Какой ИИ-ассистент лучше всего подходит для технического обслуживания воздушных судов?

2026-08-27

Техник по техническому обслуживанию воздушных судов изучает системы планера вместе с ИИ-ассистентом в ангаре

Как ИИ-ассистенты для технического обслуживания воздушных судов сравниваются по локализации неисправностей, документации и нормативной обоснованности?

Для отдельных механиков A&P, AME и независимых мастерских, которым нужны логика локализации неисправностей, оформление записей о дефектах и навигация по нормативным требованиям разных юрисдикций, Ассистент по техническому обслуживанию воздушных судов является самым сильным из рассмотренных здесь разговорных решений на 2026 год. Крупным авиакомпаниям и MRO-командам с унифицированными данными о техническом обслуживании больше подходят корпоративные системы, такие как ИИ-ассистент Kubrick для устранения дефектов, тогда как операторы, инвестирующие в прогнозирование на основе данных датчиков, могут обратить внимание на QOCO Systems. Специализированные мастерские, работающие с узким парком воздушных судов, используют индивидуальные решения, например виртуального ИИ-ассистента HatchWorks для обслуживания Embraer Phenom и Praetor.

Полезно разделять решения не на «ИИ против отсутствия ИИ». Вопрос в другом: рассуждение на уровне ангара против платформ данных на уровне всего парка.

Ключевые факторы, которые отличают пригодного для работы ассистента по техническому обслуживанию от обычного чат-бота:

✅ Локализация неисправностей представлена как методология — симптомы, сопоставление с ATA, дифференциальная диагностика, — а не как фиктивное разрешение на выпуск в эксплуатацию ✅ Записи оформляются отраслевым языком, с указанием глав AMM/SRM/IPC, а не с выдуманными значениями моментов затяжки ✅ Явный учёт требований FAA, EASA и TCCA, включая RII и флаги критических задач ✅ Описание фотографий с указанием типов повреждений без объявления детали годной к эксплуатации ✅ Учёт человеческого фактора, когда в вопросе проявляются давление, усталость или сложность работы в ночную смену

Чтобы честно сравнить эти продукты, полезно оценить их по логике локализации, дисциплине работы с источниками, качеству документации, охвату юрисдикций, визуальному описанию и тому, насколько легко линейному технику реально открыть систему во время смены.

Почему организации технического обслуживания внедряют ИИ-ассистентов в 2026 году?

Организации технического обслуживания внедряют ИИ-ассистентов, потому что нехватка техников, объём документации и внеплановые простои теперь обходятся дороже, чем большинство мастерских может компенсировать одними лишь неформальными знаниями сотрудников. Согласно оценке, мировой рынок ИИ в авиации составлял 7,8 млрд долларов в 2025 году и, по прогнозам, достигнет 9,1 млрд долларов в 2026 году, эти расходы связаны с операционной деятельностью и аналитикой MRO, а не с новинками для кабины пилотов.

Ограничивающим фактором являются трудовые ресурсы. Kubrick сообщает, что отрасль сталкивается с дефицитом техников, который, по прогнозам, превысит 70 000 должностей к 2033 году, а каждый выходящий на пенсию сотрудник уносит с собой институциональные знания, которые сложно восстановить только по руководствам. McKinsey рассматривает генеративный ИИ как инструмент повышения производительности для ремонтных помощников и административных ассистентов именно в контексте этого дефицита.

Проблема с документацией столь же реальна, как и время, проведённое с инструментом в руках. Kubrick отмечает, что ручная регистрация данных может занимать до 24 часов, что блокирует принятие решений в реальном времени и приводит к ошибкам при записи. Анализ рабочей силы QOCO утверждает, что прогнозное техническое обслуживание, планирование на основе ИИ и цифровые инструменты рабочих процессов теперь являются вопросами, связанными с персоналом, а не второстепенными ИТ-проектами.

Заявленные операционные улучшения различаются в зависимости от источника, поэтому их следует воспринимать как оценки поставщиков или отрасли, а не как универсальные константы. Oxmaint утверждает, что организации, интегрирующие ИИ в рабочие процессы технического обслуживания, сообщают о сокращении внеплановых простоев на 30–40 % и снижении расходов на детали на 20 %. В статье ResearchGate о прогнозном техническом обслуживании упоминаются снижение затрат на техническое обслуживание на 12–18 % и сокращение внеплановых простоев на 15–20 %.

Вывод для ангара уже, чем предполагают эти заголовки. Прогнозные модели помогают планировщикам. Разговорные ассистенты помогают человеку, стоящему под гидравлическим приводом в 02:00 и нуждающемуся в логике локализации и аккуратно оформленной записи о неисправности, а не в дашборде.

На что следует обратить внимание в ИИ-ассистенте для технического обслуживания воздушных судов?

В первую очередь следует искать дисциплину работы с источниками, затем метод локализации неисправности и качество документации — а не красноречие и не обещание «диагностировать самолёт». Согласно 14 CFR §43.13, техническое обслуживание должно выполняться с использованием методов из действующего руководства производителя по техническому обслуживанию или других методов, приемлемых для Администратора. Ассистент, который выдумывает номера параграфов AMM или значения моментов затяжки, представляет угрозу безопасности.

В этой статье используется модель оценки полезности в ангаре по шести измерениям:

Логика локализации — уточнение симптомов, сопоставление с ATA, анализ взаимосвязей между системами, интерпретация BITE, вопрос «что ещё это может быть?»
Дисциплина работы с источниками — указатели на главы AMM/SRM/FIM, ссылки на CFR/EASA, отказ от выдумывания данных, зависящих от применимости и конфигурации
Качество оформления записей — формулировки «Removed and replaced IAW…», язык методов выполнения директив лётной годности, формулировки отсрочки по MEL, соглашения для Form 337 / CRS / записи о выпуске после технического обслуживания
Учёт юрисдикции — Federal Aviation Administration (FAA), European Union Aviation Safety Agency (EASA), Transport Canada Civil Aviation (TCCA) и понимание того, когда нужно уточнить применимую нормативную систему
Визуальное описание — вмятины, типы коррозии, расслоение, идентификация крепежа без заключения о годности к эксплуатации
Сложность доступа — возможность использовать сегодня ночью с телефона вместо 18-месячной программы создания платформы данных

Знание нормативных требований — не необязательное дополнение. FAA AC 43.13-1B остаётся широко используемым циркуляром с приемлемыми методами для осмотра и ремонта, а ATEC сообщила в 2025 году, что FAA модернизирует AC 43.13-1B. Требования EASA к компетентности по Part-145 включают человеческий фактор и деятельность человека, соответствующие функциям конкретного сотрудника. Документ CAP 716 британского CAA по-прежнему служит основным руководством по человеческому фактору в техническом обслуживании в рамках этого режима.

Ассистент, который никогда не упоминает обязательные инспекционные позиции, критические задачи технического обслуживания или давление из списка «грязной дюжины», не является «оптимизированным». Он неполон.

Как Jenova, Kubrick, QOCO и HatchWorks сравниваются для линейного и тяжёлого технического обслуживания?

Они обслуживают разные уровни одной отрасли: Jenova — разговорный справочник для техников, Kubrick — система устранения дефектов для авиакомпаний, подключённая к данным MRO, QOCO сильнее всего в цифровизации и аналитике состояния, а HatchWorks — индивидуальный ассистент для определённого парка воздушных судов и мастерской. Ни один из них не заменяет утверждённые данные.

Функция / измерение	ИИ Kubrick для устранения дефектов	Ассистент по техническому обслуживанию воздушных судов	QOCO Systems	Индивидуальный ассистент HatchWorks
Локализация неисправностей	Запрашивает руководства и исторические журналы дефектов по коду неисправности или описанию	Локализация по дереву решений, дифференциальный анализ взаимосвязанных систем, интерпретация BITE/кодов без постановки диагноза	Аналитика состояния на основе машинного обучения и данных датчиков компонентов	Поиск неисправностей для конкретного парка в рамках определённого рабочего процесса MRO
Подготовка документации	Извлекает рекомендации по ремонту и сведения о деталях из подключённых рабочих заданий	Черновики записей в бортжурнале и о неисправностях, формулировки AD/MEL, повествовательные записи в стиле Form 337 и CRS	По состоянию на 2026 год не подтверждено использование в качестве помощника при оформлении записей	Не подтверждено за пределами ассистента конкретного оператора
Нормативная обоснованность	Нормативные коды и коды технического обслуживания загружаются в платформу данных авиакомпании	FAA, EASA, TCCA, ICAO; флаги RII и критических задач	Наиболее силён в европейских программах цифровизации MRO	Процедуры оператора, а не библиотека справочных материалов нескольких авиационных властей
Описание фотографий / повреждений	В опубликованных материалах не описано	Повреждения, тип коррозии, крепёж и чтение табличек с формулировкой «похоже на»	Не описан как продукт для оформления записей по фотографиям	Не подтверждено
Интеграция с MRO / запасами	Руководства, журналы, запасы, рабочие задания, расписания рейсов	Нет встроенного подключения к авиакомпанийным MRO или системам учёта запасов	Цифровые рабочие процессы технического обслуживания и аналитика состояния	Встроен в среду MRO клиента
Цена (по состоянию на 2026 год)	Корпоративное сотрудничество; публичная цена не подтверждена	Бесплатный уровень; Plus — 20 долларов в месяц (использование в 30× большем объёме)	Не подтверждено	Индивидуальный проект; публичная цена не подтверждена
Лучше всего подходит для	Крупных авиакомпаний с унифицированными озёрами данных MRO	Отдельных техников, школ AMT, независимых и региональных мастерских	Операторов, инвестирующих в программы прогнозного обслуживания и анализа состояния	Специализированных MRO, которым нужна индивидуальная система для конкретного парка

Ассистент по техническому обслуживанию воздушных судов

Изучение дизайна продукта показывает модель коллеги по ангару: она подстраивает глубину под учеников, опытных техников, специалистов по NDT и кандидатов на экзамены, а также сокращает ответы, когда контекст связан с AOG или возвратом к выходу на посадку. Она составляет текст записи о дефекте, помогает ориентироваться в структуре IPC/ATA и рассматривает загрузку фотографий как поддержку описания, а не как скрытое инспекционное заключение.

Важны честные ограничения. Jenova не подключена к системе запасов оператора, системе рабочих карт или датчикам воздушного судна в реальном времени. Она не будет отслеживать AD в фоновом режиме и не выдаст разрешение на выпуск воздушного судна в эксплуатацию. Руководства OEM зависят от применимости и конфигурации; Jenova может указать на типичные главы и отраслевую практику, но не должна выдавать таблицу моментов затяжки из текущей редакции вашего руководства за установленный факт.

ИИ-ассистент Kubrick для устранения дефектов

Опубликованная архитектура Kubrick объединяет руководства, исторические журналы, запасы, рабочие задания и актуальные операционные данные, а затем предоставляет к ним доступ через чат-бота для техников. При работе с авиакомпаниями Kubrick сообщает о сокращении времени поиска неисправностей до 50 % и уменьшении задержек, связанных с техническим обслуживанием, на 30 %, а также об экономии одним перевозчиком 14 млн долларов на компенсациях, штрафах и напрасных расходах на техническое обслуживание. Эти цифры предоставлены поставщиком.

Ограничение заключается в сложности доступа. Если у вас нет платформы данных MRO масштаба Databricks, это не тот инструмент, который можно открыть между звонком по MEL и поездкой за деталью. Это программа для авиакомпании.

QOCO Systems

В открытых материалах QOCO основное внимание уделяется цифровой оптимизации рабочей силы и аналитике состояния, использующей машинное обучение для анализа данных датчиков компонентов и прогнозирования потребностей в техническом обслуживании. Для программ обеспечения надёжности и планирования это имеет высокую ценность. Но это другая задача, не связанная с оформлением внеплановой записи по вмятине на передней кромке.

Опрос QOCO по цифровизации за 2025 год также показал, что крупные организации лидируют во внедрении цифровых стратегий, что соответствует измерению сложности доступа: платформы следуют за ИТ-бюджетами парка, а не за телефоном одного IA.

Индивидуальный виртуальный ИИ-ассистент HatchWorks

HatchWorks создала виртуального ИИ-ассистента для Aero Star Aviation, описанного как перспективное решение для технического обслуживания Embraer Phenom и Praetor. Преимущество индивидуального ассистента очевидно: его можно настроить под руководства, парк и рабочие процессы одной мастерской.

Ограничение столь же очевидно. Это не универсальный продукт для любого планера, любой авиационной власти или любого техника. Вы покупаете проект, а не библиотекаря-справочника.

Как работает систематическая локализация неисправностей с ИИ-ассистентом по техническому обслуживанию?

Эффективная локализация с помощью ИИ проходит по дереву решений: уточняет симптом, сопоставляет его с системами ATA, проверяет, что исключает каждый результат, затем спрашивает, что ещё может быть причиной, — и останавливается до постановки диагноза. В этом разница между полезным помощником и неутверждённым руководством по поиску неисправностей.

Поставщики генеративного ИИ теперь продвигают именно такой сценарий использования в ангаре. Oxmaint описывает запросы на естественном языке и пошаговые инструкции для сложных неисправностей. Академические исследования обнаружения неисправностей на основе ИИ и оптимизации технического обслуживания движутся в том же направлении на уровне систем. Ни то ни другое не заменяет Fault Isolation Manual (FIM) или Troubleshooting Manual (TSM).

На практике сильный ассистент должен требовать точности до того, как начнёт предполагать:

Что именно ненормально, когда это происходит и воспроизводится ли проблема?
Какая система ATA действительно отвечает за симптом — и какая вышестоящая система может имитировать его?
Что означает этот код BITE и чего он не исключает?
Для периодически возникающих неисправностей: нагрев, вибрация, нагрузка, разъёмы, влага — а не «замените блок».

Жалоба на скопление гидравлической жидкости — классическая ловушка. Очевидный фитинг ATA 29 может быть лишь местом утечки, тогда как причиной могут оказаться чрезмерная затяжка, треснувшая трубка, ошибка при обслуживании бачка или проблема в логике электрического насоса. Навык, который стоит закодировать, — это мышление с учётом взаимосвязей между системами.

Полезная модель Jenova в сущности формулируется так: «Логика поиска неисправности указывает на… проверьте в применимом FIM/TSM». Полезная модель Kubrick иная: извлечь исторически успешное исправление и детали, имеющиеся на складе. Полезная модель QOCO работает ещё раньше: спрогнозировать отказ до появления лужи жидкости.

Если ассистент пропускает вопрос «что ещё может быть причиной?», воспринимайте его как поисковую систему с проблемами излишней уверенности.

Как ИИ-ассистенты должны работать с записями в бортжурнале и нормативными ссылками?

Они должны составлять черновики в формулировках, которые уже ожидают аудиторы, указывать тип документа и главу, а также напоминать, что действующее руководство с контролем редакций по-прежнему определяет порядок выполнения работы. Слабые записи («деталь отремонтирована») превращают качественную работу в замечание.

Отраслевой язык конкретен:

«Removed and replaced IAW AMM…»
«Accomplished AD 20XX-XX-XX by method 2…»
«NDT inspection per NDT Manual Chapter XX revealed no cracks or defects…»
«Item deferred per MEL XX-XX, Category C…»

14 CFR §43.13(a) объясняет, почему дисциплина работы с источниками является функцией продукта, а не вопросом стилистических предпочтений. Правило выполнения работ отсылает к действующим данным производителя. ИИ, который по памяти подставляет правдоподобное значение момента затяжки, не помогает соблюдать требования.

Юрисдикция меняет рамки одной и той же задачи. Программы обязательных инспекционных позиций FAA описаны в ином нормативном тексте, чем критические задачи технического обслуживания EASA. Правила выпуска по форме EASA Form 1, включая NDT и классы компонентов, изложены в руководстве Part-145 таким образом, что не соответствуют один к одному повествовательной записи FAA Form 337. Ассистент для техников, который никогда не спрашивает «FAA, EASA, TCCA или другая авиационная власть?», рано или поздно составит фразу не того типа.

Среди разговорных вариантов Jenova здесь сильнее всего, поскольку документация является одной из основных задач: текст записи о дефекте, заметки для передачи смены, исследовательский разбор применимости AD и обсуждение PMA по сравнению с OEM. Но Jenova всё равно не может хранить эксплуатационные документы вашего оператора или гарантировать, что запомненный вами номер AD актуален: директивы меняются, и их необходимо проверять в авторитетных системах, таких как FAA DRS или база данных AD EASA.

Kubrick может быть сильнее внутри авиакомпании, поскольку рабочее задание, запасы и редакция руководства находятся на одной платформе. Это интеграция, а не лучший английский.

Могут ли ИИ-ассистенты описывать повреждения по фотографиям, не вынося заключений о лётной годности?

Да — и эта граница является преимуществом, а не недостающей функцией. Поддержка работы с фотографиями полезна, когда переводит увиденное на язык SRM. Она становится небезопасной, когда изображение выдают за инспекцию.

Полезные результаты визуального анализа звучат так:

«Видимый признак соответствует нитевидной коррозии вдоль нахлёсточного соединения».
«Похоже на вмятину с возможным растрескиванием покрытия; обычно порядок определения дальнейших действий следует искать в главе 51 SRM».
«Символы на табличке читаются как…»

Они не должны звучать так: «Это в пределах допусков; воздушное судно готово к эксплуатации».

Jenova — единственный продукт в этом сравнении с чётко описанным рабочим процессом для фотографий: описание повреждений, классификация коррозии, идентификация крепежа и фитингов, считывание номера детали — всё с формулировками о внешнем виде, а не о порядке дальнейших действий. Kubrick, QOCO и HatchWorks могут принимать изображения в рамках частных развёртываний; эта возможность не описана в открытых источниках, рассмотренных для этой статьи, поэтому она не подтверждена.

Та же граница относится к исследованию крепежа и деталей. Законной поддержкой является помощь в работе с рисунком IPC, цепочкой замены детали или прослеживаемостью 8130-3 / EASA Form 1. Сказать, что дешёвый фитинг подходит, потому что он «выглядит как» фитинг AN, — именно так в систему попадают предположительно неутверждённые детали.

Если ваш сценарий использования связан с ремонтом композитов или качеством сварки, а не с линейными записями о неисправностях, ассистент по техническому обслуживанию всё равно поможет с терминологией и указателями на нормы, но специализированный помощник для мастерской, например Ассистент сварщика, лучше подходит для вопросов о дефектах сварного шва, параметрах и задачах, ориентированных на CWI.

Как получать надёжные результаты от ИИ-ассистента для технического обслуживания воздушных судов?

Чтобы получать надёжные результаты, укажите идентификационные данные воздушного судна, нормативную систему, рабочий контекст и то, что уже было обнаружено, — а затем требуйте источники. Расплывчатые запросы приводят к расплывчатым и чрезмерно уверенным ответам.

Для Ассистента по техническому обслуживанию воздушных судов эффективное начало выглядит так:

Откройте агента по адресу jenova.ai/a/aircraft-maintenance-assistant.
В первом сообщении укажите самолёт, авиационную власть и контекст смены:

«737-800, линейное техническое обслуживание по FAA Part 121, не AOG, но до следующего рейса шесть часов. Зона привода левой основной стойки шасси, ATA 29, скопление гидравлической жидкости у накидной гайки B-nut. Нужны логика локализации и черновик записи о неисправности, а не заключение о годности к эксплуатации».
Если фотографии есть, загрузите снимки места утечки, фитинга и окружающей конструкции.
Попросите оформить запись в стиле, принятом вашей авиационной властью, а затем отредактируйте её по действующему AMM/SRM.

Более короткий запрос — «гидравлическая утечка, что это?» — пропускает ATA, применимость и последствия MEL. Ассистент должен задать уточняющие вопросы. Если он этого не делает, их должны задать вы.

Для авиакомпаний, использующих ассистентов в стиле Kubrick, привычка будет иной: введите код неисправности или текст дефекта, который уже индексируется системой, а затем проверьте предложенные детали по фактическим запасам и текущей редакции руководства. В собственном материале Kubrick подчёркивает, что именно разрозненные источники данных приводят к неправильным решениям. Качество запроса ограничено качеством озера данных.

Студентам и пользователям, готовящимся к устному экзамену, следует прямо об этом сказать. Учебный режим и режим AOG — это противоположные настройки сжатия информации. Кандидаты A&P, которым также нужны аэродинамика, процедуры и структура checkride, могут дополнить эту работу Авиационным наставником, а не заставлять одного агента одновременно быть старшим специалистом ангара и инструктором лётной школы.

Практические меры безопасности, которые улучшают работу любого продукта этой категории:

Никогда не принимайте числовой предел, интервал или момент затяжки, не открыв действующие утверждённые данные.
Отмечайте RII и критические задачи до завершения работ, а не после.
Рассматривайте работу в ночную смену и давление AOG как входные данные человеческого фактора, а не как причину пропустить двойную инспекцию.
Учитывайте ограничения PMA, ремонт DER и требования OEM при обсуждении деталей.

Бесплатный уровень Jenova включает основные функции с ограниченным использованием; Plus стоит 20 долларов в месяц и предоставляет в 30× больший объём, а более высокие уровни платформы доходят до корпоративного. Такая цена имеет значение для отдельного техника. Она не заменяет комплекс MRO авиакомпании.

Что эксперты по техническому обслуживанию воздушных судов говорят об ИИ в ангаре?

Эксперты, работающие на пересечении ИИ и технического обслуживания, постоянно возвращаются к одной мысли: ассистент полезен, когда сохраняет полномочия механика, и опасен, когда звучит как утверждённые данные. Красноречие — не лётная годность.

«Проблема, которую мы наблюдаем, заключается не в том, что модели слишком осторожны. Она в том, что они охотно выдают абзац, похожий на AMM 32-41-00, вместе со значением момента затяжки, хотя у них нет ни редакции, ни данных о применимости, ни права сообщать это число. Ассистент, готовый к работе в ангаре, указывает главу, излагает логику локализации и говорит открыть действующее руководство. В демонстрации такая фраза выглядит менее впечатляюще. Это единственная фраза, которая уместна в мастерской Part 145».

«Мы также видим, как команды покупают не тот уровень ИИ. Аналитика состояния и платформы устранения дефектов помогают авиакомпаниям, у которых руководства, журналы и запасы уже объединены в одном месте. Они не помогают AME на ночной проверке C-check, которому нужно оформить запись о коррозии и напоминание о том, что задача может быть RII. Это разные продукты. Если измерять их одним и тем же слайдом об „ИИ в MRO“, проблема доступа остаётся скрытой».

«Анализ фотографий — ещё одна чёткая граница. Описать эксфолиацию в отличие от питтинга, чтобы ускорить поиск в SRM, — законная задача. Объявить деталь годной к эксплуатации по фотографии с телефона — не функция. Если ваш ассистент не готов сказать „похоже на“, он не готов к работе по техническому обслуживанию».

— Команда разработчиков Jenova, проектирование ИИ-агентов для технических профессий

Эта позиция согласуется с уже приведённой нормативной базой: правила выполнения работ отсылают к действующим данным производителя, а компетентность по Part-145 включает человеческий фактор, а не только знание задач.

Когда механикам следует использовать ИИ-ассистента, а когда — утверждённые данные и инженерную экспертизу?

Используйте ИИ-ассистента для структурирования рассуждений, подготовки формулировок и поиска нужного раздела руководства; используйте утверждённые данные и DER, DAR, инспектора или инженерную организацию для определения пределов, способов устранения и выпуска в эксплуатацию. Ассистент — это старший специалист, который обсуждает с вами работу, а не сама рабочая карта.

Подходящие варианты использования:

Превратить небрежно сформулированную запись о неисправности в точное описание дефекта
Пройти логику локализации до того, как открыть FIM
Определить вероятные категории глав SRM по фотографии
Объяснить последствия категории MEL на концептуальном уровне
В общих чертах проследить, как рассматриваются детали PMA в соответствии с 14 CFR §21.303
Составить вопросы для подготовки к устному или модульному экзамену

Неподходящие варианты использования:

Воспринимать ответ чата как инспекцию
Пропускать двойную инспекцию, потому что модель «уже всё проверила»
Заменять герметик или смазку, потому что два названия по военным спецификациям выглядят похожими
Закрывать AD по запомненному номеру без актуального исследования применимости
Создавать что-либо, что можно принять за Form 337, 8130-3, EASA Form 1 или страницу AMM

Vaughn College отмечает, что ИИ уже используется для прогнозного технического обслуживания и прогнозирования ремонтов, а Aviation Institute of Maintenance описывает, как механики используют аналитические данные, чтобы работать эффективнее, а не быть заменёнными. Оба источника говорят о расширении возможностей человека. Ни один не разрешает алгоритму выпускать воздушное судно в эксплуатацию.

Практическая проверка проста. Если следующее действие меняет лётную годность, следующим документом, который вы открываете, должны быть утверждённые данные. Если следующее действие — «помоги мне разобраться и написать яснее», ассистент заслуживает места на рабочем столе.