Create modules/local_content.py

modules/local_content.py

@@ -0,0 +1,706 @@
+}
+    
+    def calculate(self, extracted_data: Dict[str, Any], **kwargs) -> Dict[str, Any]:
+        """
+        حساب نسبة المحتوى المحلي بناءً على البيانات المستخرجة من المستندات
+        
+        المعاملات:
+        ----------
+        extracted_data : Dict[str, Any]
+            البيانات المستخرجة من المستندات
+        **kwargs : Dict[str, Any]
+            معاملات إضافية مثل نوع المشروع، الميزانية، الموقع، المدة
+            
+        المخرجات:
+        --------
+        Dict[str, Any]
+            نتائج حساب المحتوى المحلي
+        """
+        # تهيئة نتائج حساب المحتوى المحلي
+        local_content_results = {
+            "overall_percentage": 0.0,
+            "breakdown": {},
+            "requirements": [],
+            "recommendations": [],
+            "nitaqat_analysis": {},
+        }
+        
+        # تحديد نوع المشروع والقطاع
+        project_type = kwargs.get("project_type", "")
+        sector = self._determine_sector(project_type, extracted_data)
+        
+        # استخراج متطلبات المحتوى المحلي من البيانات
+        local_content_info = self._extract_local_content_info(extracted_data)
+        
+        # حساب المحتوى المحلي بناءً على القطاع
+        sector_data = self.local_content_data["sectors"].get(sector, self.local_content_data["sectors"]["عام"])
+        
+        # تحليل القوى العاملة (الموارد البشرية)
+        manpower_analysis = self._analyze_manpower(extracted_data, sector_data)
+        local_content_results["breakdown"]["manpower"] = manpower_analysis["percentage"]
+        
+        # تحليل المواد
+        materials_analysis = self._analyze_materials(extracted_data, sector_data)
+        local_content_results["breakdown"]["materials"] = materials_analysis["percentage"]
+        
+        # تحليل الخدمات
+        services_analysis = self._analyze_services(extracted_data, sector_data)
+        local_content_results["breakdown"]["services"] = services_analysis["percentage"]
+        
+        # حساب النسبة الإجمالية للمحتوى المحلي
+        weights = sector_data["weights"]
+        overall_percentage = (
+            weights["manpower"] * manpower_analysis["percentage"] +
+            weights["materials"] * materials_analysis["percentage"] +
+            weights["services"] * services_analysis["percentage"]
+        )
+        
+        local_content_results["overall_percentage"] = round(overall_percentage, 2)
+        
+        # تحليل الامتثال لمتطلبات نطاقات
+        nitaqat_analysis = self._analyze_nitaqat_compliance(extracted_data, sector)
+        local_content_results["nitaqat_analysis"] = nitaqat_analysis
+        
+        # إعداد متطلبات المحتوى المحلي
+        requirements = self._prepare_local_content_requirements(sector_data, local_content_info)
+        local_content_results["requirements"] = requirements
+        
+        # إعداد توصيات لتحسين المحتوى المحلي
+        recommendations = self._generate_recommendations(
+            overall_percentage, 
+            sector_data, 
+            manpower_analysis, 
+            materials_analysis, 
+            services_analysis,
+            nitaqat_analysis
+        )
+        local_content_results["recommendations"] = recommendations
+        
+        return local_content_results
+    
+    def _determine_sector(self, project_type: str, extracted_data: Dict[str, Any]) -> str:
+        """
+        تحديد القطاع بناءً على نوع المشروع والبيانات المستخرجة
+        """
+        # قاموس لتحويل أنواع المشاريع الشائعة إلى قطاعات
+        project_to_sector = {
+            "إنشاءات": "الإنشاءات",
+            "مباني": "الإنشاءات",
+            "طرق": "الإنشاءات",
+            "جسور": "الإنشاءات",
+            "تقنية معلومات": "تقنية المعلومات",
+            "برمجيات": "تقنية المعلومات",
+            "تطبيقات": "تقنية المعلومات",
+            "اتصالات": "الاتصالات",
+            "صحة": "الصحة",
+            "مستشفى": "الصحة",
+            "طبي": "الصحة",
+            "تعليم": "التعليم",
+            "مدارس": "التعليم",
+            "جامعات": "التعليم",
+            "نقل": "النقل",
+            "مواصلات": "النقل",
+            "طاقة": "الطاقة",
+            "كهرباء": "الطاقة",
+            "مياه": "المياه",
+            "صرف صحي": "المياه",
+            "بيئة": "البيئة",
+            "صناعة": "الص��اعة",
+            "مصانع": "الصناعة",
+            "تجارة": "التجارة",
+            "أسواق": "التجارة",
+            "سياحة": "السياحة",
+            "فنادق": "السياحة",
+            "مالية": "الخدمات المالية",
+            "بنوك": "الخدمات المالية"
+        }
+        
+        # محاولة تحديد القطاع من نوع المشروع
+        if project_type:
+            for key, value in project_to_sector.items():
+                if key in project_type.lower():
+                    return value
+        
+        # إذا لم يتم تحديد القطاع من نوع المشروع، نحاول تحديده من البيانات المستخرجة
+        if "text" in extracted_data:
+            text = extracted_data["text"].lower()
+            sector_scores = {}
+            
+            for sector in self.sectors:
+                score = text.count(sector.lower())
+                sector_scores[sector] = score
+            
+            # اختيار القطاع الأكثر ذكراً
+            if sector_scores:
+                max_sector = max(sector_scores, key=sector_scores.get)
+                if sector_scores[max_sector] > 0:
+                    return max_sector
+        
+        # القطاع الافتراضي إذا لم نتمكن من تحديده
+        return "عام"
+    
+    def _extract_local_content_info(self, extracted_data: Dict[str, Any]) -> Dict[str, Any]:
+        """
+        استخراج معلومات المحتوى المحلي من البيانات المستخرجة
+        """
+        local_content_info = {
+            "mentioned_percentage": None,
+            "requirements": [],
+            "companies": []
+        }
+        
+        # استخراج النسبة المذكورة للمحتوى المحلي
+        if "local_content" in extracted_data and extracted_data["local_content"]:
+            local_content_data = extracted_data["local_content"]
+            
+            # استخراج النسب المئوية
+            percentages = local_content_data.get("percentages", [])
+            if percentages:
+                # اختيار أعلى نسبة مذكورة
+                max_percentage = max(percentages, key=lambda x: x["value"])
+                local_content_info["mentioned_percentage"] = max_percentage["value"]
+            
+            # استخراج المتطلبات
+            requirements = local_content_data.get("requirements", [])
+            local_content_info["requirements"] = requirements
+        
+        # استخراج الشركات المحلية المذكورة
+        if "entities" in extracted_data and "organizations" in extracted_data["entities"]:
+            organizations = extracted_data["entities"]["organizations"]
+            
+            for org in organizations:
+                org_name = org["name"].lower()
+                
+                # البحث في قاعدة بيانات الشركات المحلية
+                for company_id, company_data in self.local_companies.items():
+                    company_name = company_data["name"].lower()
+                    
+                    # إذا وجدنا تطابق
+                    if company_name in org_name or org_name in company_name:
+                        local_content_info["companies"].append(company_data)
+        
+        return local_content_info
+    
+    def _analyze_manpower(self, extracted_data: Dict[str, Any], sector_data: Dict[str, Any]) -> Dict[str, Any]:
+        """
+        تحليل المحتوى المحلي للقوى العاملة
+        """
+        manpower_analysis = {
+            "percentage": 0.0,
+            "saudi_employees": 0,
+            "expat_employees": 0,
+            "total_employees": 0
+        }
+        
+        # استخراج معلومات الموظفين من البيانات
+        saudi_keywords = ["سعودي", "مواطن", "توطين", "سعودة"]
+        expat_keywords = ["أجنبي", "وافد", "غير سعودي"]
+        
+        # لدينا بعض البيانات الافتراضية للتوضيح
+        saudi_count = 0
+        expat_count = 0
+        
+        # إذا كانت هناك شركات معروفة في البيانات المستخرجة، نستخدم نسب التوطين الخاصة بها
+        if "entities" in extracted_data and "organizations" in extracted_data["entities"]:
+            organizations = extracted_data["entities"]["organizations"]
+            
+            for org in organizations:
+                org_name = org["name"].lower()
+                
+                for company_id, company_data in self.local_companies.items():
+                    company_name = company_data["name"].lower()
+                    
+                    if company_name in org_name or org_name in company_name:
+                        saudi_percentage = company_data["saudi_employees_percentage"] / 100
+                        saudi_count += 50 * saudi_percentage  # افتراض 50 موظف كمتوسط
+                        expat_count += 50 * (1 - saudi_percentage)
+        
+        # إذا لم نجد شركات معروفة، نحاول تقدير النسب من النص
+        if saudi_count == 0 and expat_count == 0 and "text" in extracted_data:
+            text = extracted_data["text"].lower()
+            
+            # عدد مرات ذكر الموظفين السعوديين
+            saudi_mentions = sum(text.count(keyword) for keyword in saudi_keywords)
+            
+            # عدد مرات ذكر الموظفين الأجانب
+            expat_mentions = sum(text.count(keyword) for keyword in expat_keywords)
+            
+            # تقدير تقريبي للنسب
+            total_mentions = saudi_mentions + expat_mentions
+            if total_mentions > 0:
+                saudi_ratio = saudi_mentions / total_mentions
+                saudi_count = int(100 * saudi_ratio)
+                expat_count = 100 - saudi_count
+        
+        # إذا لم نتمكن من تقدير النسب، نستخدم قيمة افتراضية
+        if saudi_count == 0 and expat_count == 0:
+            # القيمة الافتراضية بناءً على متوسط نسب التوطين في القطاع
+            if "الإنشاءات" in sector_data:
+                saudi_count = 25
+            elif "تقنية المعلومات" in sector_data:
+                saudi_count = 35
+            else:
+                saudi_count = 30
+            
+            expat_count = 100 - saudi_count
+        
+        # حساب النسبة المئوية للمحتوى المحلي في القوى العاملة
+        total_count = saudi_count + expat_count
+        
+        if total_count > 0:
+            manpower_analysis["saudi_employees"] = saudi_count
+            manpower_analysis["expat_employees"] = expat_count
+            manpower_analysis["total_employees"] = total_count
+            
+            # حساب النسبة المئوية باستخدام الأوزان
+            manpower_percentage = (
+                self.local_content_data["manpower_categories"]["saudi_employee"] * saudi_count +
+                self.local_content_data["manpower_categories"]["expat_employee"] * expat_count
+            ) / total_count * 100
+            
+            manpower_analysis["percentage"] = round(manpower_percentage, 2)
+        
+        return manpower_analysis
+    
+    def _analyze_materials(self, extracted_data: Dict[str, Any], sector_data: Dict[str, Any]) -> Dict[str, Any]:
+        """
+        تحليل المحتوى المحلي للمواد
+        """
+        materials_analysis = {
+            "percentage": 0.0,
+            "local_manufacturing": 0,
+            "local_assembly": 0,
+            "imported_with_local_value_add": 0,
+            "fully_imported": 0,
+            "total_materials": 0
+        }
+        
+        # كلمات دلالية للفئات المختلفة من المواد
+        local_manufacturing_keywords = ["تصنيع محلي", "منتج محلي", "صناعة محلية", "صنع في السعودية", "منشأ سعودي"]
+        local_assembly_keywords = ["تجميع محلي", "مجمع محلياً", "تم تجميعه في السعودية"]
+        imported_with_local_value_keywords = ["قيمة مضافة محلية", "معالجة محلية", "قيمة محلية"]
+        fully_imported_keywords = ["مستورد", "استيراد كامل", "منتج أجنبي", "صنع في الخارج"]
+        
+        # تقدير نسب المواد من النص
+        if "text" in extracted_data:
+            text = extracted_data["text"].lower()
+            
+            # عدد مرات ذكر كل فئة
+            local_manufacturing_count = sum(text.count(keyword) for keyword in local_manufacturing_keywords)
+            local_assembly_count = sum(text.count(keyword) for keyword in local_assembly_keywords)
+            imported_with_local_value_count = sum(text.count(keyword) for keyword in imported_with_local_value_keywords)
+            fully_imported_count = sum(text.count(keyword) for keyword in fully_imported_keywords)
+            
+            # إجمالي عدد المرات
+            total_count = (local_manufacturing_count + local_assembly_count +
+                      imported_with_local_value_count + fully_imported_count)
+            
+            if total_count > 0:
+                materials_analysis["local_manufacturing"] = local_manufacturing_count
+                materials_analysis["local_assembly"] = local_assembly_count
+                materials_analysis["imported_with_local_value_add"] = imported_with_local_value_count
+                materials_analysis["fully_imported"] = fully_imported_count
+                materials_analysis["total_materials"] = total_count
+        
+        # إذا لم نتمكن من تقدير النسب، نستخدم قيم افتراضية بناءً على القطاع
+        if materials_analysis["total_materials"] == 0:
+            if "الإنشاءات" in sector_data:
+                materials_analysis["local_manufacturing"] = 30
+                materials_analysis["local_assembly"] = 20
+                materials_analysis["imported_with_local_value_add"] = 15
+                materials_analysis["fully_imported"] = 35
+            elif "تقنية المعلومات" in sector_data:
+                materials_analysis["local_manufacturing"] = 10
+                materials_analysis["local_assembly"] = 25
+                materials_analysis["imported_with_local_value_add"] = 15
+                materials_analysis["fully_imported"] = 50
+            else:
+                materials_analysis["local_manufacturing"] = 20
+                materials_analysis["local_assembly"] = 20
+                materials_analysis["imported_with_local_value_add"] = 15
+                materials_analysis["fully_imported"] = 45
+                
+            materials_analysis["total_materials"] = (
+                materials_analysis["local_manufacturing"] +
+                materials_analysis["local_assembly"] +
+                materials_analysis["imported_with_local_value_add"] +
+                materials_analysis["fully_imported"]
+            )
+        
+        # حساب النسبة المئوية للمحتوى المحلي في المواد
+        total_materials = materials_analysis["total_materials"]
+        
+        if total_materials > 0:
+            material_categories = self.local_content_data["material_categories"]
+            materials_percentage = (
+                material_categories["local_manufacturing"] * materials_analysis["local_manufacturing"] +
+                material_categories["local_assembly"] * materials_analysis["local_assembly"] +
+                material_categories["imported_with_local_value_add"] * materials_analysis["imported_with_local_value_add"] +
+                material_categories["fully_imported"] * materials_analysis["fully_imported"]
+            ) / total_materials * 100
+            
+            materials_analysis["percentage"] = round(materials_percentage, 2)
+        
+        return materials_analysis
+    
+    def _analyze_services(self, extracted_data: Dict[str, Any], sector_data: Dict[str, Any]) -> Dict[str, Any]:
+        """
+        تحليل المحتوى المحلي للخدمات
+        """
+        services_analysis = {
+            "percentage": 0.0,
+            "local_service_provider": 0,
+            "joint_venture": 0,
+            "foreign_provider_with_local_partner": 0,
+            "foreign_provider": 0,
+            "total_services": 0
+        }
+        
+        # كلمات دلالية للفئات المختلفة من الخدمات
+        local_provider_keywords = ["مزود خدمة محلي", "شركة محلية", "شركة سعودية", "مؤسسة محلية"]
+        joint_venture_keywords = ["مشروع مشترك", "شراكة", "تحالف", "ائتلاف"]
+        foreign_with_local_keywords = ["شريك محلي", "وكيل محلي", "وكيل سعودي", "تمثيل محلي"]
+        foreign_provider_keywords = ["مزود خدمة أجنبي", "شركة أجنبية", "مقاول أجنبي"]
+        
+        # تقدير نسب الخدمات من النص
+        if "text" in extracted_data:
+            text = extracted_data["text"].lower()
+            
+            # عدد مرات ذكر كل فئة
+            local_provider_count = sum(text.count(keyword) for keyword in local_provider_keywords)
+            joint_venture_count = sum(text.count(keyword) for keyword in joint_venture_keywords)
+            foreign_with_local_count = sum(text.count(keyword) for keyword in foreign_with_local_keywords)
+            foreign_provider_count = sum(text.count(keyword) for keyword in foreign_provider_keywords)
+            
+            # إجمالي عدد المرات
+            total_count = (local_provider_count + joint_venture_count +
+                      foreign_with_local_count + foreign_provider_count)
+            
+            if total_count > 0:
+                services_analysis["local_service_provider"] = local_provider_count
+                services_analysis["joint_venture"] = joint_venture_count
+                services_analysis["foreign_provider_with_local_partner"] = foreign_with_local_count
+                services_analysis["foreign_provider"] = foreign_provider_count
+                services_analysis["total_services"] = total_count
+        
+        # إذا لم نتمكن من تقدير النسب، نستخدم قيم افتراضية بناءً على القطاع
+        if services_analysis["total_services"] == 0:
+            if "الإنشاءات" in sector_data:
+                services_analysis["local_service_provider"] = 35
+                services_analysis["joint_venture"] = 25
+                services_analysis["foreign_provider_with_local_partner"] = 20
+                services_analysis["foreign_provider"] = 20
+            elif "تقنية المعلومات" in sector_data:
+                services_analysis["local_service_provider"] = 30
+                services_analysis["joint_venture"] = 20
+                services_analysis["foreign_provider_with_local_partner"] = 25
+                services_analysis["foreign_provider"] = 25
+            else:
+                services_analysis["local_service_provider"] = 30
+                services_analysis["joint_venture"] = 25
+                services_analysis["foreign_provider_with_local_partner"] = 20
+                services_analysis["foreign_provider"] = 25
+                
+            services_analysis["total_services"] = (
+                services_analysis["local_service_provider"] +
+                services_analysis["joint_venture"] +
+                services_analysis["foreign_provider_with_local_partner"] +
+                services_analysis["foreign_provider"]
+            )
+        
+        # حساب النسبة المئوية للمحتوى المحلي في الخدمات
+        total_services = services_analysis["total_services"]
+        
+        if total_services > 0:
+            service_categories = self.local_content_data["service_categories"]
+            services_percentage = (
+                service_categories["local_service_provider"] * services_analysis["local_service_provider"] +
+                service_categories["joint_venture"] * services_analysis["joint_venture"] +
+                service_categories["foreign_provider_with_local_partner"] * services_analysis["foreign_provider_with_local_partner"] +
+                service_categories["foreign_provider"] * services_analysis["foreign_provider"]
+            ) / total_services * 100
+            
+            services_analysis["percentage"] = round(services_percentage, 2)
+        
+        return services_analysis
+    
+    def _analyze_nitaqat_compliance(self, extracted_data: Dict[str, Any], sector: str) -> Dict[str, Any]:
+        """
+        تحليل الامتثال لمتطلبات نطاقات
+        """
+        nitaqat_analysis = {
+            "compliant": False,
+            "nitaqat_category": "غير محدد",
+            "company_size": "غير محدد",
+            "required_saudi_percentage": 0,
+            "estimated_saudi_percentage": 0
+        }
+        
+        # تحديد حجم الشركة بناءً على القيمة التقديرية للمشروع
+        project_value = 0
+        if "financial_data" in extracted_data and "total_cost" in extracted_data["financial_data"]:
+            project_value = extracted_data["financial_data"]["total_cost"]["value"]
+        
+        if project_value == 0 and "text" in extracted_data:
+            # محاولة استخراج قيمة المشروع من النص
+            text = extracted_data["text"].lower()
+            value_patterns = [
+                r'قيمة المشروع[^\d]*([\d.,]+)[^\d]*(ريال|ر\.س)',
+                r'قيمة العقد[^\d]*([\d.,]+)[^\d]*(ريال|ر\.س)',
+                r'القيمة الإجمالية[^\d]*([\d.,]+)[^\d]*(ريال|ر\.س)'
+            ]
+            
+            for pattern in value_patterns:
+                matches = re.findall(pattern, text, re.IGNORECASE)
+                if matches:
+                    try:
+                        project_value = float(matches[0][0].replace(',', ''))
+                        break
+                    except:
+                        pass
+        
+        # تحديد حجم الشركة بناءً على قيمة المشروع
+        company_size = "صغيرة"
+        if project_value >= 10000000:  # أكثر من 10 مليون ريال
+            company_size = "كبيرة"
+        elif project_value >= 3000000:  # بين 3 و 10 مليون ريال
+            company_size = "متوسطة"
+        
+        nitaqat_analysis["company_size"] = company_size
+        
+        # تحديد نسبة التوطين المطلوبة
+        if sector in self.nitaqat_data and company_size in self.nitaqat_data[sector]:
+            # نفترض أننا نريد الامتثال للفئة الخضراء المتوسطة
+            required_percentage = (
+                self.nitaqat_data[sector][company_size]["أخضر متوسط"]["min"] +
+                self.nitaqat_data[sector][company_size]["أخضر متوسط"]["max"]
+            ) / 2
+            
+            nitaqat_analysis["required_saudi_percentage"] = required_percentage
+        else:
+            # قيمة افتراضية
+            nitaqat_analysis["required_saudi_percentage"] = 20
+        
+        # تقدير نسبة التوطين الفعلية
+        estimated_saudi_percentage = 0
+        
+        # إذا كانت هناك شركات معروفة في البيانات المستخرجة، نستخدم نسبة التوطين الخاصة بها
+        if "entities" in extracted_data and "organizations" in extracted_data["entities"]:
+            organizations = extracted_data["entities"]["organizations"]
+            
+            for org in organizations:
+                org_name = org["name"].lower()
+                
+                for company_id, company_data in self.local_companies.items():
+                    company_name = company_data["name"].lower()
+                    
+                    if company_name in org_name or org_name in company_name:
+                        estimated_saudi_percentage = company_data["saudi_employees_percentage"]
+                        nitaqat_analysis["nitaqat_category"] = company_data["nitaqat_category"]
+                        break
+        
+        # إذا لم نتمكن من تقدير النسبة، نستخدم قيمة افتراضية
+        if estimated_saudi_percentage == 0:
+            if "الإنشاءات" in sector:
+                estimated_saudi_percentage = 15
+            elif "تقنية المعلومات" in sector:
+                estimated_saudi_percentage = 25
+            else:
+                estimated_saudi_percentage = 20
+        
+        nitaqat_analysis["estimated_saudi_percentage"] = estimated_saudi_percentage
+        
+        # تحديد فئة نطاقات والامتثال
+        if sector in self.nitaqat_data and company_size in self.nitaqat_data[sector]:
+            for category, range_data in self.nitaqat_data[sector][company_size].items():
+                if range_data["min"] <= estimated_saudi_percentage <= range_data["max"]:
+                    nitaqat_analysis["nitaqat_category"] = category
+                    break
+        
+        # تحديد الامتثال
+        nitaqat_analysis["compliant"] = (
+            nitaqat_analysis["nitaqat_category"] != "أحمر" and
+            estimated_saudi_percentage >= nitaqat_analysis["required_saudi_percentage"]
+        )
+        
+        return nitaqat_analysis
+    
+    def _prepare_local_content_requirements(self, sector_data: Dict[str, Any], local_content_info: Dict[str, Any]) -> List[Dict[str, Any]]:
+        """
+        إعداد متطلبات المحتوى المحلي
+        """
+        requirements = []
+        
+        # الحد الأدنى للمimport os
+import json
+import numpy as np
+import pandas as pd
+from typing import Dict, List, Any, Union, Tuple, Optional
+from datetime import datetime
+
+class LocalContentCalculator:
+    """
+    فئة لحساب وتحليل المحتوى المحلي في المناقصات
+    """
+    
+    def __init__(self):
+        """
+        تهيئة حاسبة المحتوى المحلي
+        """
+        # تحميل بيانات المحتوى المحلي
+        self.local_content_data = self._load_local_content_data()
+        
+        # تحميل قاعدة بيانات الشركات المحلية
+        self.local_companies = self._load_local_companies()
+        
+        # تحميل نطاقات الشركات
+        self.nitaqat_data = self._load_nitaqat_data()
+        
+        # قائمة القطاعات
+        self.sectors = [
+            "الإنشاءات", "تقنية المعلومات", "الاتصالات", "الصحة",
+            "التعليم", "النقل", "الطاقة", "المياه", "البيئة",
+            "الصناعة", "التجارة", "السياحة", "الخدمات المالية"
+        ]
+    
+    def _load_local_content_data(self) -> Dict[str, Any]:
+        """
+        تحميل بيانات المحتوى المحلي
+        """
+        # في التطبيق الفعلي، قد تُحمل هذه البيانات من ملف أو قاعدة بيانات
+        return {
+            "sectors": {
+                "الإنشاءات": {
+                    "min_percentage": 30,
+                    "target_percentage": 60,
+                    "weights": {
+                        "manpower": 0.35,
+                        "materials": 0.45,
+                        "services": 0.2
+                    }
+                },
+                "تقنية المعلومات": {
+                    "min_percentage": 25,
+                    "target_percentage": 50,
+                    "weights": {
+                        "manpower": 0.55,
+                        "materials": 0.15,
+                        "services": 0.3
+                    }
+                },
+                "عام": {
+                    "min_percentage": 20,
+                    "target_percentage": 40,
+                    "weights": {
+                        "manpower": 0.4,
+                        "materials": 0.3,
+                        "services": 0.3
+                    }
+                }
+            },
+            "material_categories": {
+                "local_manufacturing": 1.0,
+                "local_assembly": 0.7,
+                "imported_with_local_value_add": 0.4,
+                "fully_imported": 0.0
+            },
+            "manpower_categories": {
+                "saudi_employee": 1.0,
+                "expat_employee": 0.0
+            },
+            "service_categories": {
+                "local_service_provider": 1.0,
+                "joint_venture": 0.6,
+                "foreign_provider_with_local_partner": 0.3,
+                "foreign_provider": 0.0
+            }
+        }
+    
+    def _load_local_companies(self) -> Dict[str, Dict[str, Any]]:
+        """
+        تحميل قاعدة بيانات الشركات المحلية
+        """
+        # في التطبيق الفعلي، قد تُحمل هذه البيانات من ملف أو قاعدة بيانات
+        return {
+            "company1": {
+                "name": "شركة البناء السعودية",
+                "cr_number": "1010XXXXXX",
+                "sector": "الإنشاءات",
+                "local_content_certificate": True,
+                "saudi_employees_percentage": 35,
+                "nitaqat_category": "أخضر متوسط",
+                "local_content_percentage": 45
+            },
+            "company2": {
+                "name": "شركة تقنية المستقبل",
+                "cr_number": "1020XXXXXX",
+                "sector": "تقنية المعلومات",
+                "local_content_certificate": True,
+                "saudi_employees_percentage": 42,
+                "nitaqat_category": "أخضر مرتفع",
+                "local_content_percentage": 52
+            },
+            "company3": {
+                "name": "مصنع المنتجات المعدنية",
+                "cr_number": "1030XXXXXX",
+                "sector": "الصناعة",
+                "local_content_certificate": True,
+                "saudi_employees_percentage": 28,
+                "nitaqat_category": "أخضر منخفض",
+                "local_content_percentage": 61
+            }
+        }
+    
+    def _load_nitaqat_data(self) -> Dict[str, Dict[str, Any]]:
+        """
+        تحميل بيانات نطاقات الشركات
+        """
+        # في التطبيق الفعلي، قد تُحمل هذه البيانات من ملف أو قاعدة بيانات
+        return {
+            "الإنشاءات": {
+                "صغيرة": {
+                    "أحمر": {"min": 0, "max": 5},
+                    "أخضر منخفض": {"min": 6, "max": 10},
+                    "أخضر متوسط": {"min": 11, "max": 15},
+                    "أخضر مرتفع": {"min": 16, "max": 25},
+                    "بلاتيني": {"min": 26, "max": 100}
+                },
+                "متوسطة": {
+                    "أحمر": {"min": 0, "max": 7},
+                    "أخضر منخفض": {"min": 8, "max": 14},
+                    "أخضر متوسط": {"min": 15, "max": 20},
+                    "أخضر مرتفع": {"min": 21, "max": 30},
+                    "بلاتيني": {"min": 31, "max": 100}
+                },
+                "كبيرة": {
+                    "أحمر": {"min": 0, "max": 9},
+                    "أخضر منخفض": {"min": 10, "max": 16},
+                    "أخضر متوسط": {"min": 17, "max": 23},
+                    "أخضر مرتفع": {"min": 24, "max": 35},
+                    "بلاتيني": {"min": 36, "max": 100}
+                }
+            },
+            "تقنية المعلومات": {
+                "صغيرة": {
+                    "أحمر": {"min": 0, "max": 6},
+                    "أخضر منخفض": {"min": 7, "max": 12},
+                    "أخضر متوسط": {"min": 13, "max": 19},
+                    "أخضر مرتفع": {"min": 20, "max": 29},
+                    "بلاتيني": {"min": 30, "max": 100}
+                },
+                "متوسطة": {
+                    "أحمر": {"min": 0, "max": 13},
+                    "أخضر منخفض": {"min": 14, "max": 20},
+                    "أخضر متوسط": {"min": 21, "max": 27},
+                    "أخضر مرتفع": {"min": 28, "max": 35},
+                    "بلاتيني": {"min": 36, "max": 100}
+                },
+                "كبيرة": {
+                    "أحمر": {"min": 0, "max": 17},
+                    "أخضر منخفض": {"min": 18, "max": 25},
+                    "أخضر متوسط": {"min": 26, "max": 33},
+                    "أخضر مرتفع": {"min": 34, "max": 40},
+                    "بلاتيني": {"min": 41, "max": 100}
+                }
+            }
+        }