Mulher que roubou joalheria em shopping de Águas Claras é presa

 

Por Pablo Giovanni | 📷 Foto: Internet/Divulgação

08/07/2021 10:55, atualizado às 10:58 de 08/07/2021 

 

Uma mulher foi presa, na manhã desta quinta-feira (8), apontada pela Polícia Civil por integrar uma quadrilha especializada em assaltar joalheiras de shoppings do Distrito Federal. A mulher, de 19 anos, foi detida preventivamente, após ser localizada dentro de condomínio em Sobradinho na casa de um patente.

Mesmo grávida de oito meses, a mulher permanecia cometendo crimes em regiões do DF, mas equipes da Divisão de Repressão a Roubos e Furtos (DRF) da Coordenação de Repressão a Crimes Patrimoniais (Corpatri), após meses de investigações, conseguiram encontrar a criminosa.

Segundo a Polícia Civil, ela participou de roubos nos shoppings Liberty Mall, na Asa Norte, e DF Plaza, em Águas Claras, em 21 e 28 de outubro de 2020, respectivamente. No assalto ao shopping em Águas Claras, a ação acabou em tiroteio com um homem ferido durante a fuga dos criminosos. Segundo a corporação, os envolvidos já foram identificados – ela e mais dois comparsas -, sendo um deles já está preso, também preventivamente. Segundo o diretor da DRF, delegado Fernando Cocito, o trabalho dos institutos esclarecem 100% dos crimes envolvendo ataques a joalherias.

“Graças ao imediatismo da investigação e trabalho conjunto com os institutos de Criminalística (IC) e de Identificação (II), os casos são elucidados com rapidez”, destacou.

Ao decorrer das investigações, os agentes repararam no modo de agir dos criminosos, que maioria das vezes seguia o mesmo padrão: a mulher se passava por cliente e era acompanhada de outros ladrões. Dentro da joalheria, quando pediam para ver as joias, os criminosos anunciavam o assalto.

 

https://www.youtube.com/watch?v=dssPhPCaMMo&t=52s

Ação da quadrilha que agia em joalherias do Distrito Federal. Divulgação: Metrópoles.

Nenhum comentário ainda.

Deixe o seu comentário

Your email address will not be published.

Esse site utiliza o Akismet para reduzir spam. Aprenda como seus dados de comentários são processados.