diff --git "a/app.py" "b/app.py" --- "a/app.py" +++ "b/app.py" @@ -1,475 +1,2244 @@ -#!/usr/bin/env python3 -# -*- coding: utf-8 -*- - -""" -Hybrid Face Environment System - -This module integrates multiple face recognition and analysis techniques -into a comprehensive system capable of performing 2D and 3D face recognition, -landmark detection, pose estimation, and emotion analysis. -""" - import os import sys -import cv2 -import numpy as np +import streamlit as st import logging -from typing import Dict, List, Tuple, Union, Optional, Any +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 -# Import component modules -from face_detector import FaceDetector -from feature_extractor import FeatureExtractor -from image_preprocessor import ImagePreprocessor -from face_recognition_2d import FaceRecognition2D -from face_recognition_3d import FaceRecognition3D -from landmark_detector import LandmarkDetector -from pose_estimator import PoseEstimator -from emotion_analyzer import EmotionAnalyzer -from database_manager import DatabaseManager +# إضافة المسار الرئيسي للمشروع إلى PATH +sys.path.append(os.path.dirname(os.path.abspath(__file__))) +# تكوين الصفحة +st.set_page_config( + page_title="نظام WAHBi-AI-V2", + page_icon="📋", + layout="wide", + initial_sidebar_state="expanded" +) -class HybridFaceSystem: - """ - Main class that integrates all components of the hybrid face recognition system. +# 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'); - This system combines 2D and 3D face recognition techniques with landmark detection, - pose estimation, and emotion analysis for a comprehensive face analysis solution. - """ + * { + font-family: 'Tajawal', sans-serif; + } - def __init__(self, config: Dict = None): - """ - Initialize the hybrid face system with configuration parameters. - - Args: - config: Dictionary containing configuration parameters for the system - """ - # Setup logging + 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'', 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' - ) - self.logger = logging.getLogger("HybridFaceSystem") - self.logger.info("Initializing Hybrid Face System...") - - # Set default configuration if none provided - self.config = config or { - 'min_face_size': (60, 60), - 'confidence_threshold': 0.7, - 'use_gpu': True, - 'recognition_mode': 'hybrid', # Options: '2d', '3d', 'hybrid' - 'fusion_weights': {'2d': 0.4, '3d': 0.6}, - 'database_path': 'face_database', + 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 ف�� 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 ��لتوريد", "تحليل المخاطر", "توقع النجاح", "المحتوى المحلي", "التقارير", "لوحة المؤشرات"] + ) + + st.markdown("---") - # Initialize components - self._init_components() + # إحصائيات سريعة + st.subheader("إحصائيات سريعة") - self.logger.info("Hybrid Face System initialized successfully") + # 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") - def _init_components(self): - """Initialize all system components with appropriate configurations.""" - try: - # Initialize preprocessing component - self.preprocessor = ImagePreprocessor( - target_size=(224, 224), - normalize=True, - augmentation_enabled=False - ) + 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("

نظام WAHBi-AI-V2 لإدارة المناقصات والعقود

", unsafe_allow_html=True) + st.markdown("

مدعوم بتقنيات الذكاء الاصطناعي والتحليل المتقدم

", 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'] - # Initialize face detection component - self.face_detector = FaceDetector( - min_size=self.config['min_face_size'], - use_gpu=self.config['use_gpu'] + 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) - # Initialize facial landmark detection - self.landmark_detector = LandmarkDetector( - model_type='deep', - num_landmarks=68 + 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 ) - # Initialize feature extraction - self.feature_extractor = FeatureExtractor( - embedding_size=512, - use_deep_features=True + # 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" ) - # Initialize pose estimation - self.pose_estimator = PoseEstimator( - landmark_detector=self.landmark_detector + 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 للمناقصا�� 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 ه��ا 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") - # Initialize emotion analysis - self.emotion_analyzer = EmotionAnalyzer( - model_path='models/emotion_model.h5' + 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 ) - # Initialize database manager - self.db_manager = DatabaseManager( - database_path=self.config['database_path'] + 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] - # Initialize recognition systems - self.face_recognition_2d = FaceRecognition2D( - feature_extractor=self.feature_extractor, - db_manager=self.db_manager + fig = px.pie( + names=categories, + values=values, + title="توزيع المشتريات حسب الفئة", + color_discrete_sequence=px.colors.qualitative.Pastel ) - self.face_recognition_3d = FaceRecognition3D( - feature_extractor=self.feature_extractor, - db_manager=self.db_manager + fig.update_layout( + title_font_size=16, + legend_title="" ) - except Exception as e: - self.logger.error(f"Error initializing components: {str(e)}") - raise - - def process_image(self, image: np.ndarray, depth_data: Optional[np.ndarray] = None) -> Dict: - """ - Process an input image through the hybrid face recognition pipeline. + st.plotly_chart(fig, use_container_width=True) - Args: - image: Input RGB image as numpy array - depth_data: Optional depth data for 3D recognition + with col2: + st.markdown("### التكاليف الشهرية المتوقعة") - Returns: - Dictionary containing recognition results and analysis data - """ - try: - # Step 1: Preprocess the image - preprocessed_image = self.preprocessor.preprocess(image) + # بيانات مالية توضيحية + financial_df = st.session_state.financial_df - # Step 2: Detect faces - faces = self.face_detector.detect(preprocessed_image) + # تحويل البيانات المالية إلى صيغة مناسبة للرسم البياني + fig = go.Figure() - if not faces: - return {'status': 'no_face_detected'} + fig.add_trace(go.Scatter( + x=financial_df['الشهر'], + y=financial_df['المخطط'], + name='المخطط', + line=dict(color='#3498db', width=2) + )) - results = [] - for face_idx, face_data in enumerate(faces): - result = self._process_single_face( - image=preprocessed_image, - face_data=face_data, - depth_data=depth_data, - face_idx=face_idx - ) - results.append(result) + fig.add_trace(go.Scatter( + x=financial_df['الشهر'], + y=financial_df['الفعلي'], + name='الفعلي', + line=dict(color='#e74c3c', width=2) + )) - return { - 'status': 'success', - 'num_faces': len(faces), - 'results': results - } + 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 + ) - except Exception as e: - self.logger.error(f"Error processing image: {str(e)}") - return {'status': 'error', 'message': str(e)} - - def _process_single_face(self, image: np.ndarray, face_data: Dict, - depth_data: Optional[np.ndarray], face_idx: int) -> Dict: - """ - Process a single detected face through the recognition pipeline. - - Args: - image: Preprocessed image - face_data: Dictionary with face detection results - depth_data: Optional depth data for 3D recognition - face_idx: Index of the face in the image - - Returns: - Dictionary with recognition and analysis results for this face - """ - # Extract face region - face_img = face_data['face_image'] - - # Step 3: Detect landmarks - landmarks = self.landmark_detector.detect_landmarks(face_img) - - # Step 4: Calculate pose - pose = self.pose_estimator.estimate_pose(face_img, landmarks) - - # Step 5: Analyze emotion - emotion = self.emotion_analyzer.analyze(face_img, landmarks) - - # Step 6: Extract features - features_2d = self.feature_extractor.extract_features(face_img, mode='2d') - - # Step 7: Perform recognition based on config - recognition_results = {} - confidence = 0.0 - person_id = None - - # 2D recognition - if self.config['recognition_mode'] in ['2d', 'hybrid']: - recognition_2d = self.face_recognition_2d.recognize(features_2d) - recognition_results['2d'] = recognition_2d - - if self.config['recognition_mode'] == '2d': - confidence = recognition_2d['confidence'] - person_id = recognition_2d['person_id'] - - # 3D recognition (if depth data available) - if self.config['recognition_mode'] in ['3d', 'hybrid'] and depth_data is not None: - # Extract depth data for this face - face_depth = self._extract_face_depth(depth_data, face_data['bbox']) - - # Extract 3D features and perform recognition - features_3d = self.feature_extractor.extract_features( - face_img, depth_data=face_depth, mode='3d' - ) - recognition_3d = self.face_recognition_3d.recognize(features_3d) - recognition_results['3d'] = recognition_3d - - if self.config['recognition_mode'] == '3d': - confidence = recognition_3d['confidence'] - person_id = recognition_3d['person_id'] - - # Perform fusion for hybrid mode - if self.config['recognition_mode'] == 'hybrid' and '2d' in recognition_results and '3d' in recognition_results: - fusion_result = self._fuse_recognition_results( - recognition_results['2d'], - recognition_results['3d'] - ) - confidence = fusion_result['confidence'] - person_id = fusion_result['person_id'] - - # Step 8: Compile results - return { - 'face_id': face_idx, - 'bbox': face_data['bbox'], - 'landmarks': landmarks, - 'pose': pose, - 'emotion': emotion, - 'person_id': person_id, - 'confidence': confidence, - 'recognition_details': recognition_results - } + st.plotly_chart(fig, use_container_width=True) + +def risk_analysis_page(): + """صفحة تحليل المخاطر""" + st.markdown("# ⚠️ تحليل المخاطر") - def _extract_face_depth(self, depth_data: np.ndarray, bbox: Tuple[int, int, int, int]) -> np.ndarray: - """ - Extract depth data for a specific face region. - - Args: - depth_data: Full depth map - bbox: Bounding box of the face (x, y, width, height) - - Returns: - Depth data corresponding to the face region - """ - x, y, w, h = bbox - - # Ensure coordinates are within bounds - x = max(0, x) - y = max(0, y) - - # Extract depth data for the face region - face_depth = depth_data[y:y+h, x:x+w] - return face_depth - - def _fuse_recognition_results(self, result_2d: Dict, result_3d: Dict) -> Dict: - """ - Fuse 2D and 3D recognition results using weighted confidence. - - Args: - result_2d: Results from 2D recognition - result_3d: Results from 3D recognition - - Returns: - Dictionary with fused recognition results - """ - # Get weights from config - w_2d = self.config['fusion_weights']['2d'] - w_3d = self.config['fusion_weights']['3d'] - - # Extract confidences - conf_2d = result_2d['confidence'] - conf_3d = result_3d['confidence'] - - # Extract person IDs - id_2d = result_2d['person_id'] - id_3d = result_3d['person_id'] - - # Check if the IDs match - if id_2d == id_3d: - # Same person identified by both methods - fused_confidence = (w_2d * conf_2d + w_3d * conf_3d) / (w_2d + w_3d) - fused_id = id_2d - else: - # Different persons identified, use the one with higher weighted confidence - weighted_conf_2d = w_2d * conf_2d - weighted_conf_3d = w_3d * conf_3d - - if weighted_conf_2d > weighted_conf_3d: - fused_confidence = conf_2d - fused_id = id_2d - else: - fused_confidence = conf_3d - fused_id = id_3d - - return { - 'person_id': fused_id, - 'confidence': fused_confidence, - 'method': 'hybrid_fusion' + 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"]) - def register_face(self, image: np.ndarray, person_id: str, - depth_data: Optional[np.ndarray] = None) -> Dict: - """ - Register a new face in the database. + with tab1: + # تحليل المحتوى المحلي حسب الفئة + local_df = st.session_state.local_content_df - Args: - image: Input image containing the face - person_id: Unique identifier for the person - depth_data: Optional depth data for 3D registration + 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 - Returns: - Dictionary indicating registration status - """ - try: - # Preprocess the image - preprocessed_image = self.preprocessor.preprocess(image) + 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 - # Detect face - faces = self.face_detector.detect(preprocessed_image) + 1. **توظيف الكوادر المحلية** + - توظيف مهندسين محليين + - التعاقد مع خبراء محليين للاستشارات + - برامج تدريب للكوادر المحلية - if not faces: - return {'status': 'error', 'message': 'No face detected for registration'} + 2. **شراء المواد والمعدات المحلية** + - تفضيل الموردين المحليين + - دعم المصنعين المحليين + - تطوير سلاسل التوريد المحلية - # Use the largest face if multiple are detected - face_data = max(faces, key=lambda x: x['face_area']) - face_img = face_data['face_image'] + 3. **نقل التقنية** + - توطين التقنيات الحديثة + - تطوير الخبرات المحلية + - الشراكة مع الجامعات المحلية + """) + + with col2: + st.markdown("### أكبر الفجوات في المحتوى المحلي") - # Extract landmarks - landmarks = self.landmark_detector.detect_landmarks(face_img) + # البيانات + categories = [] + gaps = [] - # Extract 2D features - features_2d = self.feature_extractor.extract_features(face_img, mode='2d') + for i, row in local_df.iterrows(): + gap = row['النسبة المستهدفة'] - row['النسبة الحالية'] + categories.append(row['الفئة']) + gaps.append(gap) - # Register in 2D database - self.db_manager.add_face(person_id, features_2d, '2d', metadata={ - 'landmarks': landmarks, - 'registration_time': self.db_manager.get_current_timestamp() + # ترتيب البيانات + gap_df = pd.DataFrame({ + 'الفئة': categories, + 'الفجوة': gaps }) - # If depth data is available, also register in 3D database - if depth_data is not None: - face_depth = self._extract_face_depth(depth_data, face_data['bbox']) - features_3d = self.feature_extractor.extract_features( - face_img, depth_data=face_depth, mode='3d' - ) - self.db_manager.add_face(person_id, features_3d, '3d', metadata={ - 'landmarks': landmarks, - 'registration_time': self.db_manager.get_current_timestamp() - }) + 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 - return { - 'status': 'success', - 'message': 'Face registered in both 2D and 3D databases', - 'person_id': person_id - } - else: - return { - 'status': 'partial_success', - 'message': 'Face registered in 2D database only (no depth data provided)', - 'person_id': person_id - } + # حساب احتمالية النجاح (محاكاة) + base_probability = 70 # احتمالية أساسية - except Exception as e: - self.logger.error(f"Error registering face: {str(e)}") - return {'status': 'error', 'message': str(e)} - - def update_model(self, model_type: str = 'all') -> Dict: - """ - Update/retrain the recognition models with the current database. - - Args: - model_type: Type of model to update ('2d', '3d', or 'all') - - Returns: - Dictionary with update status - """ - try: - if model_type in ['2d', 'all']: - self.face_recognition_2d.update_model() + # العوامل المؤثرة + factors = {} - if model_type in ['3d', 'all']: - self.face_recognition_3d.update_model() +# 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 - return { - 'status': 'success', - 'message': f'Successfully updated {model_type} recognition models' - } - - except Exception as e: - self.logger.error(f"Error updating models: {str(e)}") - return {'status': 'error', 'message': str(e)} - - def get_system_info(self) -> Dict: - """Get information about the current system configuration and status.""" - return { - 'system_name': 'Hybrid Face Recognition System', - 'version': '1.0.0', - 'recognition_mode': self.config['recognition_mode'], - 'fusion_weights': self.config['fusion_weights'], - 'database_status': self.db_manager.get_database_stats(), - 'components': { - 'face_detector': self.face_detector.get_info(), - 'landmark_detector': self.landmark_detector.get_info(), - 'feature_extractor': self.feature_extractor.get_info(), - '2d_recognition': self.face_recognition_2d.get_info(), - '3d_recognition': self.face_recognition_3d.get_info(), - } - } + # 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="mohammed@example.com") + + 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 demo(): - """Simple demonstration of the hybrid face system.""" - # Initialize the system - system = HybridFaceSystem() +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 - # Load a test image - image_path = "test_data/sample_face.jpg" - if not os.path.exists(image_path): - print(f"Error: Test image not found at {image_path}") - return + تم تطوير هذا النظام بواسطة فريق من الخبراء المتخصصين في مجالات البرمجة والذكاء الاصطناعي وإدارة المشاريع والعقود. - image = cv2.imread(image_path) - if image is None: - print(f"Error: Could not load image from {image_path}") - return + ### التواصل - # For demo purposes, we'll use a dummy depth map - # In a real application, this would come from a depth sensor - depth_data = np.random.rand(*image.shape[:2]) * 255 - depth_data = depth_data.astype(np.uint8) + للمزيد من المعلومات أو الاستفسارات، يرجى التواصل عبر: - # Process the image - results = system.process_image(image, depth_data) + * البريد الإلكتروني: info@tenderssystem.com + * رقم الهاتف: 0123456789 + """) - # Print results - print("Hybrid Face System Demo Results:") - print(f"Status: {results['status']}") + col1, col2, col3 = st.columns(3) - if results['status'] == 'success': - print(f"Number of faces detected: {results['num_faces']}") + 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("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" + ] + ) - for i, face_result in enumerate(results['results']): - print(f"\nFace #{i+1}:") - print(f" Bounding Box: {face_result['bbox']}") - print(f" Person ID: {face_result['person_id']}") - print(f" Confidence: {face_result['confidence']:.2f}") - print(f" Emotion: {face_result['emotion']}") - print(f" Head Pose: Pitch={face_result['pose']['pitch']:.2f}°, " - f"Yaw={face_result['pose']['yaw']:.2f}°, " - f"Roll={face_result['pose']['roll']:.2f}°") + 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%") - # Display system info - system_info = system.get_system_info() - print("\nSystem Information:") - print(f" System Name: {system_info['system_name']}") - print(f" Version: {system_info['version']}") - print(f" Recognition Mode: {system_info['recognition_mode']}") + return page +# الدالة الرئيسية للتطبيق +def main(): + """الدالة الرئيسية للتطبيق""" + # إعداد الصفحة + st.set_page_config( + page_title="نظام إدارة المناقصات والعقود", + page_icon="📊", + layout="wide", + initial_sidebar_state="expanded" + ) + + # التأكد من وجود بيانات الجلسة + initialize_session_state() + + # إعداد القائمة الجانبية + page = setup_sidebar() + + # عرض الصفحة المناسبة + if page == "📊 الرئيسية": + home_page() + elif page == "📋 المناقصات": + tenders_page() + elif page == "📑 العقود": + contracts_page() + elif page == "🔍 تحليل المتطلبات": + requirements_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__": - demo() \ No newline at end of file + main() \ No newline at end of file