRcdt54nXyY2X6JkVWK/ OjWkcCzt0ZN234pOcBS6GF1shubMvwqHnGJ44mq17x19cy3du99oOvI5xdhnKrf2xVoxNLpz07e3 eVOuI1LJC9VRvEsnkBeP3MqP9vQBCV0wyt2F//Aa5YB1hdwfel7XMNwRX+NHu58JTLwaFsg5NC4/ eT3jWJ3gXjYzN72knd/pJhkm5KQfmQAN8zs5PC1Y9VxxpG1Px1txU5zeTwB3IpyqjiYsw5/vfTI6 GILwSB/G3Qo7BcNOUyey6mn40bXDYfgKBX0X4vxZ9cpnkrcHMNLVtaK5h65Z0xyrHjc2kE4DWftL a+OrufJ5WJTpNzzuip3mr7WlH19RrfTmr7lMlN9lf+nR86CJhzVPsYQQ3pqrN8aOOFvtSM5Zq5kR ZwhkmY4o6/YVxEm/iJehTZQTtuZ85eJTEWrioEWYJETdZ2KWpNeft/V+89Q0VfaiUTqVRuWWTzTu O6qRSB91Dd3Ysfhu9MXcrc8u58zUxsuiH/0mUwQbVJ0ayLdIicEYvBlkk8Znj+P7+vJGuYEp9xcr jKnM/ZzETpzTavLzQcELpwGh5RZSni1tYNny6+9J1yS1+l3MQkENAv2YcUbcd9/iKTxP2dA/np0E 3Cy8jCDeRVaAcXvaplEEYmKfv4BgunCNr8Fy5Og261ZIzFBcbD+t7Cp7x1BukxwiB+gbXfRy56cb PDw1O9veQdaH8uRTJaXWp12PKYhUkPMYzwV4260Rcg0JdHruhVBUh/EaiyFVaTZS6PCZdeeuNg7p mvE0fADdnvNMQ5EJzyE4rCSTuO8xBYdeaZo1s3T7MP2MYOG9/n721Wwfu+csyvRG8Sgg02xTmvTU 7hW6YslRQC1+Q9ve8FYWXY8cisejM1UiGNl9PT6H0J1lCjb6W1oiVGsQ0W5CsKgf//R8vWDgopPD O33l17YesRZ1agn4/XNDkl8SiXMhKKYgeq48+lTsLR8MnuvwJruMUNPkdw614E8ma89n63BhOrB2 WBq47pDkhfUip9iYJu2ziYokg1kXdLowWMukdX13V7RmnCUDlO4S9zMMTZT/vipuvpyjyOfWDU1M /wHePtKlATEIX0Of/Hb559cjut2oXc3HZ6PQUFBqngkDhRAFvOrql0710K84U3k0ZYVRSOl62B9X GuYi2QtbwJ2pUCui61LstKcUzSsYBDPbmKkLRpFHt3ZUYRyQAmnQ1ZnX9++gnQ5F28EM7aQdw/Og MYQUfP2REVV2Rs2r5a5Ido9s4jaLobsa3tPMUdDVbj1xuOLLH5+YzOTcIkwV2L+W8KyF+oHeCepf ra9Aal6mTMmQrnTwcS1yEuVOM3KxfuQUK7Q3K9mwDSwPDlv7Qkpl70t8Ceby2R3IEEy8xNQzCiSG ph+3g56T3U9HVHV5Njck7tB4et4KJmIdLLEM3vXqd5xDSQ0LRDtK+kBEjJ7HJ2uRR31CXKAwexKb 1EojOjMHXbOtMFAD7eu7V+86WP0jqbnvvuRiN2JM2OnRmd1SQdBG9ZV40W8VsbsV6sGkndf9QZYO WYu2kIKXyLf1aNF39z1J8CesaIKWNYISc6YZA2CxOdZxBWTpuQKHtzF3d+3KQqW+TxGk8zJpZdK0 iK7GFzRnWPtdlGvDv+mGJR3ENbBMqynMB/W07DF9iDwjkSMk1J+ez274Sj1+0EgcPXmWuHfrF5Ay xJTqoXD7Q7aNI1x90q6c0msRq9nvljR9vA0meB58JXZmgO4BMe4uPQpSTOeSHgiN5eES5h0nZNYY dH3PzlX58rQL3FrBk36tNC2ujlheO3Jk8vRweLEtU7GMRRCWCGZgXUMtnTS+QBJNPeGXEsShSd4h /4nwtHhyONTFVOKJmlVmNDVjzVur0gmtz87KKnvwx99pcRKxrb3WOb36r3UueK2l5g4KDhw0YZa9 2hGyrrkbpQtkLjxQr4GhT/mNDqDEZgY31ZNP6wea8XX1CPsRtMlHsQpGD6eLccY87rLmCVJD9LEZ o1OsrrJbjqIcFH2jg6kvaa+kfmVYyIs6gNYW170PYHMNufXRTjiKP83dw7x7iV/EccnQmDuZsVDs ePIwDr2PPWRpuEurcwKFrkeUYdGYV4f+1L6oE/61Du4tzSceez9lLtG63O6z8vzAL5AetStTmqjF 9EejbjRV9+A93pXCfDilzB2jWJK9SC3iciO59+M/+Kawo3t91wYnKdqfg5ObLK4y23gzcL+QqaTO MEcQzw+R8oize0yaqbQxFW1yFuTSNthngCWbqhJHjvDNelQgBpm8aNkFKwdyAXd83rJIVVqNot5o IpR+M9sh8J+ipmLKAoYUyUaiUtfEt54gDEcis+1aLdQLf7U3SKYkovQ0lzxPf6y2tyTeZJ03/3eD kCkQIG/apXt1uYF0JdgVsUVIZABh4dK7b4fTtk2p/Cm1+fQgtW6PhO+7TEX2kZ8x4lT1GHtLDfwn zBETj9ULYohjXttVK8mktpnvdQs3WXM3HK4R9zyBue9lUH8U1haVuh7xIHdrZwnUxPe+JTUhRoJ7 gXttlhGJ/rKF+A0yh09GNzfLy15K3jsI3FOM9FFvIUXXUUPFhcIL/8gggp0WPeYf41aVKAJfCJkM aBqKLNafy3DgS2dFYzHGvqUuFdcKdVLG2bmCBsiLrrLezTuzhfgodKh9t9ngFrTrkDVjwC1SHz/K MRgoI+HPPIujdvficdRkMhsgbDF4y/vp8lQO57wRW09FXIDZwPsG//QmWk9FrUfnyB9HEpJyUUUY iKLsvAR9LBkfaH9Uk6xjR9GaMGPOzFWTTliwyLGWrOvWfGFvi3cuRGWUAXWV1mgdo2TbcS8aNuGZ 69WpGnxKUP2z4juPja0Iq62c83S87IaixGj490Axppu6KYTvwwUB+MLNKIfFi9W+Nh9DLKbeJXzq PxiSfJmYxyShEVaG10LP4H61aBAfXP9U/75blZX2o0L/xld9S7781qnnLo300z2n2JYC5OZFQnlM +5YSzongpKCkdj9ShMJxrQOnHCct8p+Jql9plKRz4l6/8BtOQ+ymq1D1GOtQ5Q+2FhIqVBX4PqDK XyPuYEWHGqfaxLQQkDlTCsEYldMNDHayCl2fwOn7LE9+QJX5rlwXMtTGnlzoJlVUCx554mA1Zeou VcRznwSUyxz2kKKrdRCsghRBalSFClRJr1uDycq95r0kMjPGQ8cFC1Q9TFuDnYx4PxjOKnAtNaxT ZWrtSQCdUkbPVyOq1DgSJuzKzlRrr5wT0eGiphGrLzP6uwPuSxhuhg7IrhP5ZjMpxGZjZubmdLst cRkU0qXCtHbwPxInC9kjVm3xm+3oL5hm8MSuVg+gqGRcTJTOZ7f4CIg822BdK2oLN168nf+Lmv3s c4L6gfr9/vyUGn4O8+ZD1rXqULwi8udADlvN1j3B5pmtyLAIeZHuE5tU1K+TumIIVHMFAVdSb40l z48PH6vuWYwqNJN9a1GxLpz8vexZ+63Ib1UrQtd3h5xbPJvxY59RPTuq0vuyy3aawgTmeCOwu/G8 05p7akAyJFh8G3gW8tgu5F+KnhyQBJMapTzT5+z5MApk4jIMeTRTCok1qyToCYvdddy4X6PYUwuJ ZUhFY2XPvWUr9bs2TrFlM7DRLEqOxhJpUWejINczEji9U2jRQbWFIZ/2ord4BvLpEv5WqdOHXurv beS3hJ7VVyz4n6HYk9BJ1EfirRVJhmTrlCVHoz0Iga9HiTbjRP80JKgQ84xq0TBKD1Si7FMdZSii CMV2J7otBKODdg1nMOT1NNIpuAV5Q4mFI6VPL8dt0O3LnlmFuQglbxuO8uZlK56P2FaBa3jZAy44 fa6lMY0vLFD869isXR2fjidv3iaAWXh3V4Y40DNFzFl1uuaPn0A/wt5hrg1bXe0yc2ASupIZtlle dfFt+tNvjrG6W3irdYTbnjpPl2+1uXPfiJBFaZC74M063Ghcv+bTkEEWejPN6aCmsUfW76CSFP8t I2HjrERTAcHhZDR93yWAUSw1NIFj0tyUlVDy2EXgsomTwsLs/TMoElsG79qPfBt2tXf0NbgLlMbZ xLxLdvEEClpIXMrDBMNpOO7FsADir0jbuc0WUw0ZesLbTp7SQmdynGv0IkLzTZbdSh83Vz1s4qZU Fwx2yTdl2OTjuh1HC3zESdg+1FXZCkbHl4UHoJ70n4+HcxUjOAKhsG6URsSZnrDdHjFq9+ApkfkR 2GIClHDBOERJIaH2hweuUdnLK5jUuERMZwxtsjMCMznd9EVI25TU3sPbcD5bNtA1uzPYLKq0cRDy e0c1EOGMmJ40agch4qVXl+8A2zb6LTGR1FpQqjV+Bu99afq+z5tC4WR0I2l1FTmtuEdhqs0x4GSe 5ZGsXn9owZuKXWcfRgpJLVuBxNqMuCaBkz0a+s6TzFhSNU1TBj+UKb3HqxL32OxDIul2a+qrD67r ci5hy10prrU5sd8x56/8Kdqcbthd5X8aeB47Mivvvauc/+z06FRud+ujoXr1WAO8FpDBpX8t2Cu4 P5yeFSaK9QiKN0u57Z30WGTbTxq1Nb8RVVANyY8TJUE0B83ffJBy+6cfAqa2nl0ivKfo6lsFv+DL x5bfs6T8gsVRBUu8etVR7UItIbjyKfGPdE2XqWIRU4AshLQmmTdGIObTMy2zPgod0+UVcHwZ51GF p/9XNEFP0yLgmlE9pA6W8OSJbrCg59qW1yB2dX3l32NNcYmvXAT3A60y+xFm04VDoh84sYi9p8zs /tt3daRnGIvtBwc9+EHtHZ+UKkfCvD1Tn7Sy7+TMcOCWEIYdFOtV+obpKXCj4hTmqZx5qqkyNKo4 FW7LjIbH5WUThumJzgcJmNS3e+X2NhFuxj3DJ/SgTz5TSumk0FmXvIR6HTw6v2dfO0mU89LfnCpv fC1rK//Ni3Sl/yn/8PiRngjhtbInbDjl8zHEy1zH4J4WXb/p8NFz4amjDm7CeneVjuiyhteJVSQu IvvUImL6MOIqL0ezmMXHjaWjdk3pTzMs+tDQxka05h+XCbHnazgTWsJnoH/0Y/hhhOI29bgRypHv /KrqxtusJ531JJfXCWbYk+oEA1c0+xTtZx/Nav9Y8P1hdbfybD9xOGNIryG/8WQ2sZspUoOknPte c/yqMnPaOhsWW3Xmfctsl6TnERA0NGZNFzelQFPuNUFjvlP4EcOQhGKb5jJrXLo8U0pPILb5An2G f6eQLpBf9ubSwIX4gLnlYp3IfKdGUsE+Se+2cwWoYGluXNPqbJAA4vgdspgFJGCeLB/P9ujqTfTd 2ixvABobhRmFycIV8KdNZRCV2F8qE8Fzc9FMqHoeiGQM1XkUX83ifBLfW9LFo8U7qlGov5bw0eB2 V0xQlhk9VZb/NTS/wgibTFjW0duKnRf2hC7E5fE+mRHThtXgnz0cXME7OVBkkvvFyMRbMeNNZwoz 8lyMs8thEXyap75S0SHoZ2N9FQ045ZweLYPcoD1KTXrXA58dE7i2HpPN/UtnTsPlrvIUcp699aU3 2fWhLAirRQ+Gsz2WW3HAZs0Hfa2zPsAzsIvjLTKXYGCyiBiy7mHa8Vu2TLKpjrcQVjaOcZkdkx/w sWMYLP5n9AtDRm0SOhptkxB96tREyV0DCUL0y/B7aKBlvVoG9HUxeGj1zhbMnl2eLcD6ZrFNWeFn hc8+ZvxHcL0YKfqgLbIUr4+qPQ8q2U9jVAtuOYLIT6E4+RFgz0BNYvR+CyVQACdJWNyowQHe+y+0 hz+e3vD3MQtTm7IcWkJpIv1HQZvWb2Oa01A4rY/XDWM0w5MV/CBa83bEJpOrq02U+Sc8u5k0U22d zLoD0mYsOAzWlRGUpiz3rrgmk0aJmZRVBKEJNVIFJV27dKIkpC+5Uh8YNmmIlWeAsqAp+7jRoLk9 zh4epziQpIPPZjs9XWqN1JSEZrh4v1a1vm1dcqYJD1XsN4JQE/ERPqBqV3WgAB9zuzQJr+pCak2n a8h5vKj3mShQP5J/Qo3r1BxQr4qPidzM8Km+6aUQOlce3RljNTHHupOv3Kh1PA7lIKKkc+KPot9n YbFU7OE0Yuy5INWrsiBfOefnKqgZrOzJeAWKwCHDwJ268OhFkL/cytcFEhPUpdQoynjUWVDl/jD5 ABn+AJo2GmcQdBo1hsGTeED001Gi5iPOoPLORzEMHhrGqecgjiL0x6k/JAvwhKkjze+KGgqOx1wE GIKGvXUfnFD18SaYqrX0Z34otGyFwl3PAI5PZkX1L+7eXKFUwAF1qbgyJCHuQhSN+vPBJH7IGbHX eh1EjwECekaZaQ28WqYzcuoPDU7cWJWroWxQAV5rQWZIwo+pOyZxmRWgIRRA+ixUrKDLd0EydQnW TZYJltpNd/2VrPUkNAevlXAcmyHIduyluJZn/TWu48y3jBua36r6cZSFRz+zw6UqUVLngELlV9JA RrhwsNRbZEAdhAIUeVgLSfj28UTbbIKE9vwNg2efKlBwWFhfgj7IFqWeYJYSRRMbLuCR89EcIfzJ 8Brfl3L6nNtWqWptxn7Ujdat5439lEq/Hb1SApr/NRQx/a5Lt96aVFzrJV3crUepE+vBXKi59fNG /fGjAVSIxwvs+CHOY0quD03gXCOf8nMSjOLB/aWIhpf+l7ifvVwRKRRvP7dxvYLNDb+xuRSp4BHG iUpmKqlv5eKGm73aNjjBIVCUPLd/jDd1Kd6knBehupoW7ctgr/7H9whrZZwpFTEdL+CIE7k7oyJ3 vlZVGFK21Jtx51unKNDbfKLJM2YMCy6FdIcYiSEmm629zgR3d83UH9ceqYiYuXt1zrENDnUv5JEP La/ZSNqLXJwKaVVtutYUUWXgGrjlBlUZcemBW1+GJOeS/1QPS8NReJEhw5doJ2z9w62Gqag4kjk9 8kSUZeNbrMqE/6NvsUZfQhLygAGtObx538A8fxUjz+lI4qhrS6oSRhKbFBSKF9JKOUmbXFd31+l5 hcyF90tv6OY/GPfOaLjer+2IFl3UIIhEN4MwaoJEZ5Qo0UZ0Jhgl6ugJ0UXvNUSJPtrovRu9d9F7 jz54/P7/913ven6f3i/3Ouesc/a+97Wus/e917q2+auc31Un/bKKaqHuRlKKahAokiknm/4+6aqd aoOOcS5SfXyeenYNvr+aK5qTjA0sZ8r5rWxoI6WoYN2cUXuNQ65uI89hFape03hbkxWZdS4uTa03 cihB/ShGSZSdpq+k5IGiahoPTcenh8L2F6o8Ql7nGKJ3cVGRvfsGDuHenXyK7+17JeNANYppoWVu sVyn2FaFTZdOWWIbVk8k9On1Kq0hXYkqKf6+XUz3EBEUB1RlPPHLQp/CpF2j12LvrJyI3xM0j44m KtQcsdf6SURuODY8hgqg8FLJboa5Xj9YssxbHpcVTBX/miTJXWtUXEV7UGDdbuhqdamHEL6LDECa CKLF1doz+Mrtt0ppJ8V7U/8KjHmpUbEakk69KqkY5VG6cW7TIgo87GubqrZMdHpBkGczhWjV3Zh0 Yv2xe7LZf16mdP0TTVd2fzJHa5Fqoe7jot4cINdq6YPP68NXh94GYHZIxjzk06kUnNZ+2UF7Dx23 6UmDTYTtFyPQPNmq4tN1khF2XQqUjzHoORo3DOfmB88FUgccZNQoV92ZkPnNyOu4WOmJuSQ7uWQS 6b1PIunTtu+/eQ56+dEhrdGc+fL6c3zY1X9P/QaoY0aWhthrPYrfnxhTVMAcMc3eGnV9z5YvSY57 eWE3n/xyjnyOgr+NtfWnjZKqtkRQTUf2qRvewUGHkn5UCLkLHZODIWeTRpKbW3KEmSmbXe89SPBd hZVltEEJlecLOCjMbSUM2/C2GqNuCrHyTd7u2fRMyAyju9S9gdaezzCdwZadDO91C9SvuCY7hSQx AHIcc+j507WSUqzgSpHbKyEJ1E3N2tyq1IOQd9+rNEqdvjdJlUGyeZPvvxLpiEi6DRXKBiKNMjAX eZdNCQY9pujmLfTsb3cXeb3ZY7rA6IR0XUdD2mRBD78v5rRU9y1y5Tso2d7DxdOY7KkcF/qNfgO0 6AiaJh2kwsBzVfRl2lWMT5tQ+T6wzGnK9ccXsxKnfm7BjP44f2OaQEYhbVF9PgVHZpDwkwO5reeT rpTD+ld6oFnuPm7zEmEQXmxtVj+leQm7Yw57EtcbD6wUq2CP8sPdEtJVqIxJsFDxdEVEYez+2kT/ 8VRSjti80Q4vl+2Fq98qZjG8LJ2uf8e2s3XZ1gjfXF1CCkt7QjmuA8UBh2WkgAwtYGPgg6JNpoGE kgkxFmvY0Xcc7SQbulyTSz3VJ8fV8ulWJq3GS+5thWJA+GUDmxIDrNV7Sixz0IMKPb1AgJbTOyq2 z/UBnB6I8lyWYcZc11aOgM/BqWPc2Kqf/sZaUP/wE6ZbYLFJSPQiS/x0zju1Z+Qyt0E8gGVaXdce RNCrY1v2xtNbnMZDyQmXpBV5O2/cWWtGGGwfKOpbKuSAS7qnFaN79VFIgfH1kPlstvxozd6pHbyt DT568gSlsI4SGjzysYQDvp2aE9SrnJifPkocmaapxCIHWRc76rgCfy4bk59uMdPWcba3Z9ZwtUvR MPQdfQiQU+N7O1+PkyJfJMhc2zJFWST/dtucsm3vcdcbKoBrC7Ysmx6vUzy52aJKlw+Js69aXvSx AR3bNFKIprCpJ8zB2Nse02i/1yz1le0do0708SWMbvSYRW4m8tr67XDAuETUoBxgZiCktHPm6Mdr Lc8zccePZ7BeMH1FFGHqWusMPLeY8kb7iy8fDYfORS7/BzF0ZgXoa66mPYbVvZx27r0K6yeSM7vm pre7+Ocdnr3TeUwrXMafMmUaPjno1ory8gDeeScu//ZubTR6eVfxOYEdv0r7ZYm0fnAN2ReWlfvD IDh6rjX3fCUdjdCmug4Dy6zEbufDdY6mfTX3WOD3FZqVf/vbTuY0joGtinLqr3PlqNz1lTvpFyqO Im7ydRSPwqG03qcqVPFcCQEDWNtSeD6tbkxKU1SWl6eZSr1Lm68hzr0ddaU5y47fkp5dmNAeCKd8 Uw6zvFzWptGZieac2eE9NQBu4FdrNqQlfhuzzf2TiZ9Ucy6Nn74TGUzXpNoaV8EfpcVWQA/tqvII qhRdbvDXvR+U+jsT48uT0N9WyKYxzP+WwDpZY82Zh3toSvXU/mcg0YU/r4dstpHfgK58Ie5QtRu7 yCksd219sr92k+8o5qF7czPDCXdjwu7WOzBt/E3RUHMsbrDUnqr/6mP5NNNGQJeljsC6ODeEdcP0 A86iaEYANTkfoqoeexPUJ735gmBRrC/7yuWpPmWU/+kvIPxoVAptnoQdc4RxKl4h3YepDxS+7MOE sV8ubOPC98gJBEUvH1njGyxdP3qVoDdsePRLmGBlA1eecdQTGV7rJDJGhdp7G3T1hXJDcAi35mW6 QiH9HLZlVfD52A5ZFdtDl5NptupIUiZtyMWAh2r7AiyCk8IutV5zHVCf6u0QhK6pfGk8vxJEd8qB IkhvoPyAjEBWiYWJuCreuuEA3Sts8+xlAbayIlDD84mJbtE+Xo2AJL7+WONzGJ1Fu8dptyhU6vCV TAwpRx0z61YTSJjBQCGBULfTKSUy3NEH3PW+fez4bLd3ukFZdJSzbzLSqcFUPirbO0iMU5c5r8G0 9appW8euHBtyWBNIsInXbrIgpqRv1Gq4udCuHgqosZ8WgzVP+wJnF9pFwIDLwz8eo6Q60d7a5Rq3 b6Kj0vs7hWxNoSOD7luCttTd1fqudF4SSKPr+bnLXjmq/nQ4Xf0g5W0DnM4mBgDHLX42+eNKEoHN b6OldKwSt+f+Fhv8CZm1lEuxVx5dm43LX55JeegZ5yuhVb0yu88hPGrUCblRR6xLETQ5+yvcfp8B XA6cUvWOiXK5MyIU29eWbA7lR53l/czV65gHThWhrD+6xe8DGrR6l9B/x1cUtgoRAd2I56vfCP1C suDB6hqxH9TaHM4zRiuiSBuftxzu13XPHWyPuUTs5tBI4IzvvPyB43c5RAmXvjk/xG08LuXeu/+X GOEv4E3UP3Mj/8yIPPuXGEHWEmauZOno9I8cAawAUACNP6zLfcoAbgUgvrySKrYjwVdCxL/lDUq/ BpNEsB892mP8rwr+/1p0sLP7j6XiGUMlyMfnuEdjfDn5wd/EI4OUXkSLPNBnQzqhljWlZYWQLvo9 iOwudg5WPzxLZc8akoLDbOESjNPdjt+umxuzzAhol4jFlSZjOcYAdQlYWEgZam2adchQv00478v0 nDlk+Msa6OF43dicPiRSXZ1TPP1J3YEjpSytnlMxblLWjtYUFmVH1eQ6b7viM6ZTODVVdJGScD0z ioRexMQxNNkdF4jMlvF7F51sgEPlEtOAdib3v9pMTe5vG9ze3Wst+gabVqseb922e77jh7m9PfU8 dBJaAwmwc4udOhCbluZ2RIgtysoc8vQY7YU3SDcv7U7dVN36RQCm5tsv+jAmSumhnRF0cMedK9FF BvITa3NJSYvQjaNCb9dQwwn+ioYcW/CzmGse5msv9HMvoOATx8KJojXUer6jAGcBis3ieb+TPmp8 qj5j7FoZ71dT7e7u/f7QU4YxK4M/Hgn1dz9d9v50Wy0Y2zl4cfGnke5zSrx3frP7NxljMeR7svVE GamzOzz02e/T2O1JZ5UTLRu9WoNemv3yGm6zrorJZAjSxHbAur+Ypr84+WxpQ6tw+45xQ6t0zPpn eFwZZHJk8lrFePG566po2O+xnOKYD5tDSuLaBqqDBaLxl7GsQ/es/On3xcF3VBkVukXkmge6lqq0 Qx8Xz1O0Dfi9S1YG8qFWblwKuoNKALH71glTQX4CWkd27AiRVN/uea6wWtqwmc7DsSWWwY9oXM1G w3oDJMQSHBMZVaUEKWOx6owXx4xP0YJ9yR2LF/IPKzIXp4cITiPWKYy3ldYvqOmQqY2hSDS7mRlw jq9s/VgJts0GYLuqe97XQQXmtuGg4iuPJ6+ddmClhiyyAnxOnZP6OuODPWf5eB6+iMOeXgG0xI99 Z+maWo97DDsWfwe5fvDRCeumSqGHLDIBZuZNqk1RTSazDtI9PXrcVKaow85pMj4E9zaJKWqFeFZ9 S6eZ5U9LvAEukvAZQvr5NJ+OIiRLUnayvJEQks7eHs//fZ2vGhRnDJYRsRHhfPApkWCKqnKAuSUg pi+9+pHUkJOCz+Cch2gJtY1R0pTIBjkdlxPnWk1/4MXEcDwn0ytrmvzW+FIrxHrRN+erHByILWg0 3tP8Np4bG+JOAXNbarH20WyN/8Y6e9L4YOXteBgwZ2CaT14nfXNoxaorPrS4kqXR5jYeOodYl39A ix/BnTeLYDl6aRP8hEYX7PIGSYE0RZEaz3Qb8qzvT49OvYc0UT6AlqUC++JkgsLFMbipSpte8UpD /iWg2R4yxYCVYT+ksbbobuD5I+TeYS6Q/iFcvqkfQIKF6ZOob869cAKIIK4luOphN6kkJihNUog4 KwA4f2JNCknHG4k3fXjdgeU7UEhqmg/2x2ftB+a0w/Vzm6SnD06BUtPl1k8g4q/tVV2IHzBLRD6n 5BvNALZPOwDDgMaYF2ZzT5CgsJF4oe9hResRr2EKwUaooG+H3Ac/jFCXCZXrBQ9O99I64mcVYCKq OsSOKHDMtMMq3Wy0RKM3eAqE/Ktkivr9zeNkC4T0FJOC3JE9OM2Dlq0PA5CeVn/S0bMAJILdhuOf x6tqsO1QExT0+7qQLU2ECWrYfPbkH1buJbbHn4jArlIRYQ6hHsQQwe7P/8TqvRRhjNIkhDS9AFRb Ht68htU6pCFh+jrN6/7YMBHkV6Dp93XcO4AfwfRomTyk7QGE6Fal4XKOkQxY8LOaLkWyzZLrEp4J aT18IIoGN+a+WKPw120Jtfz4Fe7/TrNHJW8nhx/SayHGf4cFTe1gdg48/1m54TYw/8ghAl9eiu7D 9/ftpL6i2evvn0wSFyOIo9iX3XbAWo5+NtK3F+bBOjhpDIc34ksXBBossayXlL+jqWyRvS+LVfQf rXSOBqP6mViJtT9XZ7Z6PsXSWEozLSW4Q4zseH/pGVHWj5UM+G1ChQ9SGZUCvde+L5UY37N1YG1h sjZX66mRvoP9HavWxn6irgrrs8PofkEwrB9fv/llNPoZVgUanydA20hgqOxCWUBsNgKW5Hb3JzKN qTogNZH3a6NqmcXOsdfvwklNDy3G/bhkmR77o3/VGLJ5OXo6nEePQFT/nYi0MXcy/q/i8P9c/APB gg7YcUWYtGlTu6ah6mM9Li9J4LfYY83HTFLKBti9FhvsiEf70/HgeMy90qV4szCb3qRiEVviL667 GoUT18xVR+KMWcPu3QAWEMPcgks30r4hFyO42vTmzHySdnYSet/2Rp8+i7ntue4wk0opsSkdtpN/ 6Tsqi+5zHsDlqQ6iVk8JKkJYWda4+rbWIfXWe2nxYi7WJu3gM8hBVCxvyhojK47BNJy4WPgWeKEO T15xGpBvYxIFb32W4RdH2qw32dP/epKHp7d6nsz3vO2+Jwmr/2kUdtCvaMi2u6xpelOu8O/ZUGO7 4UkHK6/UAJVFrAA02Hz4kFiUfogDUjBdelmTB5D3GuLo4FyJcgAkT1TPnkvCgzKVvQptpmiW1Daa ue2o02O4PnbwQW5/TD2/zsi+fhv96tVc2rvUdU6Lb0vBqfG7Iv76/vO/YrV9OWisMKIeReMt99h5 +UsmsZwV5ywn9gCCVKvMGXB1+2ae6hGUhcAtQD2TngyXCBVo5xN3LK0rE2D79sr1wLUgu3tPvN5d TLaib3RmSEOv/LO3FiP4/D5b52J5sN/YZC+bMgHRrelrenXbtBg0dfTUbai42eSoAQvJX9+XNaUr 3iFSvkv9apw9ozLBN/qSLolm5ogJCccpNPZI+5AlN/FhE9wwMIxMbFMozsp1Esu4xpBdUIZWWda2 bpSvE3+ap3XhuQGu4SSkqfHq1S6UbLLDbCDmI/xwZa/PPGZEDhHhCDMRVm0rrsf0S/Itrt6lc099 ELz+CoHerQ7kZ7IZg9PzuX55zG1lOiGawtXEVE4VWfJnnAI7YglrjAARt31OJ+PhMtUwI2HbWrMC yQTls9v0UV5yoiV0U+K7mWGsW4NA79Ixq4oR3V+Pv4exDcsulq15Kky0Vh+/IbZ8GeVf1J4bxoqi n9fywABYiv5l7ShjLiIjlGIQRj0WMOGmbTAKknGP8iVObHH5SXO6/jFTWopzi6FCQZ4sKUjyNZzA EvBK3Ze4BnclyOVqIsXwWcjyiZn9ISN2URbdqIK6StJaiPymbuGnhC6Z8zDcAHw/B4prL2GSuOxX B88GyFp1WZ7xRb1+EWKfyUxfRjqVvmZxex0zIPRdTp71bQIh4RNjSvXOr/rj70mEFwbk2RU+9OSy EEdA4rpjfvulH9g5F8Jq2Y5JnJs2omm0xIMGoIjvIl3fGuoJbTcj2QPSKOlr3spyWSXmwFJXiILx EroTjJQVBFwTuznkjmnBl7qvvy+ASi58SRyK16tlVU4bWXT5I4TGQY2wuBdN4NumoozYonYGy0fG de3hv/88Nu0g2fqZjKVGkENlJMUuIkVnQkGppiFJ16cnoCcl14uAnir5HFRmnlra0bCyaRUYWw0F ZQKleg8qCz76LS7TEufExpzhGY44X4YFs30v+hhrNn2l1hYB1de9fbFYSQaTio6TY9n6KnSl9Kgl 5c4g8msvMbq09rdWh4D9JKHf+vpEafFnR6jaz4GfojLPcQJ89SZaBEx/4G6sn8ejn9EGfvZMSnKH r/QLHH5wjhdL5kFNJfZwQmCDMbCfBAM/jV6Wcdo6znhimRNmqDAxJdt+iy3ULql7gq8c6P3es5Gc nSXxM5t6sW2sPiiOkUkgSkpwQ0Gwmioo8jIm8NBQjE27vylVFpp19BoXQ+PJ66nFprPLfiybg10g ed89qmMgPMW9fWcXdJrOxyC4Z94r2lqMcw20lF9TLsZqF5faVllYf2BmqOsKUpP6TkEwLv8NGW4e X042TRbZUB8U4Paxh9WdzIWTEv9q6hJqEHBPYNmPdSz9jYdTg6uDThy5TOiMe8A2twKimfu1/Kd8 qgp4VdE/feDMI+c1VVVMuZ4qa1ovsOcqdxteTB/Bh6Ux+GyBdFWBK4V6bgI38Kunfm5oPZ219xsa Jzm/94VTVIcW+yNu6c6/5OzI6H3QMMTUeblN43KcQGbQasu16dX5X3Te2eINfNhi6ij9Xbfmfas0 o7tirTMuW8PELvru+DNjTawEAw1ZekWdhT7BHKZmwEqjo1bBC3gWdmIU/E2EyNs/2JW2BY33y8eh maRtlkksO6nct+MFybFur9OuqNM10He7hmiC/11N/AIoa6geymjV439VEydzuJOlrYXdP9UkJ1pN 1Y+XtHvpikL5glDoSEbeODhaDGjVj370CfIUE2hZ6LS0WP7U17ZD+mb478H1/YJE7Su6KcEtjc8a XEmrwnqmzMwaDfEfww3P546ofik/JU2oRVr75/QQZPfqh3No40ZdXUTi6GP1MGZdWZ/r23bbifcd p1R9whm+8BpfklbUJs2zxN/Fimb+KyHpGBtf9yF5Qj5JPodXaSrt7GCYdMzvGiHSBUV/j6+kzP2l JK1kOXJZ7+9RYmzflZ/Dv4d3C4dT94sTFhzG5R/TF3NzaVTlh6YVaHbUsPKycovYU0oblb2ZGfk1 fF9eJcr0AY0LAQ/0khd38OSSorOBQT0GwpDrqH5KKLhCN6Iea5Xv6tbPEiP0z7+AdGjrlrh6ABID 778D4P89k5jZmX4whpk7OZn/g2OVVq/tHC9pI/WWBOnblBP5l1WPkH6agQzqmLIkGJ5rFtrf4r9G h77IGFfdEpDQsvryErsqhiDTj+rzxkCDW8TazkY+YNjOJrmhZHL64tESrMlbV+xEsrpYtlujZFKH TR3bmLnnPdvTzBeUTylMJEliH29aZpmHqXWCG7vquaNf5UQVrOePf4QIwSuindVSLEzJGc8uA8wq umZcfFyJByTfzSVmNpJ8PXgcoJaiXXyL10CKBp1Q/+kE+RuNiGETjmLxSCQRisufB0tzVLj5otxa wN0eRs3tcbNNNAa918CxrGbeAmXvfi6DPZzz5os1MEdchuL7zxT8kiJjzE9DyLElnwzKtJHY0+wY pKjfc+YaeU+VkSPmNjXeZ3M7je1ot6QbQG9vi+jEWUZ/YaaSI9JG9m/KrlQiy1O1z2IloVgWwXFC P72MPvEJKIwynSsZjMUnD8wkIdyZ28C2Tq0TZlgLNWmZFrCfrF5yRHReSyLeng2pa7jVFj6J1iAH rZNJ7tKPKKita07qAsrwFM5HjlDhhi7XQIy+U/H4sP4c+ePefffz/gy3UfC6aM4d6XIzPWRSj/3a M25YLkuCluvGrXqVU27h7xw1fafXyHvhQtGQbyyrnlISYe27MckddRrGFoVV4vRIt8SZMKAslDtQ o/vE84lueDedx+i/j6/laYnJKNJHj3KePf4PVRyd3GDmjv9wxdnG3NaJ29TM0XE/zSYmq4s2oHlT W0crzS45Gsdzxu5gDxYtWpFUnKaAVFHPp8APM6MEdOyplPfaSRA9wfxL8JtXFD6kWR5+24Mamz8f u5jYWlpyEl1QPqqprCsV9RmT2Mq4V2AclYBBa/vRyhl4DFPG9trb5+npf+8q0VWHNe+n+XqQw1Dt gHv4OlBMAtbgftF8f+5dV383TCfd3Pfizg5xs+14l4A2q65PuolfXywudqsE17EoR/xyl7rWdqW+ Uj2JLqkmig+3XleV9ZwPuCFlyYGUT20J0fFVUIVbN/041fKsKqsUF21dcTkPFIBe0DAMjOqoei3d 9DfBjS+pmnsdBrhMG43T79sd528+ua7Tir+xQBipulUs0sdFD531PfHcBI9H/tW7S910viixhFHZ NbxQdkLaWM68Tw4sRedavouAI4mKhDkM+Ztn4EtuOkHIs3GtL6agfC24v9caq+s6VrzP6rBPG6vY lPKc8p/pwfknz4d+GPboNzrO3nSl2r70ueU7oXii6ZIvxDa6wzeQWvCugAXaEmfN0qrIAuGeJZtR 9OeKL5FueHmliKX/vo0oSIfbND/yIqFcvx+3p1ZpWF0BLJPWPJkAagEabCOpDdemKj4k+ttmJYx1 rXwKpNss3bIawVOL9b2WgCxfBRZLAZdWsLpGl52HJgW2nel3Iz16T1MEQfUZAE7jJto0gdLW8n1N yDzIq6b5KYvlzpsu9cRX5qCmVMBMgI8N7LFargEdhlcGRV6IEjfbR/BmK2lYlbXouPhll3sUo/Uq GPHBWIbTxyw9zy923XBkfLH4R62U4yBRTWYjE9Hl1pUF6ztjghz4G9CXE0SSuUfTWXp64ttBxPYG vrG/+hGKJNXx1V6uVvgN5ubzANgf2xj/d3Eap93Fh0VGy0n9mdhOpBmDgovRTVWOdEvCdO63Q7+6 7sze+YQ+vSCA3vVWCY70/NxOLqF+uZFh5pHow7nQidawZVQKEoHcxfZIPz3gomZZgnJrenvPfFC3 XGKutjNX8vF/w5bT62znavd41EDJt7yeASyknalduHfFwVm9yyRm/ZIQuL/P/GF2xvKD7dBeEQe5 7uyEQnZl3tjP+fBtXfa2nhPbJvDicM5tqqy5a7GsRNswvtgny80kxPzi2bIRezBwfw+kPjunqlab FtH161jnmd7skuXvyvaMrPIb1lX7zbYPg00x7wWuXYUqXfLsSuqP4v8AWyG+1Vh2+fqVLOVx+NqA T8FwmZO4JzW+3+lIy/S71JkOecxrE0kiHZN+5kTHh9R9sVNgWX3f+sFtW+Xd7aQ6Qcx4ZMV4m9KE LWA99w1vvBGgVce3DMsUr0udVSHBFtDYfHdsO+v/4AFvkayBBQ5ezwJGFWvWmGwrdnBFl0q3UDLP fw1a54vHd/PhQHV6fk1FYQHjKjXHf3iAzfhoSObMccYPgVW8CkRuYGA/xT8W/t+mg8knvlY7CXiR QPNfJRe06fpWYEHxBslSWYTBm7sAjpCSHSAEqt5cNd4FEFgDVr3+OOQj9/ypsNSNqFKRGGYgh41/ O1ZgMB1eIB6xxuxr+0SVTd6kT9NgRIIRT6uBb6Pm/+cPsYBuY7ER5lC6MqyjGW5pyzlnyc/3B++j KKi4W7V8i7EgeEgyGMu0YupvHFhOdXgznuiFSuSVvd0iIRUOOSHrMyXeRCPe9XCCh5tcz4u0I40E zU+WSa+GW/K4q3gUlL121G/4Pka0gua4E7SOBFXszG9ZLemt25d/W+kNcXocu6nWYjvMn98utJXN XAvaonUnnylLSWLu4rp3pZa/Da9zlnmTqy08RBsKad+X1WBNJ6C2SzR0M8PRV5BdVAx5PeIvL1fr GnD/B8FGQaTjK/imX30LgF++Bkn5M0mMKegb5EW1ePaxqaI2T0o03yyyfBBvivGjccTGK6OINgZ/ sT4CX7Fr/PPf7JXM+12AdOZzedVXmDI03kRsHddGPyOPmLZ/bDkrVZYuO7m/zcXwa0PZAfyags1a GYReFCsBXLZ4kd8ublfdjWtxNjugTeaedXyTasu3CeYBUiMBM2oUAp+4LY1oI+f6X860vukmemUL uGDidqNQ04H3p0yN/NFnEKoyPVQkPW+kRq90shRJynZe4CxBxjA3KbxCa+bJx4Uzc4UuFumuT7Y4 18K67bzsnO28erXr3UzRG9dNN6kBlxz7R1+hVIyHUZskLNqzjS9KPUH9P+LsUVc2gXXr/n+bPjej n887pMeDVQrrgrnVKzXH1gu4R6o0Z0xswOPAyWrpZUrQ4te+ddEETi+fYtSE99dFFCXPRIPm2cAS qVKs2pw4vOkbnS8kMSfX9omtcYGVYWVSYd4XqSNusknmIgWdGASrsXKuQt1zaz4a3V8+5H47actD RGOnb7SEDTNzUkY7Hw+C+fNO8oitQ+ZwrAs+gUXmtiQpYzBI8Bk09cMOy/T3zIVxziAfgErqUsSa BPxn+qGiEqIHfgr3c+ORMxWKRja7opRZVq9U1C905vLtXRb7Z1ViX7LL6OmHxPIos+6dufj2+gtc 6Ffg5TK4XXGhnMJaQgQZXPpLk4KWHJaR1c6YqwrP/feKiMaU5t0Elv6u9+G7OlvP1bdWq+IHnvRI U4hOLJQcPA7lmo6DnnTsBFoXqW8aGNP5CMbPbfm7Kx/aoMuqkc57Uh+Hmt0cp8r51W6KoKUYNP/T znlGNX22cTjEgJCAlBmGbGTJHkUI1QAKaBghDAUhAWRZ2csqQRDLqoqESAALyBTUKiGgSGVE9owY 2SCILBmJjBakoDRAfU9I63ve08/v//pwf3jO+V1fnv/z4X6ec5ed406xHQJ7gjwbb4K0gdqnYByt 78MeDp5XE3pESnYsF3BFSD44d+hSCW9zW4Mv8aYUVUzv0hFJm9SEdmlnU75jjrp6UQdpnmtnsgsj 7cPyhQRDqUXLfj3uiKmEfGI96pKDWLp6muIIUQet8jLFgsqeBGLgOQSXNZaFTS2r8RHt6z34EJ6q /KTj7UKNIzFZU7GEU5ejbTu8omKIHUVqQpX2o9K4bRS7BC0mcVxGbEn2iY+Xc8eDdVESpDglX/l2 HELNXKwIJ1UbaRX23ayVF/yyZ25vs9z8yGVl/MKP1fRePk7dcjWDMVXL9yRseXcL95hqlqCpPoQm 9Nb7akkfQL+3rdLT6BVHQxvdp2IsUjEau58Golk6G8OMYVW43Ozc7PMtMRGxEdPJPBXl4RV2tNiI bbT9t5eyQ9YJnGdU3MsSD2kLcznJToE9AuCUEGPEoZq6kinSUfjAFJXw01mVwG5rBhS8N7hipRX0 9F0totf7OlJ5tnEG7+38wF4pzkPXLu8g+q5nHiH/IYwYB47D9868uGveeWRuAeGm9QXr+qtNMX/x zuyocENxSsRxO8duzR2IK7/fgTdolwJ4LujUAnj2MYDdBT2NjR+3syh3TUZNUhE4sxf9SYpQMpqM tknXIUKJUA3+AcjAYZqIm4Zb6UgZW+QT9shxOQ1YvvLh7dVtqhV+sCKjsy5IDsx3poIWHPTsyGhz hW8GIEWcp3CENNn0azVnwp5I/eFBO6i+4dEAqAPUkR7FYHaJpXBsAhm0U4bnf8R8BDUm+74Df2Tf pYUrWeAtdObO/k3Dcnm2Kw5dgm/7cVygTRPlWFShV1HrFFnjQPUQ/ooVhwN906MBXgdnJOdidmEk fwIyaLcemc/FrL3uv/hG4UX/xuyttcpj6LX3dXVjNXU1xafPuiyk5vmLChSVit170+9dEBztzfj7 FZ8+olilcSs40m9/z4ap5qXv55nY97PzpQyzsfu/oW9LA8pcxTD83zw82ZxAcWKHc4814M7f97DW CjhJW+0JNklHuKqsfppSh26ypWpAa+xXUeP6ye0VMrbgoxsIH/HfC0jCCvdl7PvqLb+DqkzMQrMs +57xyk3QnomaEYxNUm+0SptO3B1ypA83kBK8eDskCd+pRl6RV408swrsyPlNVxt5e5ySJaUkj7W4 nLdv+9jGbh/bQb3rwRoDDhhYaGmoxOXDYXeSAgV+Um+7vkxdKU6GIZ75p/sWTlD4RwmUfi0NhX0d Bu7pLaHEvjfgGBgiyKcNUtER7MNVx3eRkCtorBwSUGRh8JvMf04eu6c008qDMllpXoZmbifEeWHT /ZaNgVVBw8O/Xl2STzaJ6Is/r4A069KPqiLVu74ZWg1YpOHr84y0+eKswysfPie/A0dMZRqV/ZEX nQYUj/PfHDwTUACd06upXGpBY0sFLNypYBQnqvUmSBmkbAnjKPxGf20ymUeE5CrCP0bv4UsbJKfs svj57Sc205DHl9xadRD8mp69lmymkplkATeLuPcqt0QkE2R7Zc4mAk/kH6zqCSm0FVwff95/vB8/ as9RaM7h7K9JojxKB7ZZc86jJV4c0xlObeiq/1Edog+J6iR31Z/U8i3vRl/1Ew76nsfTLhuLaBbw 18xauGK2UXNxueVirnUupVCoRKAEL87Vw9WTGcGNVET60AdiDIfjDJdc0RK4E2w9XLsE8o3KIhUZ u3fOiLF7wx27BJEzOC6/Jon0B13CeajOJBtbSoX9fSS4yfeeiUH10TZ+tROnL9pDhMCKD3222DHh q4cyRL6gOO7m8YVguYSk8QZzWP66ClJkh4F1MSu4e+ZpQNyTTFdAHBuDbBvg2av1i+MFg+rmyiGz RRYFPfONeIimhmZpcYdoJ6TzOpRrmn06LYI7A5pxmj5ArnZ+Ub14Ml3iFVaIsbqDmcANBU0Nih7v dLj3SeDKgzvKmqVyApzTcShQkUXHKVyHO1q1cuhWZBn6ABRb5i6NkcYMOqZo7GLscw17lYHXDO0J TgO76G6ue4F9HbhD7BvQc67J66Fd17DZTqnw2gfe4Mn5VlAsNo+x86gk1GRIKzTBhZZUq3BNZY2R DMfAGcm5GrsY++yLYmPgpUgPzy2N5jmWC32oc6u2aW2M/pn7Fy1qEzZ0aQkj5xLb9NGlJMcgw2ij qlHqlqFYVrBu9+H1Wa67cHBiom+f64W7U7cClzbiL8xsKv+Anvu+Q+JsxpD7T5aB3uH3arUKimXa BatpJrWjKFF/o7W8UGhGNu+76vvOz1eaq5cglv4ZBzQl3AzJYTGzgNcy+MIOLYmPK/iqMhcq9HYn ZPgIu+ov6AlLpeZrOcKZWgnZLskVNfOH7RWOn46McpDis5of6VaLCKAW430yn2FqD8zyin5b5mE9 UtqSvXE9x1wyZM7HENdj8blmvUh4/aUWzs/9cY6X7CCheqnF/LWTE715yeVGyswxE+9vszHpsa+g BYHLRmaYG7UiUS/VAjdf6S8HQxYXtJvRqCMEBVGvuYx9qHuRgMLG9wQEn5n+jYD9MzcvrVRGnUuL ElduSjcfiy6YwwdP2eccPVfz7n5/0BZPMS70w80H+Lx2sxBCoNbaWBCdctKx2crvaW3KaDRe1E7e CfeGTNy6+CJIeGtmqGr+s9NHnvYDf5HzAYpcXbVb9UsmVkghNsSdhra6Hudf54mnKPzgYrbW2+wl nW3S3a5JvLJFau+Lr0AUBIw+ufd8QWzwbKiOXXLCIwEh8fj8knMIuU+vBhz/GBqR/lTmLvrJwHZ2 Cka6WXYHnyhu4//rhwYJUYnXc92kV06Xf14cz1pti/9guj5c5LV6Pv0Xo/6kA9P9JeOVi2F16zNb e5sfohshifoAAEAPsDsA1O98wIXQ7eZYeVlpa5etEkJNhdL5stxBu0cHibLoQlBs2joRlQ5gnuDX T5AoYuUEqa2ts2O1E9FxurtyAghAItiAaoCvjZmSZxlJ9c9Dp8A740K3hyeKAGYqa44B4FQ21srq 2Tv8g9lD5fivo0CYZaJqtTvhrJVVtndsBrOMnfNrQzT+jWfvixhmT6rS19/HMJtkc8g7yayV1bT3 pQyzaVLp7+9m/o1h7yUxswGh/rcrY2YBOaBxJ5C1sgr2XsQyCyw0vnIty6xZntiNZa2smr0demYN Qe8r/XpmjYB2004sa2XV7O1fM2vGvv3nbjazpQzYtpPKWlkte1ufzBawwT83Qpkt9cq7qayV1bL3 jGG27D/FdOIwR9u87tyJYq1IBPvOOFUIAwwIAPA6Bfj/9z9+fwL1vdyJAAAAAAAAAAAAAAAAAAAA AAAAAAAAAAAAAAAAAAAAAA== ------=_NextPart_01DB8209.D071B130 Content-Location: file:///C:/26696B33/1983_arquivos/filelist.xml Content-Transfer-Encoding: quoted-printable Content-Type: text/xml; charset="utf-8" ------=_NextPart_01DB8209.D071B130--