WAHBi-AI-V2 / web /pages /requirements_analysis.py
EGYADMIN's picture
Create web/pages/requirements_analysis.py
f5d8f9a verified
raw
history blame
10.8 kB
import streamlit as st
import pandas as pd
import numpy as np
import plotly.express as px
def show_requirements_analysis():
"""
عرض صفحة تحليل متطلبات المناقصة
"""
st.subheader("تحليل متطلبات المناقصة")
# التحقق من وجود نتائج تحليل سابقة
if "analysis_results" not in st.session_state or not st.session_state.analysis_results:
st.warning("لا توجد نتائج تحليل متاحة. يرجى تحليل مناقصة أولاً.")
if st.button("الانتقال إلى صفحة تحليل المناقصات"):
st.session_state.page = "تحليل المناقصات"
st.experimental_rerun()
# عرض بيانات توضيحية
st.markdown("### بيانات توضيحية لمتطلبات المناقصة")
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 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()