Create web/pages/requirements_analysis.py

web/pages/requirements_analysis.py

@@ -23,4 +23,195 @@ def show_requirements_analysis():
         sample_requirements = [
             {"المتطلب": "توريد وتركيب معدات الشبكة", "النوع": "فني", "الأولوية": "عالية", "التخصص": "تقنية المعلومات"},
             {"المتطلب": "تدريب الموظفين", "النوع": "إداري", "الأولوية": "متوسطة", "التخصص": "تدريب"},
-            {"المتطلب": "توفير الصي
+            {"المتطلب": "توفير الصيانة لمدة 3 سنوات", "النوع": "تعاقدي", "الأولوية": "عالية", "التخصص": "صيانة"},
+            {"المتطلب": "الالتزام بمعايير الأمن السيبراني", "النوع": "تنظيمي", "الأولوية": "عالية", "التخصص": "أمن المعلومات"},
+            {"المتطلب": "نسبة محتوى محلي لا تقل عن 50%", "النوع": "تنظيمي", "الأولوية": "عالية", "التخصص": "محتوى محلي"},
+            {"المتطلب": "تقديم ضمان بنكي بنسبة 10%", "النوع": "مالي", "الأولوية": "متوسطة", "التخصص": "مالي"},
+            {"المتطلب": "تنفيذ المشروع في مدة لا تتجاوز 18 شهر", "النوع": "زمني", "الأولوية": "عالية", "التخصص": "إدارة مشاريع"},
+        ]
+        
+        sample_df = pd.DataFrame(sample_requirements)
+        st.table(sample_df)
+        return
+    
+    # عرض معلومات المناقصة
+    results = st.session_state.analysis_results
+    st.markdown(f"### تحليل متطلبات المناقصة رقم {results['tender_id']}")
+    
+    # إنشاء بيانات المتطلبات (نستخدم البيانات المتاحة أو نضيف تفاصيل إضافية)
+    # في التطبيق الفعلي، ستكون هذه البيانات من نتائج التحليل الحقيقي
+    requirements = []
+    
+    for i, req in enumerate(results.get("requirements", [])):
+        # إنشاء تفاصيل عشوائية لكل متطلب للتوضيح
+        req_type = np.random.choice(["فني", "إداري", "تعاقدي", "تنظيمي", "مالي", "زمني"])
+        priority = np.random.choice(["عالية", "متوسطة", "منخفضة"], p=[0.5, 0.3, 0.2])
+        
+        specializations = {
+            "فني": ["هندسة", "تقنية المعلومات", "اتصالات", "كهرباء", "ميكانيكا"],
+            "إداري": ["إدارة مشاريع", "موارد بشرية", "تدريب", "جودة"],
+            "تعاقدي": ["قانوني", "مشتريات", "عقود", "صيانة"],
+            "تنظيمي": ["امتثال", "أمن المعلومات", "محتوى محلي", "بيئة"],
+            "مالي": ["محاسبة", "ضمانات", "تمويل", "مالي"],
+            "زمني": ["إدارة مشاريع", "جدولة", "تخطيط"]
+        }
+        
+        specialization = np.random.choice(specializations.get(req_type, ["عام"]))
+        
+        requirements.append({
+            "المتطلب": req,
+            "النوع": req_type,
+            "الأولوية": priority,
+            "التخصص": specialization
+        })
+    
+    # إذا لم تكن هناك متطلبات، إنشاء بيانات توضيحية
+    if not requirements:
+        requirements = [
+            {"المتطلب": "توريد وتركيب معدات", "النوع": "فني", "الأولوية": "عالية", "التخصص": "هندسة"},
+            {"المتطلب": "تدريب الموظفين", "النوع": "إداري", "الأولوية": "متوسطة", "التخصص": "تدريب"},
+            {"المتطلب": "صيانة دورية", "النوع": "تعاقدي", "الأولوية": "متوسطة", "التخصص": "صيانة"},
+            {"المتطلب": "الامتثال للمعايير", "النوع": "تنظيمي", "الأولوية": "عالية", "التخصص": "امتثال"},
+            {"المتطلب": "تقديم ضمانات مالية", "النوع": "مالي", "الأولوية": "عالية", "التخصص": "مالي"}
+        ]
+    
+    # تحويل البيانات إلى DataFrame
+    requirements_df = pd.DataFrame(requirements)
+    
+    # تبويبات لعرض المتطلبات بطرق مختلفة
+    tab1, tab2, tab3 = st.tabs(["قائمة المتطلبات", "تصنيف المتطلبات", "تحليل المتطلبات"])
+    
+    # تبويب قائمة المتطلبات
+    with tab1:
+        st.markdown("### قائمة متطلبات المناقصة")
+        st.dataframe(requirements_df, use_container_width=True)
+        
+        # خيار تصفية المتطلبات
+        st.markdown("### تصفية المتطلبات")
+        
+        col1, col2 = st.columns(2)
+        
+        with col1:
+            selected_type = st.selectbox(
+                "تصفية حسب النوع",
+                ["الكل"] + sorted(requirements_df["النوع"].unique().tolist())
+            )
+        
+        with col2:
+            selected_priority = st.selectbox(
+                "تصفية حسب الأولوية",
+                ["الكل"] + sorted(requirements_df["الأولوية"].unique().tolist())
+            )
+        
+        # تطبيق التصفية
+        filtered_df = requirements_df.copy()
+        
+        if selected_type != "الكل":
+            filtered_df = filtered_df[filtered_df["النوع"] == selected_type]
+        
+        if selected_priority != "الكل":
+            filtered_df = filtered_df[filtered_df["الأولوية"] == selected_priority]
+        
+        if selected_type != "الكل" or selected_priority != "الكل":
+            st.markdown("### المتطلبات المصفاة")
+            st.dataframe(filtered_df, use_container_width=True)
+    
+    # تبويب تصنيف المتطلبات
+    with tab2:
+        st.markdown("### تصنيف المتطلبات حسب النوع والأولوية")
+        
+        # رسم بياني للمتطلبات حسب النوع
+        type_counts = requirements_df["النوع"].value_counts().reset_index()
+        type_counts.columns = ["النوع", "العدد"]
+        
+        fig1 = px.bar(
+            type_counts, 
+            x="النوع", 
+            y="العدد",
+            color="النوع",
+            title="توزيع المتطلبات حسب النوع"
+        )
+        
+        st.plotly_chart(fig1, use_container_width=True)
+        
+        # رسم بياني للمتطلبات حسب الأولوية
+        priority_counts = requirements_df["الأولوية"].value_counts().reset_index()
+        priority_counts.columns = ["الأولوية", "العدد"]
+        
+        # ترتيب الأولويات
+        priority_order = {"عالية": 1, "متوسطة": 2, "منخفضة": 3}
+        priority_counts["الترتيب"] = priority_counts["الأولوية"].map(priority_order)
+        priority_counts = priority_counts.sort_values("الترتيب")
+        
+        # اختيار الألوان حسب الأولوية
+        color_map = {"عالية": "#FF5733", "متوسطة": "#FFC300", "منخفضة": "#33FF57"}
+        colors = priority_counts["الأولوية"].map(color_map)
+        
+        fig2 = px.bar(
+            priority_counts, 
+            x="الأولوية", 
+            y="العدد",
+            color="الأولوية",
+            color_discrete_map=color_map,
+            title="توزيع المتطلبات حسب الأولوية"
+        )
+        
+        st.plotly_chart(fig2, use_container_width=True)
+    
+    # تبويب تحليل المتطلبات
+    with tab3:
+        st.markdown("### تحليل المتطلبات")
+        
+        # توزيع المتطلبات حسب التخصص
+        specialization_counts = requirements_df["التخصص"].value_counts().reset_index()
+        specialization_counts.columns = ["التخصص", "العدد"]
+        
+        fig3 = px.pie(
+            specialization_counts, 
+            values="العدد", 
+            names="التخصص",
+            title="توزيع المتطلبات حسب التخصص",
+            color_discrete_sequence=px.colors.qualitative.Bold
+        )
+        
+        fig3.update_traces(textposition="inside", textinfo="percent+label")
+        
+        st.plotly_chart(fig3, use_container_width=True)
+        
+        # مصفوفة المتطلبات (النوع × الأولوية)
+        heatmap_data = pd.crosstab(
+            requirements_df["النوع"], 
+            requirements_df["الأولوية"],
+            margins=True, 
+            margins_name="الإجمالي"
+        )
+        
+        # ترتيب الأعمدة (الأولويات)
+        priority_columns = ["عالية", "متوسطة", "منخفضة", "الإجمالي"]
+        heatmap_data = heatmap_data.reindex(columns=priority_columns, fill_value=0)
+        
+        st.markdown("### مصفوفة المتطلبات (النوع × الأولوية)")
+        st.dataframe(heatmap_data, use_container_width=True)
+    
+    # خيارات إضافية
+    st.markdown("### خيارات إضافية")
+    
+    col1, col2 = st.columns(2)
+    
+    with col1:
+        if st.button("تصدير المتطلبات إلى Excel"):
+            st.success("تم تصدير المتطلبات إلى ملف Excel بنجاح!")
+    
+    with col2:
+        if st.button("العودة إلى تحليل المناقصة"):
+            st.session_state.page = "تحليل المناقصات"
+            st.experimental_rerun()
+
+# اختبار مستقل للصفحة
+if __name__ == "__main__":
+    st.set_page_config(
+        page_title="نظام تحليل المناقصات - تحليل المتطلبات",
+        page_icon="📊",
+        layout="wide",
+    )
+    show_requirements_analysis()