Spaces:
Sleeping
Sleeping
File size: 90,717 Bytes
b7aeeed 874bfcc 1249af0 874bfcc 25257a4 0b953f8 874bfcc 25257a4 f1f4052 874bfcc 25257a4 874bfcc 25257a4 874bfcc 1249af0 874bfcc 1249af0 874bfcc 4e55f23 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 36d0568 97503d3 874bfcc 97503d3 874bfcc 97503d3 874bfcc 97503d3 36d0568 97503d3 1249af0 97503d3 874bfcc 97503d3 36d0568 97503d3 36d0568 97503d3 36d0568 97503d3 36d0568 97503d3 874bfcc 97503d3 874bfcc 97503d3 874bfcc 97503d3 874bfcc 7b5c08a 874bfcc 7b5c08a 1249af0 97503d3 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc b7aeeed 874bfcc 1249af0 874bfcc 25257a4 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 874bfcc 4f5bdbe 874bfcc 1249af0 874bfcc 1249af0 874bfcc 1249af0 b23d68f 874bfcc b23d68f 874bfcc 785e527 874bfcc b7aeeed 874bfcc |
1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 181 182 183 184 185 186 187 188 189 190 191 192 193 194 195 196 197 198 199 200 201 202 203 204 205 206 207 208 209 210 211 212 213 214 215 216 217 218 219 220 221 222 223 224 225 226 227 228 229 230 231 232 233 234 235 236 237 238 239 240 241 242 243 244 245 246 247 248 249 250 251 252 253 254 255 256 257 258 259 260 261 262 263 264 265 266 267 268 269 270 271 272 273 274 275 276 277 278 279 280 281 282 283 284 285 286 287 288 289 290 291 292 293 294 295 296 297 298 299 300 301 302 303 304 305 306 307 308 309 310 311 312 313 314 315 316 317 318 319 320 321 322 323 324 325 326 327 328 329 330 331 332 333 334 335 336 337 338 339 340 341 342 343 344 345 346 347 348 349 350 351 352 353 354 355 356 357 358 359 360 361 362 363 364 365 366 367 368 369 370 371 372 373 374 375 376 377 378 379 380 381 382 383 384 385 386 387 388 389 390 391 392 393 394 395 396 397 398 399 400 401 402 403 404 405 406 407 408 409 410 411 412 413 414 415 416 417 418 419 420 421 422 423 424 425 426 427 428 429 430 431 432 433 434 435 436 437 438 439 440 441 442 443 444 445 446 447 448 449 450 451 452 453 454 455 456 457 458 459 460 461 462 463 464 465 466 467 468 469 470 471 472 473 474 475 476 477 478 479 480 481 482 483 484 485 486 487 488 489 490 491 492 493 494 495 496 497 498 499 500 501 502 503 504 505 506 507 508 509 510 511 512 513 514 515 516 517 518 519 520 521 522 523 524 525 526 527 528 529 530 531 532 533 534 535 536 537 538 539 540 541 542 543 544 545 546 547 548 549 550 551 552 553 554 555 556 557 558 559 560 561 562 563 564 565 566 567 568 569 570 571 572 573 574 575 576 577 578 579 580 581 582 583 584 585 586 587 588 589 590 591 592 593 594 595 596 597 598 599 600 601 602 603 604 605 606 607 608 609 610 611 612 613 614 615 616 617 618 619 620 621 622 623 624 625 626 627 628 629 630 631 632 633 634 635 636 637 638 639 640 641 642 643 644 645 646 647 648 649 650 651 652 653 654 655 656 657 658 659 660 661 662 663 664 665 666 667 668 669 670 671 672 673 674 675 676 677 678 679 680 681 682 683 684 685 686 687 688 689 690 691 692 693 694 695 696 697 698 699 700 701 702 703 704 705 706 707 708 709 710 711 712 713 714 715 716 717 718 719 720 721 722 723 724 725 726 727 728 729 730 731 732 733 734 735 736 737 738 739 740 741 742 743 744 745 746 747 748 749 750 751 752 753 754 755 756 757 758 759 760 761 762 763 764 765 766 767 768 769 770 771 772 773 774 775 776 777 778 779 780 781 782 783 784 785 786 787 788 789 790 791 792 793 794 795 796 797 798 799 800 801 802 803 804 805 806 807 808 809 810 811 812 813 814 815 816 817 818 819 820 821 822 823 824 825 826 827 828 829 830 831 832 833 834 835 836 837 838 839 840 841 842 843 844 845 846 847 848 849 850 851 852 853 854 855 856 857 858 859 860 861 862 863 864 865 866 867 868 869 870 871 872 873 874 875 876 877 878 879 880 881 882 883 884 885 886 887 888 889 890 891 892 893 894 895 896 897 898 899 900 901 902 903 904 905 906 907 908 909 910 911 912 913 914 915 916 917 918 919 920 921 922 923 924 925 926 927 928 929 930 931 932 933 934 935 936 937 938 939 940 941 942 943 944 945 946 947 948 949 950 951 952 953 954 955 956 957 958 959 960 961 962 963 964 965 966 967 968 969 970 971 972 973 974 975 976 977 978 979 980 981 982 983 984 985 986 987 988 989 990 991 992 993 994 995 996 997 998 999 1000 1001 1002 1003 1004 1005 1006 1007 1008 1009 1010 1011 1012 1013 1014 1015 1016 1017 1018 1019 1020 1021 1022 1023 1024 1025 1026 1027 1028 1029 1030 1031 1032 1033 1034 1035 1036 1037 1038 1039 1040 1041 1042 1043 1044 1045 1046 1047 1048 1049 1050 1051 1052 1053 1054 1055 1056 1057 1058 1059 1060 1061 1062 1063 1064 1065 1066 1067 1068 1069 1070 1071 1072 1073 1074 1075 1076 1077 1078 1079 1080 1081 1082 1083 1084 1085 1086 1087 1088 1089 1090 1091 1092 1093 1094 1095 1096 1097 1098 1099 1100 1101 1102 1103 1104 1105 1106 1107 1108 1109 1110 1111 1112 1113 1114 1115 1116 1117 1118 1119 1120 1121 1122 1123 1124 1125 1126 1127 1128 1129 1130 1131 1132 1133 1134 1135 1136 1137 1138 1139 1140 1141 1142 1143 1144 1145 1146 1147 1148 1149 1150 1151 1152 1153 1154 1155 1156 1157 1158 1159 1160 1161 1162 1163 1164 1165 1166 1167 1168 1169 1170 1171 1172 1173 1174 1175 1176 1177 1178 1179 1180 1181 1182 1183 1184 1185 1186 1187 1188 1189 1190 1191 1192 1193 1194 1195 1196 1197 1198 1199 1200 1201 1202 1203 1204 1205 1206 1207 1208 1209 1210 1211 1212 1213 1214 1215 1216 1217 1218 1219 1220 1221 1222 1223 1224 1225 1226 1227 1228 1229 1230 1231 1232 1233 1234 1235 1236 1237 1238 1239 1240 1241 1242 1243 1244 1245 1246 1247 1248 1249 1250 1251 1252 1253 1254 1255 1256 1257 1258 1259 1260 1261 1262 1263 1264 1265 1266 1267 1268 1269 1270 1271 1272 1273 1274 1275 1276 1277 1278 1279 1280 1281 1282 1283 1284 1285 1286 1287 1288 1289 1290 1291 1292 1293 1294 1295 1296 1297 1298 1299 1300 1301 1302 1303 1304 1305 1306 1307 1308 1309 1310 1311 1312 1313 1314 1315 1316 1317 1318 1319 1320 1321 1322 1323 1324 1325 1326 1327 1328 1329 1330 1331 1332 1333 1334 1335 1336 1337 1338 1339 1340 1341 1342 1343 1344 1345 1346 1347 1348 1349 1350 1351 1352 1353 1354 1355 1356 1357 1358 1359 1360 1361 1362 1363 1364 1365 1366 1367 1368 1369 1370 1371 1372 1373 1374 1375 1376 1377 1378 1379 1380 1381 1382 1383 1384 1385 1386 1387 1388 1389 1390 1391 1392 1393 1394 1395 1396 1397 1398 1399 1400 1401 1402 1403 1404 1405 1406 1407 1408 1409 1410 1411 1412 1413 1414 1415 1416 1417 1418 1419 1420 1421 1422 1423 1424 1425 1426 1427 1428 1429 1430 1431 1432 1433 1434 1435 1436 1437 1438 1439 1440 1441 1442 1443 1444 1445 1446 1447 1448 1449 1450 1451 1452 1453 1454 1455 1456 1457 1458 1459 1460 1461 1462 1463 1464 1465 1466 1467 1468 1469 1470 1471 1472 1473 1474 1475 1476 1477 1478 1479 1480 1481 1482 1483 1484 1485 1486 1487 1488 1489 1490 1491 1492 1493 1494 1495 1496 1497 1498 1499 1500 1501 1502 1503 1504 1505 1506 1507 1508 1509 1510 1511 1512 1513 1514 1515 1516 1517 1518 1519 1520 1521 1522 1523 1524 1525 1526 1527 1528 1529 1530 1531 1532 1533 1534 1535 1536 1537 1538 1539 1540 1541 1542 1543 1544 1545 1546 1547 1548 1549 1550 1551 1552 1553 1554 1555 1556 1557 1558 1559 1560 1561 1562 1563 1564 1565 1566 1567 1568 1569 1570 1571 1572 1573 1574 1575 1576 1577 1578 1579 1580 1581 1582 1583 1584 1585 1586 1587 1588 1589 1590 1591 1592 1593 1594 1595 1596 1597 1598 1599 1600 1601 1602 1603 1604 1605 1606 1607 1608 1609 1610 1611 1612 1613 1614 1615 1616 1617 1618 1619 1620 1621 1622 1623 1624 1625 1626 1627 1628 1629 1630 1631 1632 1633 1634 1635 1636 1637 1638 1639 1640 1641 1642 1643 1644 1645 1646 1647 1648 1649 1650 1651 1652 1653 1654 1655 1656 1657 1658 1659 1660 1661 1662 1663 1664 1665 1666 1667 1668 1669 1670 1671 1672 1673 1674 1675 1676 1677 1678 1679 1680 1681 1682 1683 1684 1685 1686 1687 1688 1689 1690 1691 1692 1693 1694 1695 1696 1697 1698 1699 1700 1701 1702 1703 1704 1705 1706 1707 1708 1709 1710 1711 1712 1713 1714 1715 1716 1717 1718 1719 1720 1721 1722 1723 1724 1725 1726 1727 1728 1729 1730 1731 1732 1733 1734 1735 1736 1737 1738 1739 1740 1741 1742 1743 1744 1745 1746 1747 1748 1749 1750 1751 1752 1753 1754 1755 1756 1757 1758 1759 1760 1761 1762 1763 1764 1765 1766 1767 1768 1769 1770 1771 1772 1773 1774 1775 1776 1777 1778 1779 1780 1781 1782 1783 1784 1785 1786 1787 1788 1789 1790 1791 1792 1793 1794 1795 1796 1797 1798 1799 1800 1801 1802 1803 1804 1805 1806 1807 1808 1809 1810 1811 1812 1813 1814 1815 1816 1817 1818 1819 1820 1821 1822 1823 1824 1825 1826 1827 1828 1829 1830 1831 1832 1833 1834 1835 1836 1837 1838 1839 1840 1841 1842 1843 1844 1845 1846 1847 1848 1849 1850 1851 1852 1853 1854 1855 1856 1857 1858 1859 1860 1861 1862 1863 1864 1865 1866 1867 1868 1869 1870 1871 1872 1873 1874 1875 1876 1877 1878 1879 1880 1881 1882 1883 1884 1885 1886 1887 1888 1889 1890 1891 1892 1893 1894 1895 1896 1897 1898 1899 1900 1901 1902 1903 1904 1905 1906 1907 1908 1909 1910 1911 1912 1913 1914 1915 1916 1917 1918 1919 1920 1921 1922 1923 1924 1925 1926 1927 1928 1929 1930 1931 1932 1933 1934 1935 1936 1937 1938 1939 1940 1941 1942 1943 1944 1945 1946 1947 1948 1949 1950 1951 1952 1953 1954 1955 1956 1957 1958 1959 1960 1961 1962 1963 1964 1965 1966 1967 1968 1969 1970 1971 1972 1973 1974 1975 1976 1977 1978 1979 1980 1981 1982 1983 1984 1985 1986 1987 1988 1989 1990 1991 1992 1993 1994 1995 1996 1997 1998 1999 2000 2001 2002 2003 2004 2005 2006 2007 2008 2009 2010 2011 2012 2013 2014 2015 2016 2017 2018 2019 2020 2021 2022 2023 2024 2025 2026 2027 2028 2029 2030 2031 2032 2033 2034 2035 2036 2037 2038 2039 2040 2041 2042 2043 2044 2045 2046 2047 2048 2049 2050 2051 2052 2053 2054 2055 2056 2057 2058 2059 2060 2061 2062 2063 2064 2065 2066 2067 2068 2069 2070 2071 2072 2073 2074 2075 2076 2077 2078 2079 2080 2081 2082 2083 2084 2085 2086 2087 2088 2089 2090 2091 2092 2093 2094 2095 2096 2097 2098 2099 2100 2101 2102 2103 2104 2105 2106 2107 2108 2109 2110 2111 2112 2113 2114 2115 2116 2117 2118 2119 2120 2121 2122 2123 2124 2125 2126 2127 2128 2129 2130 2131 2132 2133 2134 2135 2136 2137 2138 2139 2140 2141 2142 2143 2144 2145 2146 2147 2148 2149 2150 2151 2152 2153 2154 2155 2156 2157 2158 2159 2160 2161 2162 2163 2164 2165 2166 2167 2168 2169 2170 2171 2172 2173 2174 2175 2176 2177 2178 2179 2180 2181 2182 2183 2184 2185 2186 2187 2188 2189 2190 2191 2192 2193 2194 2195 2196 2197 2198 2199 2200 2201 2202 2203 2204 2205 2206 2207 2208 2209 2210 2211 2212 2213 2214 2215 2216 2217 2218 2219 2220 2221 2222 2223 2224 2225 2226 2227 2228 2229 2230 2231 2232 2233 2234 |
import os
import sys
import streamlit as st
import logging
import pandas as pd
import numpy as np
from datetime import datetime, timedelta
import time
import plotly.express as px
import plotly.graph_objects as go
from plotly.subplots import make_subplots
import json
import base64
from io import BytesIO
# هذا يجب أن يكون أول أمر Streamlit في البرنامج النصي
st.set_page_config(
page_title="نظام WAHBi-AI-V2",
page_icon="📋",
layout="wide",
initial_sidebar_state="expanded"
)
# باقي الكود الخاص بك...
# إضافة المسار الرئيسي للمشروع إلى PATH
sys.path.append(os.path.dirname(os.path.abspath(__file__)))
# إضافة CSS للدعم العربي وتحسين المظهر
def add_custom_css():
custom_css = """
@import url('https://fonts.googleapis.com/css2?family=Tajawal:wght@400;500;700&display=swap');
* {
font-family: 'Tajawal', sans-serif;
}
html {
direction: rtl;
}
.stApp {
direction: rtl;
}
.css-1d391kg, .css-1cpxqw2 {
direction: rtl;
text-align: right;
}
div[data-testid="stVerticalBlock"] {
direction: rtl;
}
button[data-testid="baseButton-secondary"] {
background-color: #1e88e5;
border-color: #1e88e5;
color: white;
}
button[data-testid="baseButton-primary"] {
background-color: #28a745;
border-color: #28a745;
}
div[data-testid="stMetricValue"] {
font-size: 1.5rem;
font-weight: bold;
color: #1e88e5;
}
div[data-testid="stMetricDelta"] {
font-size: 0.9rem;
}
div[data-testid="stMetricLabel"] {
font-weight: 500;
}
h1, h2, h3, h4, h5, h6 {
font-family: 'Tajawal', sans-serif;
font-weight: 700;
}
.dashboard-title {
text-align: center;
margin-bottom: 2rem;
}
.insights-box {
border: 1px solid #e0e0e0;
border-radius: 5px;
padding: 1rem;
background-color: #f9f9f9;
}
.stTabs [data-baseweb="tab-list"] {
direction: rtl;
}
.stTabs [data-baseweb="tab"] {
direction: rtl;
text-align: right;
}
/* تصحيح مشكلة الجداول */
.stDataFrame {
direction: rtl;
}
/* تصحيح الاتجاه في فلاتر متعدد الاختيار */
div[data-testid="stMultiSelect"] {
direction: rtl;
text-align: right;
}
"""
st.markdown(f'<style>{custom_css}</style>', unsafe_allow_html=True)
# إضافة CSS
add_custom_css()
# إعداد نظام التسجيل
def setup_app_logging():
"""إعداد نظام التسجيل"""
try:
log_dir = "logs"
os.makedirs(log_dir, exist_ok=True)
logging.basicConfig(
filename=os.path.join(log_dir, f"app_{datetime.now().strftime('%Y%m%d')}.log"),
level=logging.INFO,
format="%(asctime)s - %(name)s - %(levelname)s - %(message)s"
)
return logging.getLogger(__name__)
except Exception as e:
st.error(f"خطأ في إعداد التسجيل: {str(e)}")
return logging.getLogger(__name__)
logger = setup_app_logging()
# دوال ونماذج محاكاة للوحدات الفعلية
def get_config():
"""محاكاة لوحدة config.config.get_config"""
return {
"app": {
"name": "نظام WAHBi-AI-V2 لإدارة المناقصات والعقود",
"version": "1.2.0",
"description": "نظام متكامل لإدارة المناقصات والعقود مدعوم بالذكاء الاصطناعي"
},
"paths": {
"logs_dir": "logs",
"data_dir": "data",
"models_dir": "models",
"reports_dir": "reports"
},
"database": {
"host": "localhost",
"port": 5432,
"name": "wahbi_ai_db",
"user": "db_user"
},
"api": {
"base_url": "https://api.wahbi-ai.org",
"version": "v1",
"timeout": 30
},
"ai": {
"models": {
"text_analysis": "ar_nlp_v2",
"risk_assessment": "risk_model_v1",
"prediction": "tender_prediction_v3"
},
"parameters": {
"confidence_threshold": 0.75,
"batch_size": 16
}
}
}
def load_local_content():
"""محاكاة لوحدة modules.local_content.load_local_content"""
logger.info("تحميل بيانات المحتوى المحلي")
return True
def load_ai_models():
"""محاكاة لوحدة modules.ai_models.load_ai_models"""
logger.info("تحميل نماذج الذكاء الاصطناعي")
return True
def process_document(document_path):
"""محاكاة لوحدة modules.document_processor.process_document"""
logger.info(f"معالجة المستند: {document_path}")
return {
"success": True,
"pages": 12,
"entities": 45,
"requirements": 32
}
def analyze_requirements(req_text):
"""محاكاة لوحدة modules.requirement_analyzer.analyze_requirements"""
logger.info("تحليل المتطلبات")
return {
"functional": [],
"non_functional": [],
"constraints": [],
"risks": []
}
def analyze_cost_risk(project_data):
"""محاكاة لوحدة modules.cost_risk_analyzer.analyze_cost_risk"""
logger.info("تحليل مخاطر التكلفة")
return {
"total_risk_score": 0.65,
"cost_overrun_probability": 0.35,
"schedule_delay_probability": 0.42
}
def init_database():
"""محاكاة لوحدة utils.database.init_database"""
logger.info("تهيئة قاعدة البيانات")
return True
def setup_logging():
"""محاكاة لوحدة utils.helpers.setup_logging"""
logger.info("إعداد نظام التسجيل")
return True
def handle_uploaded_files(files):
"""محاكاة لوحدة utils.file_handler.handle_uploaded_files"""
logger.info(f"معالجة الملفات المرفوعة: {len(files)} ملفات")
return {
"success": True,
"processed": len(files)
}
def setup_api_connections():
"""محاكاة لوحدة utils.api_integrations.setup_api_connections"""
logger.info("إعداد اتصالات API")
return True
def get_procurement_plan(tender_id):
"""محاكاة لوحدة supply_chain.procurement_planner.get_procurement_plan"""
logger.info(f"الحصول على خطة المشتريات للمناقصة: {tender_id}")
return {
"phases": [
{"name": "التخطيط", "start": "2024-04-01", "end": "2024-04-15"},
{"name": "طرح المناقصة", "start": "2024-04-16", "end": "2024-05-15"},
{"name": "التقييم", "start": "2024-05-16", "end": "2024-06-01"},
{"name": "الترسية", "start": "2024-06-02", "end": "2024-06-10"},
{"name": "التعاقد", "start": "2024-06-11", "end": "2024-06-25"}
],
"estimated_cost": 3500000,
"local_content_target": 60
}
def analyze_project_requirements(req_file):
"""محاكاة لوحدة analysis.requirement_analyzer.analyze_project_requirements"""
logger.info(f"تحليل متطلبات المشروع: {req_file}")
return {
"total_requirements": 32,
"functional_requirements": 24,
"non_functional_requirements": 8,
"complexity": "متوسطة",
"effort_estimate": "85 يوم عمل"
}
def analyze_risks(project_data):
"""محاكاة لوحدة analysis.risk_analyzer.analyze_risks"""
logger.info("تحليل المخاطر")
return {
"risk_count": 12,
"high_risks": 3,
"medium_risks": 5,
"low_risks": 4
}
def estimate_costs(project_scope):
"""محاكاة لوحدة analysis.cost_estimator.estimate_costs"""
logger.info("تقدير التكاليف")
return {
"total_cost": 4250000,
"labor_cost": 2800000,
"material_cost": 850000,
"overhead_cost": 600000
}
def analyze_local_content(supply_chain_data):
"""محاكاة لوحدة analysis.local_content_analyzer.analyze_local_content"""
logger.info("تحليل المحتوى المحلي")
return {
"average_local_content": 62.5,
"potential_increase": 15.8,
"suppliers_count": {
"local": 12,
"foreign": 5,
"joint": 3
}
}
# تحميل بيانات العرض التوضيحي
def load_demo_data():
"""تحميل بيانات توضيحية للعرض"""
# بيانات المناقصات
tenders_data = {
"رقم المناقصة": [f"RFP-2024-{i:03d}" for i in range(1, 21)],
"العنوان": [
"توريد معدات تقنية", "خدمات صيانة", "تطوير نظام إلكتروني",
"توريد أجهزة طبية", "خدمات استشارية", "تنفيذ مشروع بنية تحتية",
"خدمات أمن المعلومات", "توريد أثاث مكتبي", "تطوير تطبيقات موبايل",
"خدمات تدريب", "توريد وتركيب أنظمة مراقبة", "صيانة مباني",
"تطوير محتوى تعليمي", "خدمات نظافة", "توريد سيارات",
"تنفيذ حملة إعلامية", "تطوير موقع إلكتروني", "خدمات لوجستية",
"توريد مستلزمات مكتبية", "تركيب أنظمة تكييف"
],
"تاريخ الإعلان": [
(datetime.now() - timedelta(days=np.random.randint(1, 60))).strftime('%Y-%m-%d')
for _ in range(20)
],
"تاريخ الإغلاق": [
(datetime.now() + timedelta(days=np.random.randint(5, 45))).strftime('%Y-%m-%d')
for _ in range(20)
],
"القيمة التقديرية": [
round(np.random.uniform(100000, 5000000), -3)
for _ in range(20)
],
"الحالة": np.random.choice(
["جديدة", "مفتوحة", "قيد التقييم", "معلقة", "مغلقة", "ملغاة"],
size=20,
p=[0.15, 0.25, 0.25, 0.1, 0.2, 0.05]
),
"نسبة النجاح المتوقعة": [
round(np.random.uniform(30, 95), 1)
for _ in range(20)
]
}
# بيانات العقود
contracts_data = {
"رقم العقد": [f"CONT-2024-{i:03d}" for i in range(1, 16)],
"رقم المناقصة": [f"RFP-2024-{i:03d}" for i in range(1, 16)],
"المورد": [
"شركة التقنية المتطورة", "مؤسسة الحلول الذكية", "شركة الخدمات المتكاملة",
"مجموعة الإبداع التقني", "شركة التطوير الرقمي", "مؤسسة الجودة الشاملة",
"شركة الاتصالات المتقدمة", "مؤسسة البناء الحديث", "شركة التقنيات الذكية",
"مجموعة الخدمات الاستشارية", "شركة الحلول الهندسية", "مؤسسة التطوير والابتكار",
"شركة الأنظمة المتكاملة", "مجموعة الخدمات اللوجستية", "شركة المشاريع التقنية"
],
"تاريخ البدء": [
(datetime.now() - timedelta(days=np.random.randint(1, 120))).strftime('%Y-%m-%d')
for _ in range(15)
],
"تاريخ الانتهاء": [
(datetime.now() + timedelta(days=np.random.randint(30, 365))).strftime('%Y-%m-%d')
for _ in range(15)
],
"القيمة": [
round(np.random.uniform(80000, 4500000), -3)
for _ in range(15)
],
"نسبة الإنجاز": [
round(np.random.uniform(0, 100), 1)
for _ in range(15)
],
"المحتوى المحلي": [
round(np.random.uniform(20, 95), 1)
for _ in range(15)
],
"مستوى المخاطر": np.random.choice(
["منخفض", "متوسط", "عالي"],
size=15,
p=[0.4, 0.4, 0.2]
)
}
# بيانات المخاطر
risks_data = {
"الرمز": [f"RISK-{i:02d}" for i in range(1, 13)],
"الوصف": [
"تأخر في تسليم المواد", "تجاوز الميزانية المخططة", "مشاكل في جودة المنتجات",
"تغيير في المتطلبات", "مشاكل في توفر الموارد", "تضارب في الجدول الزمني",
"مشاكل فنية غير متوقعة", "تغييرات في الأنظمة واللوائح", "تأخر في الموافقات",
"مشاكل مع الموردين الفرعيين", "صعوبات في الحصول على التصاريح", "نقص في المهارات المطلوبة"
],
"التأثير": np.random.choice(
["منخفض", "متوسط", "عالي", "حرج"],
size=12,
p=[0.2, 0.4, 0.3, 0.1]
),
"الاحتمالية": np.random.choice(
["منخفضة", "متوسطة", "عالية"],
size=12,
p=[0.3, 0.5, 0.2]
),
"المعالجة": np.random.choice(
["تجنب", "تخفيف", "نقل", "قبول"],
size=12
),
"المسؤول": [
"مدير المشروع", "مدير المشتريات", "مدير الجودة", "مدير المالية",
"مدير تقنية المعلومات", "مدير الموارد البشرية", "مدير العمليات",
"المستشار القانوني", "مدير المشروع", "مدير المشتريات",
"مدير الجودة", "مدير المالية"
],
"الحالة": np.random.choice(
["جديدة", "قيد المعالجة", "معالجة", "مغلقة"],
size=12,
p=[0.25, 0.4, 0.25, 0.1]
)
}
# بيانات المحتوى المحلي
local_content_data = {
"الفئة": ["توظيف", "توطين التقنية", "سلاسل التوريد", "البحث والتطوير", "التدريب"],
"النسبة المستهدفة": [60, 40, 55, 25, 45],
"النسبة الحالية": [53.2, 35.8, 48.7, 18.4, 42.1],
"التغير السنوي": ["+8.2%", "+5.5%", "+3.2%", "+7.1%", "+9.3%"]
}
# بيانات التحليل المالي
financial_data = {
"الشهر": [f"شهر {i}" for i in range(1, 13)],
"المخطط": [
round(np.random.uniform(1000000, 1500000), -3)
for _ in range(12)
],
"الفعلي": [
round(np.random.uniform(800000, 1600000), -3)
for _ in range(12)
]
}
financial_df = pd.DataFrame(financial_data)
financial_df["الفرق"] = financial_df["الفعلي"] - financial_df["المخطط"]
financial_df["نسبة الانحراف"] = (financial_df["الفرق"] / financial_df["المخطط"] * 100).round(1)
return pd.DataFrame(tenders_data), pd.DataFrame(contracts_data), pd.DataFrame(risks_data), pd.DataFrame(local_content_data), financial_df
def initialize_app():
"""تهيئة التطبيق وتحميل المتطلبات الأساسية"""
try:
# إعداد متغيرات الجلسة
if 'is_initialized' not in st.session_state:
st.session_state.is_initialized = False
config = get_config()
st.session_state.app_name = config["app"]["name"]
st.session_state.app_version = config["app"]["version"]
st.session_state.user_role = "مدير النظام"
# محاكاة تهيئة النظام
init_database()
load_local_content()
load_ai_models()
setup_api_connections()
# تحميل البيانات التوضيحية وتخزينها في الجلسة
tenders_df, contracts_df, risks_df, local_content_df, financial_df = load_demo_data()
st.session_state.tenders_df = tenders_df
st.session_state.contracts_df = contracts_df
st.session_state.risks_df = risks_df
st.session_state.local_content_df = local_content_df
st.session_state.financial_df = financial_df
st.session_state.is_initialized = True
# تسجيل بدء تشغيل التطبيق
logger.info(f"تم بدء تشغيل {st.session_state.app_name} v{st.session_state.app_version}")
return True
except Exception as e:
logger.error(f"خطأ في تهيئة التطبيق: {str(e)}")
st.error(f"خطأ في تهيئة التطبيق: {str(e)}")
return False
def render_sidebar():
"""عرض القائمة الجانبية"""
with st.sidebar:
# عنوان التطبيق
st.title(f"📋 {st.session_state.app_name}")
st.caption(f"الإصدار: {st.session_state.app_version}")
st.markdown("---")
# القائمة الرئيسية
selected_page = st.radio(
"القائمة الرئيسية:",
["الرئيسية", "المناقصات والعقود", "تحليل المتطلبات", "تخطيط سلسلة التوريد", "تحليل المخاطر", "توقع النجاح", "المحتوى المحلي", "التقارير", "لوحة المؤشرات"]
)
st.markdown("---")
# إحصائيات سريعة
st.subheader("إحصائيات سريعة")
# عرض بعض الإحصائيات
col1, col2 = st.columns(2)
with col1:
active_tenders = len(st.session_state.tenders_df[st.session_state.tenders_df['الحالة'].isin(['جديدة', 'مفتوحة', 'قيد التقييم'])])
st.metric(label="المناقصات النشطة", value=active_tenders)
with col2:
active_contracts = len(st.session_state.contracts_df[pd.to_datetime(st.session_state.contracts_df['تاريخ الانتهاء']) > datetime.now()])
st.metric(label="العقود الجارية", value=active_contracts)
st.markdown("---")
# معلومات المستخدم
st.subheader("معلومات المستخدم")
st.write(f"**المستخدم:** {st.session_state.user_role}")
st.write(f"**تاريخ الدخول:** {datetime.now().strftime('%Y-%m-%d %H:%M')}")
st.markdown("---")
# معلومات النظام
st.caption("© 2024 جميع الحقوق محفوظة")
st.caption("فريق تطوير البرمجيات")
return selected_page
def render_header():
"""عرض رأس الصفحة"""
col1, col2, col3 = st.columns([2, 5, 2])
with col1:
st.write("## 📋")
with col2:
st.title("نظام WAHBi-AI-V2")
st.caption("منصة متكاملة لإدارة المناقصات والعقود مدعومة بالذكاء الاصطناعي")
with col3:
st.write(f"**التاريخ:** {datetime.now().strftime('%Y-%m-%d')}")
st.write(f"**المستخدم:** {st.session_state.user_role}")
st.markdown("---")
def home_page():
"""صفحة الرئيسية"""
# العنوان الرئيسي
st.markdown("<h1 style='text-align: center;'>نظام WAHBi-AI-V2 لإدارة المناقصات والعقود</h1>", unsafe_allow_html=True)
st.markdown("<p style='text-align: center; font-size: 1.2em;'>مدعوم بتقنيات الذكاء الاصطناعي والتحليل المتقدم</p>", unsafe_allow_html=True)
# مؤشرات الأداء الرئيسية
st.markdown("## 📊 مؤشرات الأداء الرئيسية")
col1, col2, col3, col4 = st.columns(4)
with col1:
active_tenders = len(st.session_state.tenders_df[st.session_state.tenders_df['الحالة'].isin(['جديدة', 'مفتوحة', 'قيد التقييم'])])
st.metric(
"المناقصات النشطة",
active_tenders,
"+3"
)
with col2:
active_contracts = len(st.session_state.contracts_df[pd.to_datetime(st.session_state.contracts_df['تاريخ الانتهاء']) > datetime.now()])
st.metric(
"العقود الجارية",
active_contracts,
"+1"
)
with col3:
avg_success = round(st.session_state.tenders_df['نسبة النجاح المتوقعة'].mean(), 1)
st.metric(
"متوسط نسبة النجاح المتوقعة",
f"{avg_success}%",
"+2.5%"
)
with col4:
avg_local_content = round(st.session_state.contracts_df['المحتوى المحلي'].mean(), 1)
st.metric(
"متوسط المحتوى المحلي",
f"{avg_local_content}%",
"+5.3%"
)
# رسوم بيانية
st.markdown("## 📈 تحليل البيانات")
tab1, tab2, tab3 = st.tabs(["📑 المناقصات", "📝 العقود", "⚠️ المخاطر"])
with tab1:
col1, col2 = st.columns(2)
with col1:
# توزيع المناقصات حسب الحالة
status_counts = st.session_state.tenders_df['الحالة'].value_counts().reset_index()
status_counts.columns = ['الحالة', 'العدد']
fig = px.pie(
status_counts,
values='العدد',
names='الحالة',
title='توزيع المناقصات حسب الحالة',
color_discrete_sequence=px.colors.qualitative.Bold
)
fig.update_layout(
title_font_size=20,
title_font_family="Tajawal",
title_x=0.5,
legend_title_font_size=16
)
st.plotly_chart(fig, use_container_width=True)
with col2:
# نسب النجاح المتوقعة للمناقصات النشطة
active_tenders = st.session_state.tenders_df[st.session_state.tenders_df['الحالة'].isin(['جديدة', 'مفتوحة', 'قيد التقييم'])]
active_tenders = active_tenders.sort_values('نسبة النجاح المتوقعة', ascending=False).head(8)
fig = px.bar(
active_tenders,
x='نسبة النجاح المتوقعة',
y='رقم المناقصة',
title='نسب النجاح المتوقعة للمناقصات النشطة',
color='نسبة النجاح المتوقعة',
color_continuous_scale='Viridis',
orientation='h'
)
fig.update_layout(
title_font_size=20,
title_font_family="Tajawal",
title_x=0.5,
yaxis={'categoryorder':'total ascending'}
)
st.plotly_chart(fig, use_container_width=True)
with tab2:
col1, col2 = st.columns(2)
with col1:
# توزيع قيم العقود
fig = px.histogram(
st.session_state.contracts_df,
x='القيمة',
nbins=10,
title='توزيع قيم العقود',
color_discrete_sequence=['#3498db']
)
fig.update_layout(
title_font_size=20,
title_font_family="Tajawal",
title_x=0.5,
xaxis_title="القيمة (ريال)",
yaxis_title="عدد العقود"
)
st.plotly_chart(fig, use_container_width=True)
with col2:
# نسب المحتوى المحلي
fig = px.scatter(
st.session_state.contracts_df,
x='القيمة',
y='المحتوى المحلي',
size='نسبة الإنجاز',
color='مستوى المخاطر',
hover_name='رقم العقد',
title='نسب المحتوى المحلي للعقود',
color_discrete_map={
'منخفض': '#2ecc71',
'متوسط': '#f39c12',
'عالي': '#e74c3c'
}
)
fig.update_layout(
title_font_size=20,
title_font_family="Tajawal",
title_x=0.5,
xaxis_title="القيمة (ريال)",
yaxis_title="نسبة المحتوى المحلي (%)"
)
st.plotly_chart(fig, use_container_width=True)
with tab3:
col1, col2 = st.columns(2)
with col1:
# مصفوفة المخاطر
risk_matrix = pd.crosstab(
st.session_state.risks_df['التأثير'],
st.session_state.risks_df['الاحتمالية'],
margins=False
)
# تحويل القيم إلى حرارية
risk_severity = {
('منخفض', 'منخفضة'): 1,
('منخفض', 'متوسطة'): 2,
('منخفض', 'عالية'): 3,
('متوسط', 'منخفضة'): 2,
('متوسط', 'متوسطة'): 4,
('متوسط', 'عالية'): 6,
('عالي', 'منخفضة'): 3,
('عالي', 'متوسطة'): 6,
('عالي', 'عالية'): 9,
('حرج', 'منخفضة'): 4,
('حرج', 'متوسطة'): 8,
('حرج', 'عالية'): 12
}
# تحضير بيانات المصفوفة
impact_order = ['منخفض', 'متوسط', 'عالي', 'حرج']
probability_order = ['منخفضة', 'متوسطة', 'عالية']
# إنشاء مصفوفة حرارية
heat_values = []
annotations = []
for impact in impact_order:
heat_row = []
for prob in probability_order:
try:
value = risk_matrix.loc[impact, prob]
except:
value = 0
heat_row.append(risk_severity.get((impact, prob), 0))
annotations.append(dict(
text=str(value),
x=prob,
y=impact,
showarrow=False
))
heat_values.append(heat_row)
# إنشاء الرسم البياني
fig = go.Figure(data=go.Heatmap(
z=heat_values,
x=probability_order,
y=impact_order,
colorscale=[
[0.0, "#2ecc71"], # أخضر للمخاطر المنخفضة
[0.33, "#f1c40f"], # أصفر للمخاطر المتوسطة
[0.66, "#e67e22"], # برتقالي للمخاطر العالية
[1.0, "#e74c3c"] # أحمر للمخاطر الحرجة
],
showscale=False
))
# إضافة النصوص
for annotation in annotations:
fig.add_annotation(annotation)
fig.update_layout(
title='مصفوفة المخاطر',
title_font_size=20,
title_font_family="Tajawal",
title_x=0.5,
xaxis_title="الاحتمالية",
yaxis_title="التأثير"
)
st.plotly_chart(fig, use_container_width=True)
with col2:
# توزيع المخاطر حسب استراتيجية المعالجة
treatment_counts = st.session_state.risks_df['المعالجة'].value_counts().reset_index()
treatment_counts.columns = ['المعالجة', 'العدد']
fig = px.bar(
treatment_counts,
x='المعالجة',
y='العدد',
title='استراتيجيات معالجة المخاطر',
color='المعالجة',
color_discrete_sequence=px.colors.qualitative.Pastel
)
fig.update_layout(
title_font_size=20,
title_font_family="Tajawal",
title_x=0.5,
xaxis_title="استراتيجية المعالجة",
yaxis_title="عدد المخاطر"
)
st.plotly_chart(fig, use_container_width=True)
# قسم المناقصات القادمة
st.markdown("## 📅 المناقصات القادمة للإغلاق")
upcoming_tenders = st.session_state.tenders_df[
(pd.to_datetime(st.session_state.tenders_df['تاريخ الإغلاق']) > datetime.now()) &
(pd.to_datetime(st.session_state.tenders_df['تاريخ الإغلاق']) <= datetime.now() + timedelta(days=14))
]
upcoming_tenders = upcoming_tenders.sort_values('تاريخ الإغلاق')
if not upcoming_tenders.empty:
# عرض المناقصات في جدول
upcoming_display = upcoming_tenders[['رقم المناقصة', 'العنوان', 'تاريخ الإغلاق', 'القيمة التقديرية', 'نسبة النجاح المتوقعة']]
upcoming_display['أيام متبقية'] = (pd.to_datetime(upcoming_display['تاريخ الإغلاق']) - datetime.now()).dt.days
upcoming_display['القيمة التقديرية'] = upcoming_display['القيمة التقديرية'].apply(lambda x: f"{x:,.0f} ريال")
upcoming_display['نسبة النجاح المتوقعة'] = upcoming_display['نسبة النجاح المتوقعة'].apply(lambda x: f"{x}%")
st.dataframe(
upcoming_display,
hide_index=True,
use_container_width=True
)
else:
st.info("لا توجد مناقصات ستغلق خلال الأسبوعين القادمين")
# قسم تحليل الذكاء الاصطناعي
st.markdown("## 🤖 تحليلات الذكاء الاصطناعي")
col1, col2 = st.columns(2)
with col1:
st.markdown("### التنبؤ بنجاح المناقصات")
st.markdown("""
تستخدم خوارزميات الذكاء الاصطناعي لتحليل البيانات التاريخية وتحديد العوامل المؤثرة في نجاح المناقصات.
يمكن للنظام التنبؤ بنسب النجاح المتوقعة للمناقصات الجديدة بناءً على خصائصها ومتطلباتها.
""")
if st.button("تحليل مناقصة جديدة", key="analyze_new_tender"):
with st.spinner("جاري تحليل المناقصة..."):
time.sleep(2) # محاكاة وقت المعالجة
st.success("تم التحليل بنجاح!")
st.info("نسبة النجاح المتوقعة للمناقصة: 78.5%")
st.markdown("""
**العوامل المؤثرة في النتيجة:**
- قدرة عالية على تلبية المتطلبات الفنية (+15%)
- توافق المنتج مع المعايير المطلوبة (+12%)
- خبرة سابقة مع نفس الجهة (+10%)
- المنافسة المتوقعة قوية (-7%)
""")
with col2:
st.markdown("### تحليل المتطلبات")
st.markdown("""
يقوم النظام بتحليل وثائق المتطلبات باستخدام تقنيات معالجة اللغة الطبيعية لاستخراج البنود المهمة والمخاطر المحتملة.
يساعد هذا التحليل في تقييم مدى تعقيد المتطلبات وتحديد النقاط التي تحتاج إلى اهتمام خاص.
""")
uploaded_file = st.file_uploader("رفع ملف متطلبات للتحليل", type=['pdf', 'docx', 'txt'])
if uploaded_file is not None:
with st.spinner("جاري تحليل المتطلبات..."):
time.sleep(3) # محاكاة وقت المعالجة
st.success("تم تحليل المتطلبات بنجاح!")
# عرض نتائج التحليل
col1, col2 = st.columns(2)
with col1:
st.metric("عدد المتطلبات", "27")
st.metric("المتطلبات الوظيفية", "19")
st.metric("المتطلبات غير الوظيفية", "8")
with col2:
st.metric("درجة التعقيد", "متوسطة")
st.metric("المخاطر المحتملة", "4")
st.metric("البنود الغامضة", "3")
def dashboard_page():
"""صفحة لوحة المؤشرات"""
st.markdown("# 📊 لوحة المؤشرات")
st.markdown("""
## لوحة مؤشرات الأداء الرئيسية
استخدم هذه اللوحة لمراقبة أداء المؤشرات الرئيسية للنظام واستعراض الإحصائيات والاتجاهات.
""")
# المؤشرات الرئيسية
col1, col2, col3, col4 = st.columns(4)
with col1:
avg_success = round(st.session_state.tenders_df['نسبة النجاح المتوقعة'].mean(), 1)
st.metric(
"متوسط نسبة النجاح",
f"{avg_success}%",
"+2.5%"
)
with col2:
avg_local_content = round(st.session_state.contracts_df['المحتوى المحلي'].mean(), 1)
st.metric(
"متوسط المحتوى المحلي",
f"{avg_local_content}%",
"+5.3%"
)
with col3:
active_contracts = len(st.session_state.contracts_df[pd.to_datetime(st.session_state.contracts_df['تاريخ الانتهاء']) > datetime.now()])
avg_contract_value = round(st.session_state.contracts_df['القيمة'].mean() / 1000000, 2)
st.metric(
"متوسط قيمة العقود",
f"{avg_contract_value} مليون",
"+0.8 مليون"
)
with col4:
high_risks = len(st.session_state.risks_df[st.session_state.risks_df['التأثير'].isin(['عالي', 'حرج']) & st.session_state.risks_df['الاحتمالية'].isin(['متوسطة', 'عالية'])])
st.metric(
"المخاطر العالية",
high_risks,
"-2"
)
# الرسوم البيانية الرئيسية
st.markdown("## تحليلات رئيسية")
col1, col2 = st.columns(2)
with col1:
# توزيع المناقصات حسب الحالة
status_counts = st.session_state.tenders_df['الحالة'].value_counts().reset_index()
status_counts.columns = ['الحالة', 'العدد']
fig = px.pie(
status_counts,
values='العدد',
names='الحالة',
title='توزيع المناقصات حسب الحالة',
color_discrete_sequence=px.colors.qualitative.Bold
)
fig.update_layout(
title_font_size=20,
title_font_family="Tajawal",
title_x=0.5,
legend_title_font_size=16
)
st.plotly_chart(fig, use_container_width=True)
with col2:
# تحليل المحتوى المحلي
local_df = st.session_state.local_content_df
fig = go.Figure()
fig.add_trace(go.Bar(
x=local_df['الفئة'],
y=local_df['النسبة الحالية'],
name='النسبة الحالية',
marker_color='#3498db'
))
fig.add_trace(go.Bar(
x=local_df['الفئة'],
y=local_df['النسبة المستهدفة'],
name='النسبة المستهدفة',
marker_color='#2ecc71'
))
fig.update_layout(
barmode='group',
title_text='تحليل المحتوى المحلي',
title_font_size=20,
title_font_family="Tajawal",
title_x=0.5,
xaxis_title="الفئة",
yaxis_title="النسبة المئوية (%)",
legend_title="النسبة",
height=400
)
st.plotly_chart(fig, use_container_width=True)
# تحليل المالي
st.markdown("## التحليل المالي والموازنة")
financial_df = st.session_state.financial_df
fig = go.Figure()
fig.add_trace(go.Scatter(
x=financial_df['الشهر'],
y=financial_df['المخطط'],
name='المخطط',
line=dict(color='#3498db', width=2)
))
fig.add_trace(go.Scatter(
x=financial_df['الشهر'],
y=financial_df['الفعلي'],
name='الفعلي',
line=dict(color='#e74c3c', width=2)
))
fig.update_layout(
title_text='مقارنة التكاليف المخططة والفعلية',
title_font_size=20,
title_font_family="Tajawal",
title_x=0.5,
xaxis_title="الشهر",
yaxis_title="التكلفة (ريال)",
legend_title="النوع",
height=400
)
st.plotly_chart(fig, use_container_width=True)
# المشاريع القادمة
st.markdown("## المشاريع والمناقصات القادمة")
upcoming_tenders = st.session_state.tenders_df[
(pd.to_datetime(st.session_state.tenders_df['تاريخ الإغلاق']) > datetime.now()) &
(pd.to_datetime(st.session_state.tenders_df['تاريخ الإغلاق']) <= datetime.now() + timedelta(days=30))
]
if not upcoming_tenders.empty:
upcoming_display = upcoming_tenders[['رقم المناقصة', 'العنوان', 'تاريخ الإغلاق', 'القيمة التقديرية', 'نسبة النجاح المتوقعة']]
upcoming_display['أيام متبقية'] = (pd.to_datetime(upcoming_display['تاريخ الإغلاق']) - datetime.now()).dt.days
upcoming_display['القيمة التقديرية'] = upcoming_display['القيمة التقديرية'].apply(lambda x: f"{x:,.0f} ريال")
upcoming_display['نسبة النجاح المتوقعة'] = upcoming_display['نسبة النجاح المتوقعة'].apply(lambda x: f"{x}%")
st.dataframe(upcoming_display, hide_index=True, use_container_width=True)
else:
st.info("لا توجد مناقصات قادمة خلال الثلاثين يوماً القادمة.")
def procurement_page():
"""صفحة المناقصات والعقود"""
st.markdown("# 📑 المناقصات والعقود")
tab1, tab2 = st.tabs(["المناقصات", "العقود"])
with tab1:
st.markdown("## إدارة المناقصات")
# أزرار الإجراءات
col1, col2, col3, col4 = st.columns(4)
with col1:
if st.button("🆕 إضافة مناقصة جديدة"):
st.session_state.show_add_tender = True
with col2:
st.button("🔍 بحث متقدم")
with col3:
st.button("📊 تصدير التقرير")
with col4:
st.button("🔄 تحديث البيانات")
# عرض جدول المناقصات
st.markdown("### قائمة المناقصات")
# فلاتر
col1, col2, col3 = st.columns(3)
with col1:
status_filter = st.multiselect(
"الحالة:",
["الكل"] + list(st.session_state.tenders_df['الحالة'].unique()),
default=["الكل"]
)
with col2:
date_range = st.date_input(
"تاريخ الإعلان:",
value=(
(datetime.now() - timedelta(days=60)).date(),
datetime.now().date()
)
)
with col3:
min_value, max_value = st.slider(
"القيمة التقديرية (ريال):",
0,
int(st.session_state.tenders_df['القيمة التقديرية'].max()),
(0, int(st.session_state.tenders_df['القيمة التقديرية'].max())),
step=100000
)
# تطبيق الفلاتر
filtered_df = st.session_state.tenders_df.copy()
# فلتر الحالة
if "الكل" not in status_filter:
filtered_df = filtered_df[filtered_df['الحالة'].isin(status_filter)]
# فلتر التاريخ
filtered_df = filtered_df[
(pd.to_datetime(filtered_df['تاريخ الإعلان']) >= pd.Timestamp(date_range[0])) &
(pd.to_datetime(filtered_df['تاريخ الإعلان']) <= pd.Timestamp(date_range[1]))
]
# فلتر القيمة
filtered_df = filtered_df[
(filtered_df['القيمة التقديرية'] >= min_value) &
(filtered_df['القيمة التقديرية'] <= max_value)
]
# عرض الجدول
st.dataframe(
filtered_df,
use_container_width=True,
hide_index=True
)
# نموذج إضافة مناقصة جديدة
if 'show_add_tender' in st.session_state and st.session_state.show_add_tender:
st.markdown("### إضافة مناقصة جديدة")
with st.form("add_tender_form"):
col1, col2 = st.columns(2)
with col1:
tender_id = st.text_input("رقم المناقصة", f"RFP-2024-{len(st.session_state.tenders_df) + 1:03d}")
title = st.text_input("عنوان المناقصة", "")
start_date = st.date_input("تاريخ الإعلان", datetime.now())
with col2:
end_date = st.date_input("تاريخ الإغلاق", datetime.now() + timedelta(days=30))
estimated_value = st.number_input("القيمة التقديرية", min_value=0, value=1000000, step=100000)
status = st.selectbox("الحالة", ["جديدة", "مفتوحة", "قيد التقييم", "معلقة", "مغلقة", "ملغاة"])
submitted = st.form_submit_button("حفظ المناقصة")
cancel = st.form_submit_button("إلغاء")
if submitted:
st.success("تم إضافة المناقصة بنجاح")
st.session_state.show_add_tender = False
if cancel:
st.session_state.show_add_tender = False
with tab2:
st.markdown("## إدارة العقود")
# أزرار الإجراءات
col1, col2, col3, col4 = st.columns(4)
with col1:
st.button("🆕 إضافة عقد جديد")
with col2:
st.button("🔍 بحث متقدم", key="search_contracts")
with col3:
st.button("📊 تصدير التقرير", key="export_contracts")
with col4:
st.button("🔄 تحديث البيانات", key="refresh_contracts")
# عرض جدول العقود
st.markdown("### قائمة العقود")
# فلاتر
col1, col2 = st.columns(2)
with col1:
risk_filter = st.multiselect(
"مستوى المخاطر:",
["الكل"] + list(st.session_state.contracts_df['مستوى المخاطر'].unique()),
default=["الكل"]
)
with col2:
local_content_range = st.slider(
"نسبة المحتوى المحلي (%):",
0, 100,
(0, 100),
step=10
)
# تطبيق الفلاتر
filtered_df = st.session_state.contracts_df.copy()
# فلتر مستوى المخاطر
if "الكل" not in risk_filter:
filtered_df = filtered_df[filtered_df['مستوى المخاطر'].isin(risk_filter)]
# فلتر المحتوى المحلي
filtered_df = filtered_df[
(filtered_df['المحتوى المحلي'] >= local_content_range[0]) &
(filtered_df['المحتوى المحلي'] <= local_content_range[1])
]
# عرض الجدول
st.dataframe(
filtered_df,
use_container_width=True,
hide_index=True
)
def requirements_analysis_page():
"""صفحة تحليل المتطلبات"""
st.markdown("# 🔍 تحليل المتطلبات")
st.markdown("""
## نظام تحليل المتطلبات بالذكاء الاصطناعي
يقوم هذا النظام بتحليل وثائق المتطلبات باستخدام تقنيات معالجة اللغة الطبيعية والذكاء الاصطناعي لاستخراج:
- المتطلبات الوظيفية وغير الوظيفية
- التبعيات بين المتطلبات
- المخاطر المحتملة
- الشروط والقيود
- تقدير الجهد والتكلفة
""")
col1, col2 = st.columns(2)
with col1:
st.markdown("### تحميل وثائق المتطلبات")
uploaded_file = st.file_uploader("اختر ملف", type=['pdf', 'docx', 'txt'])
if uploaded_file is not None:
st.success(f"تم تحميل الملف: {uploaded_file.name}")
if st.button("بدء التحليل"):
with st.spinner("جاري تحليل المتطلبات..."):
time.sleep(3) # محاكاة وقت المعالجة
st.success("تم تحليل المستند بنجاح!")
# عرض نتائج التحليل في الجانب الآخر
st.session_state.show_analysis_results = True
with col2:
if 'show_analysis_results' in st.session_state and st.session_state.show_analysis_results:
st.markdown("### نتائج التحليل")
tab1, tab2, tab3 = st.tabs(["ملخص", "المتطلبات المستخرجة", "المخاطر"])
with tab1:
col1, col2 = st.columns(2)
with col1:
st.metric("إجمالي المتطلبات", "34")
st.metric("المتطلبات الوظيفية", "26")
st.metric("المتطلبات غير الوظيفية", "8")
with col2:
st.metric("تقدير الجهد", "87 يوم عمل")
st.metric("التكلفة التقديرية", "435,000 ريال")
st.metric("درجة التعقيد", "متوسطة")
with tab2:
requirements_demo = pd.DataFrame({
"المعرف": [f"REQ-{i:03d}" for i in range(1, 11)],
"النوع": ["وظيفي", "وظيفي", "غير وظيفي", "وظيفي", "وظيفي", "غير وظيفي", "وظيفي", "وظيفي", "غير وظيفي", "وظيفي"],
"الوصف": [
"يجب أن يوفر النظام واجهة لإدارة المستخدمين",
"يجب أن يتيح النظام إمكانية إضافة مناقصات جديدة",
"يجب أن يدعم النظام اللغة العربية",
"يجب أن يوفر النظام تقارير عن حالة المناقصات",
"يجب أن يقوم النظام بحساب نسبة المحتوى المحلي",
"يجب أن يستجيب النظام في أقل من 3 ثواني",
"يجب أن يدعم النظام تحميل المستندات",
"يجب أن يوفر النظام واجهة لإدارة العقود",
"يجب أن يعمل النظام على متصفحات الويب الحديثة",
"يجب أن يوفر النظام نظام تنبيهات للمواعيد النهائية"
],
"الأولوية": ["عالية", "عالية", "متوسطة", "عالية", "عالية", "منخفضة", "متوسطة", "عالية", "متوسطة", "متوسطة"],
"التعقيد": ["متوسط", "بسيط", "بسيط", "متوسط", "معقد", "بسيط", "متوسط", "معقد", "بسيط", "متوسط"]
})
st.dataframe(requirements_demo, use_container_width=True, hide_index=True)
with tab3:
risks_demo = pd.DataFrame({
"المعرف": [f"RISK-{i:03d}" for i in range(1, 6)],
"الوصف": [
"غموض في متطلبات حساب المحتوى المحلي",
"تعارض بين متطلبات الأداء والوظائف المطلوبة",
"عدم وضوح آلية تكامل النظام مع الأنظمة الخارجية",
"تعقيد في متطلبات التقارير",
"متطلبات أمنية غير محددة بوضوح"
],
"المتطلبات المتأثرة": [
"REQ-005",
"REQ-006, REQ-003",
"REQ-010",
"REQ-004",
"REQ-001, REQ-007"
],
"الخطورة": ["عالية", "متوسطة", "عالية", "متوسطة", "عالية"],
"التوصية": [
"طلب توضيح تفصيلي من العميل",
"إعادة تحديد أولويات المتطلبات",
"عقد ورشة عمل للتكامل",
"طلب نماذج للتقارير المطلوبة",
"إضافة متطلبات أمنية تفصيلية"
]
})
st.dataframe(risks_demo, use_container_width=True, hide_index=True)
else:
st.markdown("### ملخص المتطلبات")
st.info("قم بتحميل ملف المتطلبات وبدء التحليل لعرض النتائج هنا")
def supply_chain_page():
"""صفحة تخطيط سلسلة التوريد"""
st.markdown("# 🔄 تخطيط سلسلة التوريد")
tab1, tab2, tab3 = st.tabs(["تحليل المحتوى المحلي", "إدارة الموردين", "التخطيط للمشتريات"])
with tab1:
st.markdown("## تحليل وتحسين المحتوى المحلي")
col1, col2 = st.columns(2)
with col1:
st.markdown("### نسب المحتوى المحلي حسب الفئة")
# الرسم البياني
fig = go.Figure()
local_df = st.session_state.local_content_df
# إضافة الأعمدة
fig.add_trace(go.Bar(
x=local_df['الفئة'],
y=local_df['النسبة الحالية'],
name='النسبة الحالية',
marker_color='#3498db'
))
fig.add_trace(go.Bar(
x=local_df['الفئة'],
y=local_df['النسبة المستهدفة'],
name='النسبة المستهدفة',
marker_color='#2ecc71'
))
# تخصيص الرسم البياني
fig.update_layout(
barmode='group',
title_text='مقارنة المحتوى المحلي الحالي والمستهدف',
title_font_size=16,
xaxis_title="الفئة",
yaxis_title="النسبة المئوية (%)",
legend_title="النسبة",
height=400
)
st.plotly_chart(fig, use_container_width=True)
with col2:
st.markdown("### فرص تحسين المحتوى المحلي")
for i, row in local_df.iterrows():
gap = row['النسبة المستهدفة'] - row['النسبة الحالية']
if gap > 5:
st.markdown(f"""
**تحسين {row['الفئة']}**
- الفجوة الحالية: {gap:.1f}%
- التغير السنوي: {row['التغير السنوي']}
- توصية: زيادة الاعتماد على الموردين المحليين في هذه الفئة
""")
st.markdown("### تقدير التأثير الاقتصادي")
st.metric(
"القيمة المضافة المحلية المتوقعة",
"3.2 مليون ريال",
"+12.5%"
)
with tab2:
st.markdown("## إدارة الموردين")
# أزرار الإجراءات
col1, col2, col3 = st.columns(3)
with col1:
st.button("إضافة مورد جديد")
with col2:
st.button("تصدير قائمة الموردين")
with col3:
st.button("تقييم الموردين")
# بيانات الموردين التوضيحية
suppliers_data = {
"اسم المورد": [
"شركة التقنية المتطورة", "مؤسسة الحلول الذكية", "شركة الخدمات المتكاملة",
"مجموعة الإبداع التقني", "شركة التطوير الرقمي", "مؤسسة الجودة الشاملة",
"شركة الاتصالات المتقدمة", "مؤسسة البناء الحديث"
],
"التصنيف": [
"محلي", "محلي", "أجنبي",
"محلي", "محلي مشترك", "محلي",
"أجنبي", "محلي"
],
"المنتجات/الخدمات": [
"أنظمة تقنية", "خدمات استشارية", "معدات وأجهزة",
"برمجيات", "حلول تقنية", "خدمات صيانة",
"أنظمة اتصالات", "إنشاءات"
],
"درجة التقييم": [
"A", "A", "B",
"B", "A", "C",
"B", "A"
],
"المحتوى المحلي": [
"87%", "92%", "34%",
"79%", "63%", "95%",
"28%", "91%"
],
"تاريخ آخر تعامل": [
"2024-01-15", "2024-02-20", "2023-11-05",
"2024-03-10", "2024-02-25", "2023-09-18",
"2024-01-30", "2024-03-05"
]
}
suppliers_df = pd.DataFrame(suppliers_data)
# تصفية البيانات
local_filter = st.multiselect(
"التصنيف:",
["الكل"] + list(suppliers_df['التصنيف'].unique()),
default=["الكل"]
)
filtered_suppliers = suppliers_df.copy()
if "الكل" not in local_filter:
filtered_suppliers = filtered_suppliers[filtered_suppliers['التصنيف'].isin(local_filter)]
# عرض الجدول
st.dataframe(filtered_suppliers, use_container_width=True, hide_index=True)
with tab3:
st.markdown("## التخطيط للمشتريات")
st.markdown("""
### التخطيط الاستراتيجي للمشتريات
استخدم هذا القسم لتخطيط المشتريات المستقبلية وتحليل الاحتياجات وفرص توفير التكاليف.
""")
col1, col2 = st.columns(2)
with col1:
st.markdown("### توزيع المشتريات حسب الفئة")
categories = ["أجهزة ومعدات", "خدمات استشارية", "برمجيات", "خدمات صيانة", "مستلزمات مكتبية"]
values = [45, 25, 15, 10, 5]
fig = px.pie(
names=categories,
values=values,
title="توزيع المشتريات حسب الفئة",
color_discrete_sequence=px.colors.qualitative.Pastel
)
fig.update_layout(
title_font_size=16,
legend_title=""
)
st.plotly_chart(fig, use_container_width=True)
with col2:
st.markdown("### التكاليف الشهرية المتوقعة")
# بيانات مالية توضيحية
financial_df = st.session_state.financial_df
# تحويل البيانات المالية إلى صيغة مناسبة للرسم البياني
fig = go.Figure()
fig.add_trace(go.Scatter(
x=financial_df['الشهر'],
y=financial_df['المخطط'],
name='المخطط',
line=dict(color='#3498db', width=2)
))
fig.add_trace(go.Scatter(
x=financial_df['الشهر'],
y=financial_df['الفعلي'],
name='الفعلي',
line=dict(color='#e74c3c', width=2)
))
fig.update_layout(
title_text='مقارنة التكاليف المخططة والفعلية',
title_font_size=16,
xaxis_title="الشهر",
yaxis_title="التكلفة (ريال)",
legend_title="النوع",
height=400
)
st.plotly_chart(fig, use_container_width=True)
def risk_analysis_page():
"""صفحة تحليل المخاطر"""
st.markdown("# ⚠️ تحليل المخاطر")
st.markdown("""
## نظام تحليل وإدارة المخاطر
يقوم هذا النظام بتحديد وتقييم وإدارة المخاطر المرتبطة بالمناقصات والعقود.
يمكنك من خلاله تحليل المخاطر المختلفة وتحديد استراتيجيات الاستجابة المناسبة.
""")
col1, col2 = st.columns([1, 2])
with col1:
st.markdown("### تصنيف المخاطر")
risk_options = [
"مخاطر قانونية",
"مخاطر مالية",
"مخاطر تشغيلية",
"مخاطر فنية",
"مخاطر تعاقدية",
"مخاطر خارجية"
]
selected_risk = st.radio("اختر نوع المخاطر:", risk_options)
st.markdown("### تحليل ذكي")
if st.button("تحليل المخاطر بالذكاء الاصطناعي"):
with st.spinner("جاري التحليل..."):
time.sleep(2)
st.success("تم التحليل بنجاح!")
ai_results = {
"مخاطر قانونية": """
- احتمالية عالية لتغير اللوائح التنظيمية خلال فترة المشروع
- مخاطر متوسطة لوجود ثغرات في صياغة العقد
- مخاطر منخفضة لنزاعات قضائية
""",
"مخاطر مالية": """
- مخاطر عالية لتقلبات أسعار المواد الخام
- مخاطر متوسطة لتغير أسعار الصرف
- مخاطر عالية للتأخر في السداد
""",
"مخاطر تشغيلية": """
- مخاطر متوسطة لتأخر جدول المشروع
- مخاطر عالية لنقص الكوادر المؤهلة
- مخاطر منخفضة للأعطال التقنية
""",
"مخاطر فنية": """
- مخاطر عالية لعدم وضوح المتطلبات الفنية
- مخاطر متوسطة لتعارض تقني مع أنظمة قائمة
- مخاطر منخفضة لأداء النظام
""",
"مخاطر تعاقدية": """
- مخاطر عالية لغموض نطاق العمل
- مخاطر متوسطة لتغيير متطلبات العميل
- مخاطر متوسطة لمعايير القبول
""",
"مخاطر خارجية": """
- مخاطر منخفضة للعوامل البيئية
- مخاطر متوسطة للعوامل السياسية
- مخاطر منخفضة للكوارث الطبيعية
"""
}
st.info(ai_results[selected_risk])
with col2:
st.markdown("### سجل المخاطر")
# عرض جدول المخاطر
st.dataframe(
st.session_state.risks_df,
use_container_width=True,
hide_index=True
)
# مصفوفة المخاطر
st.markdown("### مصفوفة المخاطر")
risk_matrix = pd.crosstab(
st.session_state.risks_df['التأثير'],
st.session_state.risks_df['الاحتمالية'],
margins=False
)
# تحويل القيم إلى حرارية
risk_severity = {
('منخفض', 'منخفضة'): 1,
('منخفض', 'متوسطة'): 2,
('منخفض', 'عالية'): 3,
('متوسط', 'منخفضة'): 2,
('متوسط', 'متوسطة'): 4,
('متوسط', 'عالية'): 6,
('عالي', 'منخفضة'): 3,
('عالي', 'متوسطة'): 6,
('عالي', 'عالية'): 9,
('حرج', 'منخفضة'): 4,
('حرج', 'متوسطة'): 8,
('حرج', 'عالية'): 12
}
# تحضير بيانات المصفوفة
impact_order = ['منخفض', 'متوسط', 'عالي', 'حرج']
probability_order = ['منخفضة', 'متوسطة', 'عالية']
# إنشاء مصفوفة حرارية
heat_values = []
annotations = []
for impact in impact_order:
heat_row = []
for prob in probability_order:
try:
value = risk_matrix.loc[impact, prob]
except:
value = 0
heat_row.append(risk_severity.get((impact, prob), 0))
annotations.append(dict(
text=str(value),
x=prob,
y=impact,
showarrow=False
))
heat_values.append(heat_row)
# إنشاء الرسم البياني
fig = go.Figure(data=go.Heatmap(
z=heat_values,
x=probability_order,
y=impact_order,
colorscale=[
[0.0, "#2ecc71"], # أخضر للمخاطر المنخفضة
[0.33, "#f1c40f"], # أصفر للمخاطر المتوسطة
[0.66, "#e67e22"], # برتقالي للمخاطر العالية
[1.0, "#e74c3c"] # أحمر للمخاطر الحرجة
],
showscale=False
))
# إضافة النصوص
for annotation in annotations:
fig.add_annotation(annotation)
fig.update_layout(
title_font_size=16,
title_x=0.5,
xaxis_title="الاحتمالية",
yaxis_title="التأثير"
)
st.plotly_chart(fig, use_container_width=True)
def local_content_page():
"""صفحة المحتوى المحلي"""
st.markdown("# 🏠 المحتوى المحلي")
st.markdown("""
## قياس وتحسين المحتوى المحلي
يتيح النظام إمكانية قياس نسبة المحتوى المحلي في المشاريع والمناقصات وتحديد فرص التحسين.
""")
tab1, tab2 = st.tabs(["تحليل المحتوى المحلي", "فرص التحسين"])
with tab1:
# تحليل المحتوى المحلي حسب الفئة
local_df = st.session_state.local_content_df
col1, col2 = st.columns([2, 1])
with col1:
fig = go.Figure()
fig.add_trace(go.Bar(
x=local_df['الفئة'],
y=local_df['النسبة الحالية'],
name='النسبة الحالية',
marker_color='#3498db'
))
fig.add_trace(go.Bar(
x=local_df['الفئة'],
y=local_df['النسبة المستهدفة'],
name='النسبة المستهدفة',
marker_color='#2ecc71'
))
fig.update_layout(
barmode='group',
title_text='تحليل المحتوى المحلي حسب الفئة',
title_font_size=20,
title_x=0.5,
xaxis_title="الفئة",
yaxis_title="النسبة المئوية (%)",
legend_title="النسبة"
)
st.plotly_chart(fig, use_container_width=True)
with col2:
total_current = local_df['النسبة الحالية'].mean()
total_target = local_df['النسبة المستهدفة'].mean()
gap = total_target - total_current
st.markdown("### المحتوى المحلي الإجمالي")
st.metric(
"النسبة الحالية",
f"{total_current:.1f}%",
delta=None
)
st.metric(
"النسبة المستهدفة",
f"{total_target:.1f}%",
delta=None
)
st.metric(
"الفجوة",
f"{gap:.1f}%",
delta=None
)
# تحليل المحتوى المحلي حسب العقود
st.markdown("### تحليل المحتوى المحلي في العقود")
sorted_contracts = st.session_state.contracts_df.sort_values('المحتوى المحلي', ascending=False)
fig = px.bar(
sorted_contracts.head(10),
x='رقم العقد',
y='المحتوى المحلي',
color='المحتوى المحلي',
color_continuous_scale=px.colors.sequential.Viridis,
title="أعلى 10 عقود من حيث المحتوى المحلي"
)
fig.update_layout(
title_font_size=16,
title_x=0.5,
xaxis_title="رقم العقد",
yaxis_title="نسبة المحتوى المحلي (%)"
)
st.plotly_chart(fig, use_container_width=True)
with tab2:
st.markdown("### فرص تحسين المحتوى المحلي")
col1, col2 = st.columns(2)
with col1:
st.markdown("""
#### مجالات التحسين
1. **توظيف الكوادر المحلية**
- توظيف مهندسين محليين
- التعاقد مع خبراء محليين للاستشارات
- برامج تدريب للكوادر المحلية
2. **شراء المواد والمعدات المحلية**
- تفضيل الموردين المحليين
- دعم المصنعين المحليين
- تطوير سلاسل التوريد المحلية
3. **نقل التقنية**
- توطين التقنيات الحديثة
- تطوير الخبرات المحلية
- الشراكة مع الجامعات المحلية
""")
with col2:
st.markdown("### أكبر الفجوات في المحتوى المحلي")
# البيانات
categories = []
gaps = []
for i, row in local_df.iterrows():
gap = row['النسبة المستهدفة'] - row['النسبة الحالية']
categories.append(row['الفئة'])
gaps.append(gap)
# ترتيب البيانات
gap_df = pd.DataFrame({
'الفئة': categories,
'الفجوة': gaps
})
sorted_gap_df = gap_df.sort_values('الفجوة', ascending=False)
fig = px.bar(
sorted_gap_df,
x='الفئة',
y='الفجوة',
color='الفجوة',
color_continuous_scale=px.colors.sequential.Reds,
title="الفجوات في المحتوى المحلي حسب الفئة"
)
fig.update_layout(
title_font_size=16,
title_x=0.5,
xaxis_title="الفئة",
yaxis_title="الفجوة (%)"
)
st.plotly_chart(fig, use_container_width=True)
def success_prediction_page():
"""صفحة توقع احتمالية النجاح"""
st.markdown("# 🎯 توقع احتمالية النجاح")
st.markdown("""
## نظام التنبؤ بنجاح المناقصات
يستخدم هذا النظام خوارزميات الذكاء الاصطناعي لتحليل عوامل نجاح المناقصات وتوقع احتمالية الفوز بها.
""")
col1, col2 = st.columns([1, 2])
with col1:
st.markdown("### تحليل مناقصة جديدة")
with st.form("prediction_form"):
tender_type = st.selectbox(
"نوع المناقصة:",
["مناقصة عامة", "مناقصة محدودة", "منافسة محدودة", "شراء مباشر"]
)
tender_sector = st.selectbox(
"القطاع:",
["حكومي", "شبه حكومي", "خاص"]
)
tender_value = st.number_input(
"القيمة التقديرية (ريال):",
min_value=100000,
max_value=100000000,
value=1000000,
step=100000
)
competitors_count = st.slider(
"عدد المنافسين المتوقع:",
min_value=1,
max_value=20,
value=5
)
technical_weight = st.slider(
"وزن التقييم الفني (%):",
min_value=0,
max_value=100,
value=60
)
previous_experience = st.checkbox("خبرة سابقة مع نفس الجهة")
local_content_value = st.slider(
"نسبة المحتوى المحلي المقدمة (%):",
min_value=0,
max_value=100,
value=65
)
submit_button = st.form_submit_button("توقع احتمالية النجاح")
if submit_button:
with st.spinner("جاري تحليل المناقصة..."):
time.sleep(2) # محاكاة وقت المعالجة
# حساب احتمالية النجاح (محاكاة)
base_probability = 70 # احتمالية أساسية
# العوامل المؤثرة
factors = {}
# نوع المناقصة
if tender_type == "مناقصة عامة":
factors["نوع المناقصة"] = -5 # منافسة أكبر
elif tender_type == "مناقصة محدودة":
factors["نوع المناقصة"] = 5
elif tender_type == "منافسة محدودة":
factors["نوع المناقصة"] = 10
else: # شراء مباشر
factors["نوع المناقصة"] = 15
# القطاع
if tender_sector == "حكومي":
factors["القطاع"] = 0
elif tender_sector == "شبه حكومي":
factors["القطاع"] = 5
else: # خاص
factors["القطاع"] = -5
# القيمة التقديرية
if tender_value < 500000:
factors["القيمة"] = 5
elif tender_value < 2000000:
factors["القيمة"] = 0
elif tender_value < 10000000:
factors["القيمة"] = -5
else:
factors["القيمة"] = -10
# عدد المنافسين
if competitors_count <= 3:
factors["المنافسين"] = 10
elif competitors_count <= 7:
factors["المنافسين"] = 0
else:
factors["المنافسين"] = -10
# وزن التقييم الفني
if technical_weight >= 70:
factors["التقييم الفني"] = 10
elif technical_weight >= 50:
factors["التقييم الفني"] = 5
else:
factors["التقييم الفني"] = 0
# خبرة سابقة
if previous_experience:
factors["خبرة سابقة"] = 15
else:
factors["خبرة سابقة"] = 0
# المحتوى المحلي
if local_content_value >= 80:
factors["المحتوى المحلي"] = 10
elif local_content_value >= 60:
factors["المحتوى المحلي"] = 5
elif local_content_value >= 40:
factors["المحتوى المحلي"] = 0
else:
factors["المحتوى المحلي"] = -5
# حساب الاحتمالية النهائية
final_probability = base_probability + sum(factors.values())
# تعديل النتيجة ضمن النطاق المقبول
final_probability = max(min(final_probability, 99), 1)
# عرض النتيجة
st.success(f"احتمالية النجاح في المناقصة: {final_probability}%")
# عرض تفاصيل التحليل
st.markdown("### تفاصيل التحليل")
for factor, value in factors.items():
icon = "🔼" if value > 0 else "🔽" if value < 0 else "◀▶"
st.text(f"{icon} {factor}: {value:+d}%")
with col2:
st.markdown("### العوامل المؤثرة في نجاح المناقصات")
# بيانات توضيحية للعوامل المؤثرة
factors_df = pd.DataFrame({
"العامل": [
"المحتوى المحلي",
"السعر التنافسي",
"الخبرة السابقة",
"الحلول التقنية",
"القدرات الفنية",
"سرعة التنفيذ",
"جودة المقترح الفني",
"الامتثال للمتطلبات"
],
"تأثير إيجابي": [
0.85, 0.78, 0.72, 0.65, 0.62, 0.58, 0.52, 0.48
]
})
fig = px.bar(
factors_df,
x="تأثير إيجابي",
y="العامل",
orientation='h',
color="تأثير إيجابي",
color_continuous_scale=px.colors.sequential.Viridis,
title="تأثير العوامل المختلفة على احتمالية النجاح"
)
fig.update_layout(
title_font_size=16,
title_x=0.5,
xaxis_title="مستوى التأثير الإيجابي",
yaxis_title=""
)
st.plotly_chart(fig, use_container_width=True)
st.markdown("### إحصائيات المناقصات السابقة")
# بيانات توضيحية للمناقصات السابقة
historical_df = pd.DataFrame({
"الشهر": [
"يناير", "فبراير", "مارس", "أبريل", "مايو",
"يونيو", "يوليو", "أغسطس", "سبتمبر", "أكتوبر"
],
"عدد المناقصات": [5, 7, 4, 6, 9, 8, 6, 7, 10, 8],
"معدل النجاح": [0.6, 0.57, 0.75, 0.67, 0.44, 0.5, 0.67, 0.71, 0.6, 0.75]
})
fig = make_subplots(specs=[[{"secondary_y": True}]])
fig.add_trace(
go.Bar(
x=historical_df["الشهر"],
y=historical_df["عدد المناقصات"],
name="عدد المناقصات",
marker_color="#3498db"
),
secondary_y=False
)
fig.add_trace(
go.Scatter(
x=historical_df["الشهر"],
y=historical_df["معدل النجاح"],
name="معدل النجاح",
mode="lines+markers",
marker_color="#e74c3c",
line=dict(width=3)
),
secondary_y=True
)
fig.update_layout(
title_text="إحصائيات المناقصات السابقة",
title_font_size=16,
title_x=0.5,
legend_title="",
xaxis_title="الشهر"
)
fig.update_yaxes(title_text="عدد المناقصات", secondary_y=False)
fig.update_yaxes(title_text="معدل النجاح", secondary_y=True)
st.plotly_chart(fig, use_container_width=True)
def settings_page():
"""صفحة الإعدادات"""
st.markdown("# ⚙️ الإعدادات")
st.markdown("""
## إعدادات النظام
يمكنك من خلال هذه الصفحة تخصيص إعدادات النظام بما يتناسب مع احتياجاتك.
""")
tab1, tab2, tab3 = st.tabs(["إعدادات عامة", "إعدادات الحساب", "الدعم والمساعدة"])
with tab1:
st.markdown("### الإعدادات العامة")
st.markdown("#### إعدادات اللغة")
lang = st.radio(
"اللغة الافتراضية للنظام:",
["العربية", "English"],
index=0
)
st.markdown("#### إعدادات العرض")
theme = st.selectbox(
"السمة:",
["السمة الافتراضية", "الوضع الداكن", "الوضع الفاتح"],
index=0
)
st.markdown("#### إعدادات الإشعارات")
st.checkbox("تفعيل الإشعارات داخل النظام", value=True)
st.checkbox("تفعيل الإشعارات عبر البريد الإلكتروني", value=True)
if st.button("حفظ الإعدادات العامة"):
st.success("تم حفظ الإعدادات بنجاح")
with tab2:
st.markdown("### إعدادات الحساب")
st.markdown("#### البيانات الشخصية")
col1, col2 = st.columns(2)
with col1:
st.text_input("الاسم:", value="محمد أحمد")
st.text_input("البريد الإلكتروني:", value="[email protected]")
with col2:
st.text_input("المسمى الوظيفي:", value="مدير مشاريع")
st.text_input("رقم الهاتف:", value="0555555555")
st.markdown("#### تغيير كلمة المرور")
st.password_input("كلمة المرور الحالية:")
st.password_input("كلمة المرور الجديدة:")
st.password_input("تأكيد كلمة المرور الجديدة:")
if st.button("تحديث البيانات"):
st.success("تم تحديث البيانات بنجاح")
st.markdown("#### إعدادات الأمان")
st.checkbox("تفعيل المصادقة الثنائية", value=False)
with tab3:
st.markdown("### الدعم والمساعدة")
st.markdown("""
#### كيفية استخدام النظام
يوفر النظام مجموعة من الأدوات والتحليلات التي تساعدك في إدارة المناقصات والعقود وتحليل المخاطر.
يمكنك الاطلاع على دليل الاستخدام للحصول على شرح تفصيلي لكافة الوظائف.
""")
st.download_button(
"تحميل دليل الاستخدام",
data="محتوى دليل الاستخدام",
file_name="user_guide.pdf",
mime="application/pdf"
)
st.markdown("#### التواصل مع الدعم الفني")
with st.form("support_form"):
st.text_input("العنوان:")
st.text_area("الرسالة:")
st.selectbox(
"نوع المشكلة:",
["استفسار عام", "مشكلة فنية", "اقتراح تحسين", "أخرى"]
)
st.file_uploader("إرفاق ملف (اختياري):")
submit_support = st.form_submit_button("إرسال")
if submit_support:
st.success("تم إرسال رسالتك بنجاح، سيتم التواصل معك قريباً")
def about_page():
"""صفحة حول النظام"""
st.markdown("# ℹ️ حول النظام")
st.markdown("""
## نظام إدارة المناقصات والعقود
### نبذة عن النظام
نظام متكامل لإدارة المناقصات والعقود يعتمد على أحدث التقنيات والذكاء الاصطناعي لتحسين كفاءة العمليات وزيادة فرص النجاح.
يوفر النظام مجموعة من الأدوات والتحليلات التي تساعد في اتخاذ القرارات وإدارة المخاطر وتحسين المحتوى المحلي.
### المميزات الرئيسية
* إدارة المناقصات والفرص التجارية
* تحليل وإدارة المخاطر
* قياس وتحسين المحتوى المحلي
* توقع احتمالية النجاح في المناقصات
* إدارة وتحليل العقود
* تخطيط سلسلة التوريد
* تحليل المتطلبات
### فريق التطوير
تم تطوير هذا النظام بواسطة فريق من الخبراء المتخصصين في مجالات البرمجة والذكاء الاصطناعي وإدارة المشاريع والعقود.
### التواصل
للمزيد من المعلومات أو الاستفسارات، يرجى التواصل عبر:
* البريد الإلكتروني: [email protected]
* رقم الهاتف: 0123456789
""")
col1, col2, col3 = st.columns(3)
with col1:
st.info("إصدار النظام: 1.0.0")
with col2:
st.info("تاريخ الإطلاق: 2024/03/15")
with col3:
st.info("آخر تحديث: 2024/03/18")
# تكوين القائمة الجانبية
def setup_sidebar():
"""إعداد القائمة الجانبية"""
with st.sidebar:
st.image("images/logo.png", width=150)
st.title("نظام إدارة المناقصات")
# معلومات المستخدم
st.markdown("### أهلاً م تامر الجوهري ")
st.markdown("مدير المناقصات والعقود")
st.markdown("---")
# القائمة الرئيسية
page = st.radio(
"القائمة الرئيسية",
[
"📊 الرئيسية",
"📋 المناقصات",
"📑 العقود",
"🔍 تحليل المتطلبات",
"🔄 تخطيط سلسلة التوريد",
"⚠️ تحليل المخاطر",
"🏠 المحتوى المحلي",
"🎯 توقع احتمالية النجاح",
"⚙️ الإعدادات",
"ℹ️ حول النظام"
]
)
st.markdown("---")
# الإحصائيات
st.markdown("### إحصائيات سريعة")
col1, col2 = st.columns(2)
with col1:
st.metric("المناقصات", "28")
with col2:
st.metric("العقود", "14")
col1, col2 = st.columns(2)
with col1:
st.metric("قيد الدراسة", "7")
with col2:
st.metric("معدل النجاح", "64%")
return page
# ... باقي الكود بدون تغيير ...
# الدالة الرئيسية للتطبيق
def main():
# التأكد من وجود بيانات الجلسة
initialize_app() # تم تغيير اسم الدالة هنا
# إعداد القائمة الجانبية
page = setup_sidebar()
# عرض الصفحة المناسبة
if page == "📊 الرئيسية":
home_page()
elif page == "🔍 تحليل المتطلبات":
requirements_analysis_page()
elif page == "🔄 تخطيط سلسلة التوريد":
supply_chain_page()
elif page == "⚠️ تحليل المخاطر":
risk_analysis_page()
elif page == "🏠 المحتوى المحلي":
local_content_page()
elif page == "🎯 توقع احتمالية النجاح":
success_prediction_page()
elif page == "⚙️ الإعدادات":
settings_page()
elif page == "ℹ️ حول النظام":
about_page()
if __name__ == "__main__":
main() |