關於 堆 高 機 rfid ，我們在網路上蒐集到這些相關的討論、資訊與評價

【中鋼AI現場3：數十噸鋼捲裝載一人就能搞定】中鋼AI無人天車自動化流程大圖解

中鋼整合多項機器學習技術，打造鋼捲吊運自動化，更串連了物流與資訊流，省去更多人工操作與管理流程

文/翁芊儒 | 2021-03-04發表
攝影／洪政偉

動輒數十噸重的鋼捲，就是中鋼每日例行出貨的產品，這個「沉重」的負擔，要如何來回搬運、加工、出貨？靠的就是被稱為「天車」的重型起重裝置，透過在廠區空中縱橫移動，吊送鋼捲到指定位置，就能在工廠或倉庫中，管理上萬噸的鋼捲排程與運送。

不過，要操作天車，大多得靠人力，進入吊掛於天花板的駕駛座中，來操作吊運鋼捲。但現在，中鋼一座位於碼頭邊的倉庫中，天車駕駛座內不見人影，卻能維持天車順利運行，司機開車入庫後，更能透過幾步驟簡單設定，全自動化鋼捲吊運任務，甚至在員工都下班後的半夜，都能啟動系統自動理貨。

這一套標榜無人操作的天車自動吊運系統，就是中鋼早在三年多前，運用多種機器學習技術打造的得意之作。

如何打造無人天車的全自動吊運流程？

要打造無人天車，就得想辦法幫天車裝上「眼睛」，中鋼試圖將人眼看到的操作資訊，透過電腦轉換為邏輯控制指令，再交由天車自動化判讀與執行。

剛開始，中鋼先在無人天車上裝設高解析度攝影機，將拍攝到的拖板車板臺二維影像，傳遞給板車駕駛員操作的人機介面中，由駕駛員在畫面上指示鋼捲儲放位置，再由控制電腦將儲放位置自動轉換為座標，拋送到天車指揮系統來吊運鋼捲。

但是，原先座標為二維座標，缺乏高度座標，無法有效指示天車指揮系統執行，也無法與天車使用的三維座標互相轉換。

為了克服這個問題，中鋼在高解析度的攝影機之外，加裝了一部三維掃描器，利用AI連結高解析影像與三維座標間的轉換，進而在二維影像上重建高度座標，完成電腦視覺技術的開發。

同時，也因為司機在操作人機介面時，可能會有不適應或抗拒的情形，中鋼也打造了一鍵裝車的功能，只要確認畫面上自動辨識的鋼捲儲放位置正確，按下確認，就能啟動天車自動作業。

在天車吊運的過程，中鋼運用了多種技術來達成吊運全自動化。除了使用機器視覺系統，來精準定位鋼捲儲位座標，中鋼也開發了各種智慧物流相關技術，比如將鋼捲吊運排程最佳化，並以AI算出最佳吊運路徑，以及建立了無人倉庫排隊優化系統，可以準確預測作業時間，讓駕駛能在合適時間前往倉庫，來執行裝卸任務。

同時，中鋼也分析數十萬顆鋼捲入庫出貨的過程，在倉儲管理系統中，建立了鋼捲最佳化儲位預測功能，讓每一顆鋼捲能在最少吊運次數與最短吊運距離之下，送達客戶端。

在吊運當下，中鋼更設計了多功能的智慧型吊夾，能辨識鋼捲身份、偵測鋼捲中心，精準取吊鋼捲；同時，也會啟動主動式安全防護機制，運用了深度學習技術，在天車吊運範圍內偵測人員移動，並能自動辨識、閃避障礙物。

達到吊運全自動化之後，中鋼也將無人天車系統，串連了物流與資訊流，省去更多人工操作與管理的流程。比如說，將天車串連物流資訊，就能得知隔日需出廠的鋼捲，並在前一晚自動理貨，先將鋼捲吊到接近車到的位置，來縮短隔日出貨時間。

又或是載貨司機到倉庫外報到時，只要刷一張ID卡，確認司機身分、車號後，串連倉儲管理系統就能得知這一趟任務資訊，自動預吊任務指定的鋼捲。

不只自建自用，更將無人天車外銷國際

無人天車在2018年投入運作後，至今更已經累積六萬車次，完成超過三十萬顆鋼捲的吊運。上線了第一套系統後，中鋼也在去年11月，於同一個倉庫中上線了第二套系統，這也是中鋼唯一配備了兩臺無人天車的場域。

這個倉庫中，約可容納兩萬公噸的鋼捲，透過兩套無人天車，來達成全倉庫鋼捲吊運自動化。

倉庫中間則設置兩條車道，可同時讓兩輛貨車入庫裝卸貨，若僅一輛車執行載運任務，兩臺天車也能互相搭配吊運，來加速的裝卸貨的時間。

梁傑盛指出，改用無人天車帶來最大效益，是在於員工會有上班時間限制，且最少4小時一定要休息，但無人天車可以24小時不間斷的自動化執行，搭配後端管理的方法，還能做到前一晚自動翻堆理貨。

不只自建自用，中鋼更將這套無人天車系統外銷到中國鋼廠，2019年就已經銷售了12套系統，去年武漢肺炎疫情期間，更協助客戶導入系統時，遠距為客戶調機、將系統落地。

無人天車9大應用關鍵

如何建立起無人天車的自動吊運流程？深入鋼捲吊運現場，魔鬼就藏在細節裡，不一定要運用最新、最難的科技，每一個應用得當的技術環節，都是中鋼無人天車的成功關鍵。

應用關鍵１

靠機器視覺系統與雷射測距裝置找出鋼捲儲位座標

應用關鍵２

三維座標辨識克服板臺樣式不一問題

應用關鍵３

一鍵啟動無人天車吊運作業

應用關鍵４

天車指揮系統將吊運作業最佳化

應用關鍵５

靠多功能智慧吊夾精準取放鋼捲

應用關鍵６

用RFID雙重確認要出貨的鋼捲身分

應用關鍵７

防擺動技術控制鋼捲擺盪幅度

應用關鍵８

靠大數據預測鋼捲最佳化儲位

應用關鍵９

用影像辨識人影強化出貨安全

附圖：
倉庫內的地板上，以黃色方框設置了板車停放處，停放處正上方則設置了雷射測距裝置與機器視覺系統，用來掃描與辨識底下板臺，找出鋼捲儲位座標。（攝影／洪政偉）
車輛停放後，雷射測距裝置能確認車輛停放位置與板臺高低寬窄，機器視覺系統能辨識鋼捲儲放的中心軸，兩相結合定出三維座標，就能克服每輛板車板臺樣式不一的問題。（攝影／洪政偉）
為防止司機可能產生不適應或抗拒的情形，中鋼簡化了人機介面操作流程，讓司機在確認鋼捲儲放位置正確後，就能一鍵啟動裝車，指示天車自動作業。（攝影／洪政偉）
吊運過程中，天車指揮系統會將鋼捲吊運排程最佳化，並自動規劃吊運路徑；出貨前一晚，也能結合物流資料，自動翻堆理貨，節省隔日出貨時間。（攝影／洪政偉）
在吊取鋼捲時，智慧吊夾能自動偵測鋼捲的中心位置，並透過自動掃描測距的功能，更精準取放鋼捲。吊夾上也有RFID辨識功能，來識別鋼捲身分。（攝影／洪政偉）
儘管無人天車已經串連每一顆鋼捲的物流與資訊流，吊運當下，還是會以智慧吊夾偵測鋼捲的RFID標籤（鋼捲內側紙片翹起處），重複確認吊取的鋼鐵即為要出貨的鋼捲。（攝影／洪政偉）
為了減少鋼捲吊運時的擺盪幅度，中鋼也設置防擺盪運動控制技術，使吊夾獲得更穩定的運行，除了能節省吊夾擺幅收斂時間，也能防止撞傷鋼捲或撞歪板臺的風險。（攝影／洪政偉）
中鋼分析數十萬顆鋼捲入庫出貨的過程，在倉儲管理系統中，建立了鋼捲最佳化儲位預測功能，讓每一顆鋼捲能在最少吊運次數與最短吊運距離之下，送達客戶端。（攝影／洪政偉）
為了維護人員安全，中鋼也設置主動式安全防護機制，透過深度學習來偵測天車下方是否有人行走，來採取必要安全措施，也能在行駛過程中自動辨識障礙物與閃避。（攝影／洪政偉）

資料來源：https://www.ithome.com.tw/news/142943

善待做工的人！泛亞工程用智慧科技提升勞動安全

作者：高宜凡
攝影：池孟諭
日期：2021-01-25

公共電視改編作家林立青暢銷書的優質台劇《做工的人》，去年讓許多觀眾注意到營造業勞工的辛酸。事實上，儘管台灣房地產市場交易熱絡，這一行卻始終無法擺脫勞力密集和高風險的刻板印象，工傷頻繁和人力短缺的新聞更未間斷。如何改善呢？泛亞工程的「智慧工地」科技專案，做了一次有趣嘗試。

這幾年，跟營造業有關的新聞，大概不脫缺工、勞工受傷等範疇。雖然公視劇作《做工的人》引起收視熱潮，但家長應該還是不想讓孩子投入這一行，因為風險太高了。

不過，甫獲2021年智慧城市創新應用獎肯定的「智慧工地/嘉義C602標勞安智慧管理系統」，卻用智慧科技提高從業人員的安全，並在565天的施工時間裡，成功締造「零工傷」的完美記錄！

用科技守護勞安，創565天「零工傷」記錄

上述方案的規劃者，是成立逾半世紀的老字號公司「泛亞工程」，多年來參與過石門水庫、高屏溪河川工程、多條高速公路和捷運等重大工程，業務版圖還擴及海外市場。

為減少勞工發生意外事故，泛亞工程運用BIM（建築資訊模型）和RFID技術，並結合AI人工智慧及IoT物聯網，自行開發出一套智慧工地安全預警系統。並以鐵道局的C602標嘉義市博愛陸橋改建及排水臨時軌鋼橋工程，作為第一處使用場地，在長達565天的施工期間，從未發生一件工傷事故。

事實上，這項工程並非簡單任務。

負責現場指揮的泛亞嘉義施工所主任詹益京分析，由於施工區域緊臨台鐵縱貫線，每天有多達176班火車經過，還要維持道路（省道台一線）運行，而且仔細探勘後還發現，高壓電纜離橋梁底緣太近，只有47~56公分的間隔，不僅施工空間侷限多，周圍還有不少風險因子，相當需要科技來協助掌控。

在舊有橋梁圖資不全的狀況下，公司透過LiDAR（光學雷達掃描儀）和BIM，完整建置現場的地理空間資訊，再以AI智能偵察危害因子，如掉落物體、機具侵入、車輛經過等，甚至建置虛擬的「電子圍籬」，一旦人員跨越虛擬牆的界線，系統便會即時推播警示，連未戴安全帽，也會立刻推播訊息給主管。

「這樣就不用一天到晚派人在那邊看，不但提高安全，也節省人力成本，」泛亞工程總工程師周學瓏表示。

此外，工地旁還架設微型氣象站，蒐集各種環境及氣候資訊，一旦溫度過高，便會按照勞動部職安署公告的「熱危害」等級，用即時廣播提醒勞工注意。

「把安全做好，是企業的天職！」兩年前接下泛亞總經理一職的張子文，為貫徹工安決心，不僅擔任營造業北區職業安全衛生促進會會長，還擴編公司裡的環安衛單位和資訊中心，希望用科技的力量來提升工安。

戶外環境干擾多！不斷嘗試才提高辨識率

綜觀今年的智慧城市創新應用獎，泛亞是少數以智慧安全為主題的得獎案例。

泛亞工程BIM中心經理陳哲仲觀察，過去同業多把智慧科技運用在特定需求，如人員管制、防止墜落，還沒有像泛亞這樣的全盤規劃。

不過，實際執行的過程裡，困難可沒少過。

比方，目前坊間號稱辨識度破9成的人工智慧CCTV影像方案，多是應用在廠房、賣場、或光源充足的室內空間。

可是，營造業的工作環境幾乎都在戶外，必須面臨光影變化、颳風下雨、周遭物體阻擋等一堆干擾，常使系統無法精準判別、甚至發出誤判。一開始只要有工人脫帽、想擦個汗，就常出現假警報，「前後大概花了半年，請廠商不斷改演算法，餵了上萬張照片，才把辨識度提升到80％以上，」陳哲仲回想。

再來，市面上的智慧方案百百種，如何選擇也是問題，況且還要符合實際需求和成本考量。

光是感測元件的選擇，泛亞就評估過藍芽、BEACON、LoRA等多種技術，來回測試多次後，才選定兼具經濟性和傳輸效率的UHF RFID（超高頻無線射頻辨識）。

最難得的是，這些智慧系統既非業主要求、更非投標必要條件，而是泛亞主動砸下近500萬自行開發的。不僅嘉義施工完畢後取得專利，之後更打算推廣到公司其他工程使用。

即將動工的高雄興達電廠專案，泛亞還打算以MR技術（Mixed Reality，虛擬混合實境）輔助挖掘，用透地雷達探測地下管線分佈狀況，再用BIM建立完整的地底空間模型。

為何需要這樣的科技投資？

張子文解釋，國內房地產行業近年看似熱絡，但業者卻面臨長期缺工、建造需求日趨複雜、人員高齡化和技術斷層等挑戰，早就需要導入科技來改善。「這方面我們也才剛起步，如果大家願意來討教、分享，泛亞不會藏私！」

的確，唯有提高工作安全和建設品質，台灣營造業才能擺脫高風險和勞力密集等刻板印象，讓「做工的人」不再是負面標籤。

附圖：善待做工的人！泛亞工程用智慧科技提升勞動安全 泛亞工程以「智慧工地」一案拿下2021年智慧城市創新應用獎。（左二為總經理張子文）
《做工的人》不僅引發收視熱潮，也讓大眾關注營造業勞工的困境。（圖片取自公共電視臉書）圖／《做工的人》不僅引發收視熱潮，也讓大眾關注營造業勞工的困境。（圖片取自公共電視臉書）
智慧工地涵蓋：人員管制、災害預警、電子圍籬、環境監測等諸多功能。（資料來源：泛亞工程）圖／智慧工地涵蓋：人員管制、災害預警、電子圍籬、環境監測等諸多功能。（資料來源：泛亞工程）
工地戶外環境的影像辨識干擾因子極多。（資料來源：泛亞工程）圖／工地戶外環境的影像辨識干擾因子極多。（資料來源：泛亞工程）
營建業長年面臨缺工及人力斷層，有賴智慧科技協助改善。（圖片提供：泛亞工程）圖／營建業長年面臨缺工及人力斷層，有賴智慧科技協助改善。（圖片提供：泛亞工程）

資料來源：https://city.gvm.com.tw/article/77296

AI落地工業環境挑戰多，中鋼歸納3大AI導入經驗：足量訓練資料、選對技術、循序漸進為成功關鍵

中鋼採取由現場出題、專家解題的方法，從2017年開始較具規模的導入AI，今年在臺灣AI年會上，更分享了實作AI過程中遇到的挑戰，更以自家代表性的AI專案，歸納出3大實戰經驗來提供他者參考

文/翁芊儒 | 2020-11-19發表

中鋼綠能與系統整合研究發展處研究員許朝詠，以自己實作過的多個AI專案，來分享從選題、執行到落地的3大AI實戰經驗。

中鋼從2014年開始擁抱智慧製造，經歷了許多試驗後，才在2017年更有規模的落地AI應用，採取由現場出題、專家解題的方法，每年從上百個提案中篩選約20個可行性較高的方案，來導入應用場景。中鋼綠能與系統整合研究發展處研究員許朝詠，也在今年的臺灣AI年會上，以自己實作過的多個AI專案，從選題、執行到落地，歸納出3大AI實戰經驗，來提供其他企業借鏡參考。

許朝詠首先引述麥肯錫2019年發布的一份報吿指出，企業要在工業場景落地AI並不容易，超過7成的企業正在進行局部試點，其中29%企業已經試點超過2年，56%進行了1～2年，更有15%才剛起步。對中鋼來說，在導入AI過程中，也同樣面臨了「試點困境」，尤其在電腦視覺要落地煉鋼場域時，中鋼也面臨了4個AI應用挑戰。

其一，是工業環境不易控制，會造成取得影像的品質差異大，比如鋼鐵製造環境動輒在900度以上的高溫中，處理過程也可能噴水冷卻，導致難以取得清楚的影像；又或是在同樣位置拍攝的影像，也可能因光源不同，導致影像呈現不同的效果。

其二，現場實際環境會限制AI應用的計算能力，比如部分場所的空間有限，無法擺下GPU伺服器、或高計算能力的設備，甚至連網路線都無法部建，「在這樣的環境下，我們的模型就必須要能兼容邊緣運算，才能實際應用。」許朝詠說。

其三，被偵測物體的尺寸不一，也會影響深度學習的模型訓練成果。許朝詠以識別鋼品身分的AI序號辨識為例，就算是相同的鋼品，影像拍攝的尺寸不同，會造成鋼品上印製序號大小的差異，進而影響序號辨識模型的表現。

最後，則是深度學習模型的調整彈性差。同樣以序號辨識模型為例，許朝詠表示，有時會遇到視覺效果相同的數字（比如像是同一個數字1），在不同序列中卻無法辨識，「為什麼有時候，1可以辨識出來，有時候卻不行？」許朝詠表示，要解決這個問題，通常需要重新訓練模型，但會消耗許多時間。因此，中鋼目標要提出適合工業應用的物件偵測技術，來更輕易且廣泛的應用到各個製程。

3大AI導入經驗之一：充足訓練資料是AI成功落地的一大關鍵

許朝詠也透過多個中鋼導入AI的案例，來分享導入經驗。比如說，前述提到的AI序號辨識應用，是指在將鋼片卷曲製作成一卷卷的鋼卷後，會在鋼卷的金屬表面或是側面，噴印上鋼鐵的生產序號，藉此來辨識每一卷鋼鐵的身份。但是，這些序號的噴印位置，可能帶來不同的辨識挑戰，比如噴印在鋼卷表面，就可能因金屬反光影響序號辨識的精準度，若是噴印在鋼卷側面，層層堆疊的鋼片又可能導致字體變形，均會影響AI判讀。

「我們提供技術，但有些問題不是技術能解決的，就要跟現場人員溝通，請他們協助解決問題。」許朝詠指出，AI落地需要與第一線人員溝通協作。

不過，就算與現場人員合作，序號的辨識率仍無法達到100%，尤其是鋼卷側面序號的辨識率，僅達到9成5，「序號要完全正確才能用，9成5其實很低。」許朝詠表示，為了克服這項挑戰，中鋼在產線上的多個位置都設有攝影機，同時將這些攝影機判讀的資訊互通，透過多點的資訊對接，來判斷出鋼卷序號。

「不要把問題放在同一個地方，比如利用多點攝影機、多資訊的串流，去補足AI模型上的不足，就能讓整個系統的準確率達到100%。」他說。

另一個例子，則是高爐原料粒徑分析的AI應用。一般來說，高爐是用來將原料溶解為鐵水，而原料在送入高爐時，若粒徑大小分佈較平均，就能提升高爐的燃燒效率，中鋼甚至推算，高爐燃燒效率每提高1%，每年可以減少上億的燃料經費，因此，中鋼用AI來辨識每顆原料的粒徑大小，即時計算出進到高爐的物料大小與分佈狀況，再根據計算結果來調整物料分佈，進而提升燃燒效率。

許朝詠表示，上述兩個案例的共通點，在於資料的取得非常容易，不管是序號或是原料的影像資料，都在產線上不斷產生，「影像取得沒問題，資料也乾淨，較有機會訓練出良好的深度學習模型，也有機會快速達到成效。」相對來說，瑕疵辨識這類AI應用的影像資料搜集，就比較困難。

「要判斷一個案子能不能做，可以先看能不能蒐集到足量的資料。」這就是許朝詠歸納的第一大AI導入經驗。

3大AI導入經驗之二：不是最新技術也能打造最切合場景需求的應用
許朝詠也接續說明了無人天車的AI應用。天車是一種重型的起重裝置，用來吊送貨品、放置到指定位置，而中鋼就是將原先需要人為操控的天車，透過AI達到無人化，「這也是我認為中鋼應用AI最成功的案例。」

要達成無人天車，主要是把人眼看到的操作資訊，透過電腦視覺轉換為控制的指令，再交由天車自動執行，也就是將操作人員看見的鋼卷位置、放置位置及操作方法，都轉換為天車指揮系統可以判讀的資訊，再透過運動控制達到自動化。

無人天車使用的技術，包括能透過座標辨識來裝卸鋼卷的機器視覺系統，以及能透過RFID讀取鋼卷身份，再準確偵測鋼卷的中心位置來吊起鋼卷的智慧型吊夾，而整體鋼卷的吊運排程與吊運路徑最佳化，則是由天車指揮系統來規劃，中鋼同時也建置用來傳輸車籍資料、整合裝卸車資料的雲端倉儲管理系統。達到天車操作全自動化之後，中鋼也設置了主動式安全防護機制，透過深度學習來偵測天車下方是否有人行走，並在行駛過程中自動辨識障礙物與閃避。

建置了無人天車帶來的一大效益，就是能在出貨的前一晚，由機器自動理貨，將要出廠的貨物就近放置到出貨的位置，「天車不會休息，人會休息，在不需出貨的時間先理貨，就能加速出貨的效率。」許朝詠說。

中鋼的無人天車也早在2018年就投入運作，至今已經完成超過數十萬顆鋼卷的吊運。不只自建自用，中鋼也將這套無人天車系統外銷到中國鋼廠，2019年就已經銷售了12套系統，今年武漢肺炎疫情期間，更是遠距協助客戶調機、將系統落地。

不過，這個貼近鋼鐵業需求的無人天車，實際上並無用到深度學習技術，「深度學習雖然是好工具，但不一定是最佳工具，也不是唯一的工具。」許朝詠表示，由於天車在裝卸鋼卷時，需要非常精準的定位，誤差超過5公分就可能吊不起鋼卷，但深度學習在位置偵測的精準度上並無優勢，加上判斷速度較慢，「傳統影像處理有些技術，應用上會比深度學習來的更好。」

換句話說，不是用最新、最強的技術就好，不同應用場景有其最合適使用的技術，這就是許朝詠歸納的第二大AI導入經驗。

3大AI導入經驗之三：從自動化、人機協作到智慧化循序漸進落地AI
最後，許朝詠也提出一項正在建置的AI應用，也就是出貨前的鋼卷智能檢核，雖然目前僅有初步成果，但這項應用實際影響了傳統檢核作業流程的轉變。

許朝詠解釋，鋼鐵在包裝、裝載完成之後，還需要檢核包裝外觀，以避免客戶收貨後發現包裝瑕疵，因而對品質產生疑慮。為了檢核來自23個倉庫的貨品，中鋼設置了4個主要的檢核站，共計17個車道、每個車道配置4名檢核人員，車輛在倉庫裝載貨品後會先前往檢核站，由人工檢查外觀是否破損，並核對貨品身份與數量，完成檢核才能出廠。

但傳統的人力檢核方式，不僅人力成本較高，大量出貨時載貨司機也常需排隊等待，更佔用了約兩個倉庫的空間來檢核。對此，中鋼試圖透過AI智能檢核的方式，將傳統的檢核中心改以一個雲端檢核中心來取代，在每個倉庫出貨前，直接將鋼卷影像上傳雲端，由檢核人員從雲端照片來判斷是否有瑕疵，若無即可放行車輛出廠，不只能加快檢核效率，檢核人員也能更輕鬆完成任務。

而這些檢核照片的篩選，則是先拍攝車輛進入檢核站的影像，經過運算後，自動擷取鋼卷正面、側面品質最佳的影像，透過自動檢放系統來提供檢核人員檢驗，經實測後，完成8張鋼卷照片的檢驗大約只要8秒。

許朝詠表示，將檢核流程雲端化只是第一步，中鋼下一步要利用檢放系統，在檢核人員雲端判讀照片狀況的同時，蒐集異常照片的資料，再利用深度學習的技術來訓練瑕疵辨識模型，進一步將檢核流程自動化且智慧化，來取代人工作業。

「邁向智慧化的過程，很多人會想要一步到位，但很困難，如果能用AI先實現局部的自動化，透過人機協作來提升作業效率，並同步搜集資料，就會對智慧製造的實現有很大的幫助。」許朝詠認為，AI落地並非一蹴可幾，需要一步步優化原先的作業流程，蒐集足夠的資料，才能實現智慧化的目標，這也是他提出的第三大AI導入經驗。

附圖：應用場景的序號本身可能有模糊、手寫字、油漆過淡等問題。
透過資訊的串接，來克服AI序號辨識可能不夠精準的問題。
透過即時原料粒徑大小分析來調整物料分佈，進而提升高爐燃燒效率。
人工檢核過程。
透過檢放系統來檢驗熱軋鋼卷的包裝外觀。

資料來源：https://www.ithome.com.tw/news/141163?fbclid=IwAR3UUiJ0rpr7aUf8d2FmGZaZp3_e4E-9esf6ZOD1iiA20Id4ZYo1-hK7iwc