modules/ai_assistant/ai_app.py

"""
وحدة الذكاء الاصطناعي - التطبيق الرئيسي
"""

import streamlit as st
import pandas as pd
import numpy as np
import matplotlib.pyplot as plt
import plotly.express as px
import plotly.graph_objects as go
from datetime import datetime
import time
import io
import os
import json
import base64
from pathlib import Path

class AIAssistantApp:
    """وحدة الذكاء الاصطناعي"""
    
    def __init__(self):
        """تهيئة وحدة الذكاء الاصطناعي"""
        
        # تهيئة حالة الجلسة
        if 'chat_history' not in st.session_state:
            st.session_state.chat_history = [
                {
                    'role': 'assistant',
                    'content': 'مرحباً! أنا مساعدك الذكي لإدارة المناقصات. كيف يمكنني مساعدتك اليوم؟'
                }
            ]
        
        if 'document_summaries' not in st.session_state:
            st.session_state.document_summaries = [
                {
                    'id': 1,
                    'title': 'كراسة الشروط والمواصفات - مشروع إنشاء مبنى إداري',
                    'date': '2024-03-15',
                    'summary': 'تتضمن كراسة الشروط والمواصفات لمشروع إنشاء مبنى إداري متطلبات المشروع وشروط التنفيذ والمواصفات الفنية للأعمال المطلوبة. يتكون المبنى من 5 طوابق بمساحة إجمالية 5000 متر مربع. تشمل الأعمال الأساسية: الأعمال الإنشائية، الأعمال المعمارية، الأعمال الكهربائية، الأعمال الميكانيكية، وأعمال التشطيبات.',
                    'key_points': [
                        'مدة التنفيذ: 18 شهراً',
                        'قيمة الضمان الابتدائي: 2% من قيمة العطاء',
                        'قيمة الضمان النهائي: 5% من قيمة العقد',
                        'غرامة التأخير: 1% من قيمة العقد عن كل أسبوع تأخير بحد أقصى 10%',
                        'شروط الدفع: دفعات شهرية حسب نسبة الإنجاز'
                    ],
                    'entities': {
                        'الجهة المالكة': 'وزارة المالية',
                        'موقع المشروع': 'الرياض - حي العليا',
                        'رقم المناقصة': 'T-2024-001',
                        'تاريخ الطرح': '2024-03-01',
                        'تاريخ الإقفال': '2024-04-15'
                    }
                },
                {
                    'id': 2,
                    'title': 'جدول الكميات - مشروع تطوير شبكة طرق',
                    'date': '2024-03-20',
                    'summary': 'يتضمن جدول الكميات لمشروع تطوير شبكة طرق تفاصيل الأعمال المطلوبة والكميات التقديرية. يشمل المشروع إنشاء طرق جديدة بطول 15 كم وتطوير طرق قائمة بطول 10 كم، بالإضافة إلى إنشاء 3 جسور و5 أنفاق.',
                    'key_points': [
                        'إجمالي أعمال الحفر: 250,000 م3',
                        'إجمالي أعمال الردم: 180,000 م3',
                        'إجمالي أعمال الخرسانة: 45,000 م3',
                        'إجمالي أعمال الأسفلت: 120,000 م2',
                        'إجمالي أعمال الإنارة: 500 عمود إنارة'
                    ],
                    'entities': {
                        'الجهة المالكة': 'وزارة النقل',
                        'موقع المشروع': 'جدة',
                        'رقم المناقصة': 'T-2024-002',
                        'تاريخ الطرح': '2024-03-10',
                        'تاريخ الإقفال': '2024-04-20'
                    }
                },
                {
                    'id': 3,
                    'title': 'المواصفات الفنية - مشروع بناء مدرسة',
                    'date': '2024-03-25',
                    'summary': 'تتضمن المواصفات الفنية لمشروع بناء مدرسة تفاصيل المتطلبات الفنية للمشروع. تتكون المدرسة من 3 طوابق بمساحة إجمالية 3000 متر مربع، وتشمل 20 فصلاً دراسياً، ومختبرات علوم، وقاعة متعددة الأغراض، ومكتبة، وغرف إدارية.',
                    'key_points': [
                        'نوع الهيكل: خرساني مسلح',
                        'نظام التكييف: نظام مركزي',
                        'نظام الإنارة: LED موفر للطاقة',
                        'نظام مكافحة الحريق: نظام رش آلي',
                        'متطلبات خاصة: نظام طاقة شمسية لتوفير 30% من احتياجات الطاقة'
                    ],
                    'entities': {
                        'الجهة المالكة': 'وزارة التعليم',
                        'موقع المشروع': 'الدمام',
                        'رقم المناقصة': 'T-2024-003',
                        'تاريخ الطرح': '2024-03-15',
                        'تاريخ الإقفال': '2024-04-25'
                    }
                }
            ]
        
        if 'ai_models' not in st.session_state:
            st.session_state.ai_models = [
                {
                    'id': 1,
                    'name': 'نموذج تحليل المستندات',
                    'description': 'نموذج ذكاء اصطناعي لتحليل مستندات المناقصات واستخراج المعلومات الرئيسية منها.',
                    'type': 'معالجة اللغة الطبيعية',
                    'accuracy': 92,
                    'last_updated': '2024-03-01'
                },
                {
                    'id': 2,
                    'name': 'نموذج تقدير التكاليف',
                    'description': 'نموذج ذكاء اصطناعي لتقدير تكاليف المشاريع بناءً على بيانات المشاريع السابقة.',
                    'type': 'تعلم آلي',
                    'accuracy': 85,
                    'last_updated': '2024-02-15'
                },
                {
                    'id': 3,
                    'name': 'نموذج تحليل المخاطر',
                    'description': 'نموذج ذكاء اصطناعي لتحليل المخاطر المحتملة للمشاريع وتقديم توصيات للتخفيف منها.',
                    'type': 'تعلم آلي',
                    'accuracy': 88,
                    'last_updated': '2024-02-20'
                },
                {
                    'id': 4,
                    'name': 'نموذج تحليل المنافسين',
                    'description': 'نموذج ذكاء اصطناعي لتحليل بيانات المنافسين وتقديم توصيات للتسعير التنافسي.',
                    'type': 'تعلم آلي',
                    'accuracy': 80,
                    'last_updated': '2024-03-10'
                },
                {
                    'id': 5,
                    'name': 'نموذج المساعد الذكي',
                    'description': 'نموذج ذكاء اصطناعي للإجابة على الاستفسارات وتقديم المساعدة في إدارة المناقصات.',
                    'type': 'معالجة اللغة الطبيعية',
                    'accuracy': 90,
                    'last_updated': '2024-03-15'
                }
            ]
    
    def render(self):
        """عرض واجهة وحدة الذكاء الاصطناعي"""
        
        st.markdown("<h1 class='module-title'>وحدة الذكاء الاصطناعي</h1>", unsafe_allow_html=True)
        
        tabs = st.tabs([
            "المساعد الذكي", 
            "تحليل المستندات",
            "تقدير التكاليف",
            "تحليل المخاطر",
            "نماذج الذكاء الاصطناعي"
        ])
        
        with tabs[0]:
            self._render_ai_assistant_tab()
        
        with tabs[1]:
            self._render_document_analysis_tab()
        
        with tabs[2]:
            self._render_cost_estimation_tab()
        
        with tabs[3]:
            self._render_risk_analysis_tab()
        
        with tabs[4]:
            self._render_ai_models_tab()
    
    def _render_ai_assistant_tab(self):
        """عرض تبويب المساعد الذكي"""
        
        st.markdown("### المساعد الذكي")
        
        # عرض محادثة المساعد الذكي
        chat_container = st.container()
        
        with chat_container:
            for message in st.session_state.chat_history:
                if message['role'] == 'user':
                    st.markdown(f"<div style='background-color: #e6f7ff; padding: 10px; border-radius: 10px; margin-bottom: 10px; text-align: right;'><strong>أنت:</strong> {message['content']}</div>", unsafe_allow_html=True)
                else:
                    st.markdown(f"<div style='background-color: #f0f0f0; padding: 10px; border-radius: 10px; margin-bottom: 10px;'><strong>المساعد:</strong> {message['content']}</div>", unsafe_allow_html=True)
        
        # إدخال رسالة جديدة
        with st.form(key="chat_form"):
            user_input = st.text_area("اكتب رسالتك هنا:", key="user_input", height=100)
            submit_button = st.form_submit_button("إرسال")
        
        if submit_button and user_input:
            # إضافة رسالة المستخدم إلى المحادثة
            st.session_state.chat_history.append({
                'role': 'user',
                'content': user_input
            })
            
            # محاكاة استجابة المساعد الذكي
            ai_responses = {
                "تكلفة": "بناءً على تحليل بيانات المشاريع السابقة، أتوقع أن تكون تكلفة هذا المشروع في حدود 15-18 مليون ريال. يمكنني تقديم تحليل تفصيلي إذا وفرت لي المزيد من المعلومات عن نطاق المشروع والمواصفات المطلوبة.",
                "مخاطر": "من أهم المخاطر المحتملة لهذا النوع من المشاريع: تأخر التوريدات، نقص العمالة الماهرة، التغييرات في نطاق العمل، والظروف الجوية غير المتوقعة. أنصح بوضع خطة إدارة مخاطر شاملة وتخصيص احتياطي للطوارئ بنسبة 10-15% من قيمة المشروع.",
                "منافس": "بناءً على تحليل المناقصات السابقة، يبدو أن المنافس الرئيسي يقدم أسعاراً أقل بنسبة 5-8% من متوسط السوق، لكنه يواجه تحديات في الالتزام بالجداول الزمنية. يمكنك التركيز على نقاط قوتك في الالتزام بالمواعيد وجودة التنفيذ في عرضك.",
                "مستند": "يمكنني تحليل مستندات المناقصة لاستخراج المعلومات الرئيسية مثل نطاق العمل، الشروط والمواصفات، الجداول الزمنية، وشروط الدفع. يرجى تحميل المستندات في تبويب تحليل المستندات.",
                "تسعير": "لتحسين استراتيجية التسعير، أنصح بتحليل هيكل التكاليف بدقة، ودراسة أسعار المنافسين، وتقييم القيمة المضافة التي تقدمها. يمكنك استخدام وحدة التسعير لإنشاء سيناريوهات تسعير مختلفة ومقارنتها.",
                "موارد": "بناءً على نطاق المشروع، أتوقع أنك ستحتاج إلى فريق من 15-20 مهندساً وفنياً، بالإضافة إلى معدات إنشائية رئيسية. يمكنك استخدام وحدة الموارد لتخطيط احتياجات المشروع بشكل تفصيلي."
            }
            
            # تحديد الاستجابة المناسبة بناءً على كلمات مفتاحية في رسالة المستخدم
            response = "أشكرك على رسالتك. يمكنني مساعدتك في إدارة المناقصات وتحليل المستندات وتقدير التكاليف وتحليل المخاطر. يرجى توضيح ما تحتاجه بالتحديد."
            
            for keyword, resp in ai_responses.items():
                if keyword in user_input:
                    response = resp
                    break
            
            # إضافة استجابة المساعد الذكي إلى المحادثة
            st.session_state.chat_history.append({
                'role': 'assistant',
                'content': response
            })
            
            # إعادة تحميل الصفحة لعرض المحادثة المحدثة
            st.rerun()
        
        # عرض اقتراحات للأسئلة
        st.markdown("### اقتراحات للأسئلة")
        
        suggestions = [
            "كيف يمكنني تقدير تكلفة مشروع إنشاء مبنى إداري؟",
            "ما هي المخاطر المحتملة لمشروع تطوير شبكة طرق؟",
            "كيف يمكنني تحليل استراتيجية المنافس الرئيسي؟",
            "كيف يمكنني تحليل مستندات المناقصة بسرعة؟",
            "ما هي أفضل استراتيجية للتسعير التنافسي؟",
            "كيف يمكنني تخطيط الموارد اللازمة للمشروع؟"
        ]
        
        col1, col2 = st.columns(2)
        
        with col1:
            for i in range(0, len(suggestions), 2):
                if st.button(suggestions[i], key=f"suggestion_{i}"):
                    # إضافة السؤال المقترح إلى المحادثة
                    st.session_state.chat_history.append({
                        'role': 'user',
                        'content': suggestions[i]
                    })
                    
                    # تحديد الاستجابة المناسبة
                    for keyword, resp in ai_responses.items():
                        if keyword in suggestions[i].lower():
                            response = resp
                            break
                    else:
                        response = "أشكرك على سؤالك. يمكنني مساعدتك في ذلك. يرجى تقديم المزيد من التفاصيل حول احتياجاتك المحددة."
                    
                    # إضافة استجابة المساعد الذكي إلى المحادثة
                    st.session_state.chat_history.append({
                        'role': 'assistant',
                        'content': response
                    })
                    
                    # إعادة تحميل الصفحة لعرض المحادثة المحدثة
                    st.rerun()
        
        with col2:
            for i in range(1, len(suggestions), 2):
                if st.button(suggestions[i], key=f"suggestion_{i}"):
                    # إضافة السؤال المقترح إلى المحادثة
                    st.session_state.chat_history.append({
                        'role': 'user',
                        'content': suggestions[i]
                    })
                    
                    # تحديد الاستجابة المناسبة
                    for keyword, resp in ai_responses.items():
                        if keyword in suggestions[i].lower():
                            response = resp
                            break
                    else:
                        response = "أشكرك على سؤالك. يمكنني مساعدتك في ذلك. يرجى تقديم المزيد من التفاصيل حول احتياجاتك المحددة."
                    
                    # إضافة استجابة المساعد الذكي إلى المحادثة
                    st.session_state.chat_history.append({
                        'role': 'assistant',
                        'content': response
                    })
                    
                    # إعادة تحميل الصفحة لعرض المحادثة المحدثة
                    st.rerun()
    
    def _render_document_analysis_tab(self):
        """عرض تبويب تحليل المستندات"""
        
        st.markdown("### تحليل المستندات باستخدام الذكاء الاصطناعي")
        
        # تحميل المستندات
        st.markdown("#### تحميل المستندات")
        
        uploaded_file = st.file_uploader("قم بتحميل مستند المناقصة (PDF, DOCX)", type=["pdf", "docx"])
        
        if uploaded_file is not None:
            if st.button("تحليل المستند"):
                # محاكاة تحليل المستند
                with st.spinner("جاري تحليل المستند..."):
                    time.sleep(2)  # محاكاة وقت المعالجة
                    st.success("تم تحليل المستند بنجاح!")
                    
                    # إضافة ملخص المستند إلى قائمة الملخصات
                    new_id = max([item['id'] for item in st.session_state.document_summaries], default=0) + 1
                    
                    st.session_state.document_summaries.append({
                        'id': new_id,
                        'title': uploaded_file.name,
                        'date': time.strftime("%Y-%m-%d"),
                        'summary': 'تم تحليل المستند واستخراج المعلومات الرئيسية منه. يتضمن المستند شروط ومواصفات المناقصة، ونطاق العمل، والجدول الزمني، وشروط الدفع.',
                        'key_points': [
                            'مدة التنفيذ: 12 شهراً',
                            'قيمة الضمان الابتدائي: 2% من قيمة العطاء',
                            'قيمة الضمان النهائي: 5% من قيمة العقد',
                            'غرامة التأخير: 1% من قيمة العقد عن كل أسبوع تأخير بحد أقصى 10%',
                            'شروط الدفع: دفعات شهرية حسب نسبة الإنجاز'
                        ],
                        'entities': {
                            'الجهة المالكة': 'وزارة الإسكان',
                            'موقع المشروع': 'الرياض',
                            'رقم المناقصة': 'T-2024-004',
                            'تاريخ الطرح': '2024-03-25',
                            'تاريخ الإقفال': '2024-05-01'
                        }
                    })
        
        # عرض ملخصات المستندات
        st.markdown("#### ملخصات المستندات")
        
        for summary in st.session_state.document_summaries:
            with st.expander(f"{summary['title']} - {summary['date']}"):
                st.markdown(f"**ملخص المستند:** {summary['summary']}")
                
                st.markdown("**النقاط الرئيسية:**")
                for point in summary['key_points']:
                    st.markdown(f"- {point}")
                
                st.markdown("**الكيانات المستخرجة:**")
                for entity, value in summary['entities'].items():
                    st.markdown(f"- **{entity}:** {value}")
                
                col1, col2, col3 = st.columns(3)
                
                with col1:
                    if st.button("تصدير الملخص", key=f"export_summary_{summary['id']}"):
                        st.success("تم تصدير الملخص بنجاح!")
                
                with col2:
                    if st.button("إرسال إلى وحدة التسعير", key=f"send_to_pricing_{summary['id']}"):
                        st.success("تم إرسال البيانات إلى وحدة التسعير بنجاح!")
                
                with col3:
                    if st.button("إرسال إلى وحدة المخاطر", key=f"send_to_risk_{summary['id']}"):
                        st.success("تم إرسال البيانات إلى وحدة المخاطر بنجاح!")
        
        # استخراج جدول الكميات
        st.markdown("#### استخراج جدول الكميات")
        
        boq_file = st.file_uploader("قم بتحميل جدول الكميات (PDF, XLSX)", type=["pdf", "xlsx"])
        
        if boq_file is not None:
            if st.button("استخراج جدول الكميات"):
                # محاكاة استخراج جدول الكميات
                with st.spinner("جاري استخراج جدول الكميات..."):
                    time.sleep(2)  # محاكاة وقت المعالجة
                    st.success("تم استخراج جدول الكميات بنجاح!")
                    
                    # عرض جدول الكميات المستخرج
                    boq_data = {
                        'الكود': ['A-001', 'A-002', 'A-003', 'B-001', 'B-002'],
                        'الوصف': [
                            'أعمال الحفر والردم',
                            'توريد وصب خرسانة عادية',
                            'توريد وصب خرسانة مسلحة للأساسات',
                            'توريد وتركيب حديد تسليح',
                            'توريد وبناء طابوق'
                        ],
                        'الوحدة': ['م3', 'م3', 'م3', 'طن', 'م2'],
                        'الكمية': [2000, 300, 200, 20, 500],
                        'سعر الوحدة': [45, 350, 450, 3500, 120],
                        'الإجمالي': [90000, 105000, 90000, 70000, 60000]
                    }
                    
                    boq_df = pd.DataFrame(boq_data)
                    st.dataframe(boq_df, use_container_width=True, hide_index=True)
                    
                    if st.button("إرسال إلى وحدة التسعير", key="send_boq_to_pricing"):
                        st.success("تم إرسال جدول الكميات إلى وحدة التسعير بنجاح!")
        
        # تحليل الشروط والمواصفات
        st.markdown("#### تحليل الشروط والمواصفات")
        
        specs_file = st.file_uploader("قم بتحميل الشروط والمواصفات (PDF, DOCX)", type=["pdf", "docx"])
        
        if specs_file is not None:
            if st.button("تحليل الشروط والمواصفات"):
                # محاكاة تحليل الشروط والمواصفات
                with st.spinner("جاري تحليل الشروط والمواصفات..."):
                    time.sleep(2)  # محاكاة وقت المعالجة
                    st.success("تم تحليل الشروط والمواصفات بنجاح!")
                    
                    # عرض نتائج التحليل
                    st.markdown("**الشروط الرئيسية:**")
                    st.markdown("- مدة التنفيذ: 12 شهراً")
                    st.markdown("- قيمة الضمان الابتدائي: 2% من قيمة العطاء")
                    st.markdown("- قيمة الضمان النهائي: 5% من قيمة العقد")
                    st.markdown("- غرامة التأخير: 1% من قيمة العقد عن كل أسبوع تأخير بحد أقصى 10%")
                    st.markdown("- شروط الدفع: دفعات شهرية حسب نسبة الإنجاز")
                    
                    st.markdown("**المواصفات الفنية الرئيسية:**")
                    st.markdown("- نوع الهيكل: خرساني مسلح")
                    st.markdown("- نظام التكييف: نظام مركزي")
                    st.markdown("- نظام الإنارة: LED موفر للطاقة")
                    st.markdown("- نظام مكافحة الحريق: نظام رش آلي")
                    st.markdown("- متطلبات خاصة: نظام طاقة شمسية لتوفير 30% من احتياجات الطاقة")
                    
                    if st.button("إرسال إلى وحدة المخاطر", key="send_specs_to_risk"):
                        st.success("تم إرسال تحليل الشروط والمواصفات إلى وحدة المخاطر بنجاح!")
    
    def _render_cost_estimation_tab(self):
        """عرض تبويب تقدير التكاليف"""
        
        st.markdown("### تقدير التكاليف باستخدام الذكاء الاصطناعي")
        
        # إدخال معلومات المشروع
        st.markdown("#### معلومات المشروع")
        
        col1, col2 = st.columns(2)
        
        with col1:
            project_type = st.selectbox(
                "نوع المشروع",
                ["مبنى إداري", "مبنى سكني", "مدرسة", "مستشفى", "طرق", "جسور", "بنية تحتية", "أخرى"]
            )
            
            project_area = st.number_input("المساحة الإجمالية (م2)", min_value=0, value=5000)
            
            project_location = st.selectbox(
                "موقع المشروع",
                ["الرياض", "جدة", "الدمام", "مكة", "المدينة", "أبها", "تبوك", "أخرى"]
            )
        
        with col2:
            project_duration = st.number_input("مدة التنفيذ (شهر)", min_value=1, value=18)
            
            project_quality = st.select_slider(
                "مستوى الجودة",
                options=["اقتصادي", "متوسط", "عالي", "ممتاز"]
            )
            
            project_complexity = st.select_slider(
                "مستوى التعقيد",
                options=["بسيط", "متوسط", "معقد", "معقد جداً"]
            )
        
        # تقدير التكاليف
        if st.button("تقدير التكاليف"):
            # محاكاة تقدير التكاليف
            with st.spinner("جاري تقدير التكاليف..."):
                time.sleep(2)  # محاكاة وقت المعالجة
                st.success("تم تقدير التكاليف بنجاح!")
                
                # عرض نتائج التقدير
                st.markdown("#### نتائج تقدير التكاليف")
                
                # تحديد التكلفة التقديرية بناءً على نوع المشروع والمساحة
                base_cost_per_sqm = {
                    "مبنى إداري": 3500,
                    "مبنى سكني": 3000,
                    "مدرسة": 3200,
                    "مستشفى": 5000,
                    "طرق": 1500,
                    "جسور": 8000,
                    "بنية تحتية": 2500,
                    "أخرى": 3000
                }
                
                # تعديل التكلفة بناءً على الموقع
                location_factor = {
                    "الرياض": 1.0,
                    "جدة": 1.05,
                    "الدمام": 0.95,
                    "مكة": 1.1,
                    "المدينة": 1.0,
                    "أبها": 0.9,
                    "تبوك": 0.85,
                    "أخرى": 1.0
                }
                
                # تعديل التكلفة بناءً على مستوى الجودة
                quality_factor = {
                    "اقتصادي": 0.8,
                    "متوسط": 1.0,
                    "عالي": 1.2,
                    "ممتاز": 1.5
                }
                
                # تعديل التكلفة بناءً على مستوى التعقيد
                complexity_factor = {
                    "بسيط": 0.9,
                    "متوسط": 1.0,
                    "معقد": 1.2,
                    "معقد جداً": 1.4
                }
                
                # حساب التكلفة التقديرية
                base_cost = base_cost_per_sqm[project_type] * project_area
                adjusted_cost = base_cost * location_factor[project_location] * quality_factor[project_quality] * complexity_factor[project_complexity]
                
                # عرض التكلفة التقديرية
                col1, col2 = st.columns(2)
                
                with col1:
                    st.metric("التكلفة التقديرية", f"{adjusted_cost:,.0f} ريال")
                
                with col2:
                    st.metric("التكلفة لكل متر مربع", f"{adjusted_cost / project_area:,.0f} ريال/م2")
                
                # عرض تفاصيل التكاليف
                st.markdown("#### تفاصيل التكاليف")
                
                # تقسيم التكاليف إلى فئات
                cost_breakdown = {
                    "الأعمال الإنشائية": 0.35,
                    "الأعمال المعمارية": 0.25,
                    "الأعمال الكهربائية": 0.15,
                    "الأعمال الميكانيكية": 0.15,
                    "أعمال الموقع والتجهيزات": 0.10
                }
                
                cost_details = {
                    "الفئة": list(cost_breakdown.keys()),
                    "النسبة": [f"{v * 100:.0f}%" for v in cost_breakdown.values()],
                    "التكلفة": [adjusted_cost * v for v in cost_breakdown.values()]
                }
                
                cost_df = pd.DataFrame(cost_details)
                st.dataframe(cost_df, use_container_width=True, hide_index=True)
                
                # عرض رسم بياني للتكاليف
                fig = px.pie(
                    cost_df,
                    values="التكلفة",
                    names="الفئة",
                    title="توزيع التكاليف حسب الفئة"
                )
                
                st.plotly_chart(fig, use_container_width=True)
                
                # عرض تحليل التكاليف المباشرة وغير المباشرة
                st.markdown("#### تحليل التكاليف المباشرة وغير المباشرة")
                
                direct_cost = adjusted_cost * 0.85
                indirect_cost = adjusted_cost * 0.15
                
                direct_indirect_data = {
                    "نوع التكلفة": ["تكاليف مباشرة", "تكاليف غير مباشرة"],
                    "النسبة": ["85%", "15%"],
                    "التكلفة": [direct_cost, indirect_cost]
                }
                
                direct_indirect_df = pd.DataFrame(direct_indirect_data)
                st.dataframe(direct_indirect_df, use_container_width=True, hide_index=True)
                
                # عرض رسم بياني للتكاليف المباشرة وغير المباشرة
                fig = px.bar(
                    direct_indirect_df,
                    x="نوع التكلفة",
                    y="التكلفة",
                    title="التكاليف المباشرة وغير المباشرة",
                    color="نوع التكلفة",
                    text_auto='.2s'
                )
                
                st.plotly_chart(fig, use_container_width=True)
                
                # عرض توصيات لتحسين التكاليف
                st.markdown("#### توصيات لتحسين التكاليف")
                
                st.markdown("1. **تحسين تصميم المشروع:** يمكن تحسين التصميم لتقليل التكاليف مع الحفاظ على الجودة.")
                st.markdown("2. **استخدام مواد بديلة:** يمكن استخدام مواد بديلة بتكلفة أقل مع الحفاظ على الجودة.")
                st.markdown("3. **تحسين جدولة المشروع:** يمكن تحسين جدولة المشروع لتقليل مدة التنفيذ وبالتالي تقليل التكاليف غير المباشرة.")
                st.markdown("4. **تحسين إدارة الموارد:** يمكن تحسين إدارة الموارد لتقليل الهدر وزيادة الإنتاجية.")
                st.markdown("5. **التفاوض مع الموردين:** يمكن التفاوض مع الموردين للحصول على أسعار أفضل.")
                
                # إرسال التقدير إلى وحدة التسعير
                if st.button("إرسال إلى وحدة التسعير", key="send_estimate_to_pricing"):
                    st.success("تم إرسال تقدير التكاليف إلى وحدة التسعير بنجاح!")
        
        # مقارنة التكاليف مع المشاريع السابقة
        st.markdown("#### مقارنة التكاليف مع المشاريع السابقة")
        
        # بيانات افتراضية للمشاريع السابقة
        previous_projects_data = {
            "المشروع": ["مبنى إداري - الرياض", "مبنى إداري - جدة", "مبنى إداري - الدمام", "مبنى سكني - الرياض", "مدرسة - جدة"],
            "المساحة (م2)": [4500, 5200, 4800, 6000, 3500],
            "التكلفة الإجمالية": [16200000, 19500000, 15800000, 18500000, 11200000],
            "التكلفة لكل متر مربع": [3600, 3750, 3290, 3080, 3200]
        }
        
        previous_projects_df = pd.DataFrame(previous_projects_data)
        st.dataframe(previous_projects_df, use_container_width=True, hide_index=True)
        
        # عرض رسم بياني لمقارنة التكاليف
        fig = px.bar(
            previous_projects_df,
            x="المشروع",
            y="التكلفة لكل متر مربع",
            title="مقارنة التكلفة لكل متر مربع للمشاريع السابقة",
            color="المشروع",
            text_auto='.0f'
        )
        
        st.plotly_chart(fig, use_container_width=True)
    
    def _render_risk_analysis_tab(self):
        """عرض تبويب تحليل المخاطر"""
        
        st.markdown("### تحليل المخاطر باستخدام الذكاء الاصطناعي")
        
        # إدخال معلومات المشروع
        st.markdown("#### معلومات المشروع")
        
        col1, col2 = st.columns(2)
        
        with col1:
            project_type = st.selectbox(
                "نوع المشروع",
                ["مبنى إداري", "مبنى سكني", "مدرسة", "مستشفى", "طرق", "جسور", "بنية تحتية", "أخرى"],
                key="risk_project_type"
            )
            
            project_budget = st.number_input("ميزانية المشروع (ريال)", min_value=0, value=15000000)
            
            project_location = st.selectbox(
                "موقع المشروع",
                ["الرياض", "جدة", "الدمام", "مكة", "المدينة", "أبها", "تبوك", "أخرى"],
                key="risk_project_location"
            )
        
        with col2:
            project_duration = st.number_input("مدة التنفيذ (شهر)", min_value=1, value=18, key="risk_project_duration")
            
            project_complexity = st.select_slider(
                "مستوى التعقيد",
                options=["بسيط", "متوسط", "معقد", "معقد جداً"],
                key="risk_project_complexity"
            )
            
            project_experience = st.select_slider(
                "مستوى الخبرة في هذا النوع من المشاريع",
                options=["منخفض", "متوسط", "عالي", "ممتاز"]
            )
        
        # تحليل المخاطر
        if st.button("تحليل المخاطر"):
            # محاكاة تحليل المخاطر
            with st.spinner("جاري تحليل المخاطر..."):
                time.sleep(2)  # محاكاة وقت المعالجة
                st.success("تم تحليل المخاطر بنجاح!")
                
                # عرض نتائج التحليل
                st.markdown("#### نتائج تحليل المخاطر")
                
                # بيانات افتراضية للمخاطر
                risks_data = {
                    "المخاطرة": [
                        "تأخر التوريدات",
                        "نقص العمالة الماهرة",
                        "التغييرات في نطاق العمل",
                        "الظروف الجوية غير المتوقعة",
                        "مشاكل في التصميم",
                        "تأخر الدفعات",
                        "مشاكل في الموقع",
                        "تغيير الأنظمة واللوائح",
                        "مشاكل في الجودة",
                        "مشاكل في التنسيق مع الجهات الحكومية"
                    ],
                    "الاحتمالية": [
                        "متوسطة",
                        "عالية",
                        "متوسطة",
                        "منخفضة",
                        "منخفضة",
                        "متوسطة",
                        "منخفضة",
                        "منخفضة",
                        "متوسطة",
                        "عالية"
                    ],
                    "التأثير": [
                        "عالي",
                        "عالي",
                        "عالي",
                        "متوسط",
                        "عالي",
                        "متوسط",
                        "متوسط",
                        "عالي",
                        "عالي",
                        "متوسط"
                    ],
                    "درجة المخاطرة": [
                        "عالية",
                        "عالية",
                        "عالية",
                        "متوسطة",
                        "متوسطة",
                        "متوسطة",
                        "منخفضة",
                        "متوسطة",
                        "عالية",
                        "عالية"
                    ]
                }
                
                risks_df = pd.DataFrame(risks_data)
                st.dataframe(risks_df, use_container_width=True, hide_index=True)
                
                # عرض مصفوفة المخاطر
                st.markdown("#### مصفوفة المخاطر")
                
                # تحويل الاحتمالية والتأثير إلى قيم عددية
                probability_map = {"منخفضة": 1, "متوسطة": 2, "عالية": 3}
                impact_map = {"منخفض": 1, "متوسط": 2, "عالي": 3}
                
                risk_matrix_data = []
                
                for i, risk in enumerate(risks_data["المخاطرة"]):
                    prob = probability_map[risks_data["الاحتمالية"][i]]
                    impact = impact_map[risks_data["التأثير"][i]]
                    risk_matrix_data.append({
                        "المخاطرة": risk,
                        "الاحتمالية": prob,
                        "التأثير": impact,
                        "درجة المخاطرة": prob * impact
                    })
                
                # إنشاء مصفوفة المخاطر
                risk_matrix = np.zeros((3, 3))
                
                for risk in risk_matrix_data:
                    prob = risk["الاحتمالية"] - 1  # تعديل الفهرس ليبدأ من 0
                    impact = risk["التأثير"] - 1  # تعديل الفهرس ليبدأ من 0
                    risk_matrix[prob, impact] += 1
                
                # عرض مصفوفة المخاطر كرسم بياني حراري
                fig, ax = plt.subplots(figsize=(10, 8))
                
                im = ax.imshow(risk_matrix, cmap="YlOrRd")
                
                # إضافة النص إلى الخلايا
                for i in range(3):
                    for j in range(3):
                        text = ax.text(j, i, int(risk_matrix[i, j]), ha="center", va="center", color="black")
                
                # إضافة العناوين
                ax.set_xticks(np.arange(3))
                ax.set_yticks(np.arange(3))
                ax.set_xticklabels(["منخفض", "متوسط", "عالي"])
                ax.set_yticklabels(["منخفضة", "متوسطة", "عالية"])
                
                # إضافة العناوين الرئيسية
                ax.set_xlabel("التأثير")
                ax.set_ylabel("الاحتمالية")
                ax.set_title("مصفوفة المخاطر")
                
                # إضافة شريط الألوان
                cbar = ax.figure.colorbar(im, ax=ax)
                cbar.ax.set_ylabel("عدد المخاطر", rotation=-90, va="bottom")
                
                # عرض الرسم البياني
                st.pyplot(fig)
                
                # عرض توزيع المخاطر حسب الدرجة
                st.markdown("#### توزيع المخاطر حسب الدرجة")
                
                risk_degree_counts = {
                    "منخفضة": sum(1 for degree in risks_data["درجة المخاطرة"] if degree == "منخفضة"),
                    "متوسطة": sum(1 for degree in risks_data["درجة المخاطرة"] if degree == "متوسطة"),
                    "عالية": sum(1 for degree in risks_data["درجة المخاطرة"] if degree == "عالية")
                }
                
                risk_degree_df = pd.DataFrame({
                    "درجة المخاطرة": list(risk_degree_counts.keys()),
                    "العدد": list(risk_degree_counts.values())
                })
                
                fig = px.pie(
                    risk_degree_df,
                    values="العدد",
                    names="درجة المخاطرة",
                    title="توزيع المخاطر حسب الدرجة",
                    color="درجة المخاطرة",
                    color_discrete_map={"منخفضة": "green", "متوسطة": "orange", "عالية": "red"}
                )
                
                st.plotly_chart(fig, use_container_width=True)
                
                # عرض خطة إدارة المخاطر
                st.markdown("#### خطة إدارة المخاطر")
                
                # بيانات افتراضية لخطة إدارة المخاطر
                risk_management_data = {
                    "المخاطرة": [
                        "تأخر التوريدات",
                        "نقص العمالة الماهرة",
                        "التغييرات في نطاق العمل",
                        "مشاكل في الجودة",
                        "مشاكل في التنسيق مع الجهات الحكومية"
                    ],
                    "استراتيجية المواجهة": [
                        "تخفيف",
                        "تخفيف",
                        "تجنب",
                        "تخفيف",
                        "نقل"
                    ],
                    "الإجراءات": [
                        "التعاقد مع موردين متعددين، وضع جدول زمني للتوريدات مع هامش أمان، متابعة التوريدات بشكل دوري",
                        "التعاقد مع شركات توريد عمالة موثوقة، تدريب العمالة الحالية، وضع حوافز للعمالة الماهرة",
                        "توثيق نطاق العمل بشكل دقيق، وضع إجراءات للتغييرات في نطاق العمل، تحديد صلاحيات اعتماد التغييرات",
                        "وضع خطة لضبط الجودة، تعيين مسؤول للجودة، إجراء اختبارات دورية للجودة",
                        "التعاقد مع استشاري متخصص في التنسيق مع الجهات الحكومية، تحديد متطلبات الجهات الحكومية مسبقاً"
                    ],
                    "المسؤول": [
                        "مدير المشتريات",
                        "مدير الموارد البشرية",
                        "مدير المشروع",
                        "مدير الجودة",
                        "مدير العلاقات الحكومية"
                    ],
                    "الموعد النهائي": [
                        "قبل بدء المشروع بشهر",
                        "قبل بدء المشروع بشهرين",
                        "قبل بدء المشروع بأسبوعين",
                        "مستمر طوال فترة المشروع",
                        "قبل بدء المشروع بشهر"
                    ]
                }
                
                risk_management_df = pd.DataFrame(risk_management_data)
                st.dataframe(risk_management_df, use_container_width=True, hide_index=True)
                
                # عرض توصيات لإدارة المخاطر
                st.markdown("#### توصيات لإدارة المخاطر")
                
                st.markdown("1. **تخصيص احتياطي للطوارئ:** يوصى بتخصيص احتياطي للطوارئ بنسبة 10-15% من قيمة المشروع.")
                st.markdown("2. **مراجعة خطة إدارة المخاطر بشكل دوري:** يجب مراجعة خطة إدارة المخاطر بشكل دوري وتحديثها حسب الحاجة.")
                st.markdown("3. **تعيين مسؤول لإدارة المخاطر:** يوصى بتعيين مسؤول لإدارة المخاطر في المشروع.")
                st.markdown("4. **توثيق الدروس المستفادة:** يجب توثيق الدروس المستفادة من إدارة المخاطر في المشاريع السابقة.")
                st.markdown("5. **التواصل المستمر مع أصحاب المصلحة:** يجب التواصل المستمر مع أصحاب المصلحة لتحديد المخاطر المحتملة.")
                
                # إرسال تحليل المخاطر إلى وحدة التسعير
                if st.button("إرسال إلى وحدة التسعير", key="send_risk_to_pricing"):
                    st.success("تم إرسال تحليل المخاطر إلى وحدة التسعير بنجاح!")
    
    def _render_ai_models_tab(self):
        """عرض تبويب نماذج الذكاء الاصطناعي"""
        
        st.markdown("### نماذج الذكاء الاصطناعي")
        
        # عرض نماذج الذكاء الاصطناعي
        st.markdown("#### قائمة نماذج الذكاء الاصطناعي")
        
        # تحويل قائمة النماذج إلى DataFrame
        models_df = pd.DataFrame(st.session_state.ai_models)
        
        # عرض النماذج كجدول
        st.dataframe(
            models_df,
            column_config={
                "id": st.column_config.NumberColumn("الرقم"),
                "name": st.column_config.TextColumn("اسم النموذج"),
                "description": st.column_config.TextColumn("الوصف"),
                "type": st.column_config.TextColumn("النوع"),
                "accuracy": st.column_config.ProgressColumn("الدقة (%)", min_value=0, max_value=100),
                "last_updated": st.column_config.DateColumn("تاريخ التحديث")
            },
            use_container_width=True,
            hide_index=True
        )
        
        # عرض تفاصيل النماذج
        st.markdown("#### تفاصيل النماذج")
        
        for model in st.session_state.ai_models:
            with st.expander(f"{model['name']} - دقة {model['accuracy']}%"):
                st.markdown(f"**الوصف:** {model['description']}")
                st.markdown(f"**النوع:** {model['type']}")
                st.markdown(f"**تاريخ التحديث:** {model['last_updated']}")
                
                if model['name'] == "نموذج تحليل المستندات":
                    st.markdown("**القدرات:**")
                    st.markdown("- استخراج المعلومات الرئيسية من مستندات المناقصات")
                    st.markdown("- تحليل الشروط والمواصفات")
                    st.markdown("- استخراج جداول الكميات")
                    st.markdown("- تحديد الكيانات المهمة مثل الجهة المالكة، موقع المشروع، تواريخ المناقصة")
                    st.markdown("- تلخيص المستندات الطويلة")
                
                elif model['name'] == "نموذج تقدير التكاليف":
                    st.markdown("**القدرات:**")
                    st.markdown("- تقدير تكاليف المشاريع بناءً على بيانات المشاريع السابقة")
                    st.markdown("- تحليل العوامل المؤثرة على التكاليف")
                    st.markdown("- تقديم توصيات لتحسين التكاليف")
                    st.markdown("- مقارنة التكاليف مع المشاريع المماثلة")
                    st.markdown("- تحليل التكاليف المباشرة وغير المباشرة")
                
                elif model['name'] == "نموذج تحليل المخاطر":
                    st.markdown("**القدرات:**")
                    st.markdown("- تحديد المخاطر المحتملة للمشاريع")
                    st.markdown("- تقييم احتمالية وتأثير المخاطر")
                    st.markdown("- إنشاء مصفوفة المخاطر")
                    st.markdown("- تقديم توصيات لإدارة المخاطر")
                    st.markdown("- تحليل المخاطر بناءً على بيانات المشاريع السابقة")
                
                elif model['name'] == "نموذج تحليل المنافسين":
                    st.markdown("**القدرات:**")
                    st.markdown("- تحليل بيانات المنافسين")
                    st.markdown("- تحديد نقاط القوة والضعف للمنافسين")
                    st.markdown("- تقديم توصيات للتسعير التنافسي")
                    st.markdown("- تحليل استراتيجيات المنافسين")
                    st.markdown("- تحليل حصص السوق")
                
                elif model['name'] == "نموذج المساعد الذكي":
                    st.markdown("**القدرات:**")
                    st.markdown("- الإجابة على الاستفسارات المتعلقة بإدارة المناقصات")
                    st.markdown("- تقديم توصيات لتحسين إدارة المناقصات")
                    st.markdown("- مساعدة المستخدمين في استخدام النظام")
                    st.markdown("- تقديم معلومات عن المشاريع والمناقصات")
                    st.markdown("- تقديم إحصائيات وتحليلات عن المناقصات")
        
        # عرض أداء النماذج
        st.markdown("#### أداء النماذج")
        
        # إنشاء رسم بياني لأداء النماذج
        performance_df = pd.DataFrame({
            "النموذج": [model['name'] for model in st.session_state.ai_models],
            "الدقة (%)": [model['accuracy'] for model in st.session_state.ai_models]
        })
        
        fig = px.bar(
            performance_df,
            x="النموذج",
            y="الدقة (%)",
            title="أداء نماذج الذكاء الاصطناعي",
            color="الدقة (%)",
            text_auto='.0f'
        )
        
        fig.update_layout(yaxis_range=[0, 100])
        
        st.plotly_chart(fig, use_container_width=True)
        
        # تدريب النماذج
        st.markdown("#### تدريب النماذج")
        
        col1, col2 = st.columns(2)
        
        with col1:
            model_to_train = st.selectbox(
                "اختر النموذج للتدريب",
                [model['name'] for model in st.session_state.ai_models]
            )
        
        with col2:
            training_data = st.file_uploader("قم بتحميل بيانات التدريب (CSV, XLSX)", type=["csv", "xlsx"])
        
        if st.button("تدريب النموذج"):
            # محاكاة تدريب النموذج
            with st.spinner(f"جاري تدريب {model_to_train}..."):
                time.sleep(3)  # محاكاة وقت التدريب
                st.success(f"تم تدريب {model_to_train} بنجاح!")
                
                # تحديث دقة النموذج
                for i, model in enumerate(st.session_state.ai_models):
                    if model['name'] == model_to_train:
                        # زيادة الدقة بنسبة عشوائية بين 1% و 3%
                        import random
                        accuracy_increase = random.uniform(1, 3)
                        new_accuracy = min(model['accuracy'] + accuracy_increase, 99)
                        st.session_state.ai_models[i]['accuracy'] = new_accuracy
                        st.session_state.ai_models[i]['last_updated'] = time.strftime("%Y-%m-%d")
                        
                        st.metric(
                            "الدقة الجديدة",
                            f"{new_accuracy:.1f}%",
                            f"+{accuracy_increase:.1f}%"
                        )
                        
                        break
        
        # تقييم النماذج
        st.markdown("#### تقييم النماذج")
        
        col1, col2 = st.columns(2)
        
        with col1:
            model_to_evaluate = st.selectbox(
                "اختر النموذج للتقييم",
                [model['name'] for model in st.session_state.ai_models],
                key="model_to_evaluate"
            )
        
        with col2:
            evaluation_data = st.file_uploader("قم بتحميل بيانات التقييم (CSV, XLSX)", type=["csv", "xlsx"], key="evaluation_data")
        
        if st.button("تقييم النموذج"):
            # محاكاة تقييم النموذج
            with st.spinner(f"جاري تقييم {model_to_evaluate}..."):
                time.sleep(2)  # محاكاة وقت التقييم
                st.success(f"تم تقييم {model_to_evaluate} بنجاح!")
                
                # عرض نتائج التقييم
                for model in st.session_state.ai_models:
                    if model['name'] == model_to_evaluate:
                        accuracy = model['accuracy']
                        break
                
                evaluation_metrics = {
                    "المقياس": ["الدقة", "الاستدعاء", "F1", "AUC-ROC"],
                    "القيمة": [accuracy / 100, (accuracy - 5) / 100, (accuracy - 3) / 100, (accuracy - 2) / 100]
                }
                
                evaluation_df = pd.DataFrame(evaluation_metrics)
                st.dataframe(evaluation_df, use_container_width=True, hide_index=True)
                
                # عرض مصفوفة الارتباك
                st.markdown("##### مصفوفة الارتباك")
                
                # إنشاء مصفوفة ارتباك افتراضية
                confusion_matrix = np.array([
                    [85, 10, 5],
                    [8, 80, 12],
                    [7, 13, 80]
                ])
                
                fig, ax = plt.subplots(figsize=(10, 8))
                
                im = ax.imshow(confusion_matrix, cmap="Blues")
                
                # إضافة النص إلى الخلايا
                for i in range(3):
                    for j in range(3):
                        text = ax.text(j, i, confusion_matrix[i, j], ha="center", va="center", color="black")
                
                # إضافة العناوين
                ax.set_xticks(np.arange(3))
                ax.set_yticks(np.arange(3))
                ax.set_xticklabels(["الفئة 1", "الفئة 2", "الفئة 3"])
                ax.set_yticklabels(["الفئة 1", "الفئة 2", "الفئة 3"])
                
                # إضافة العناوين الرئيسية
                ax.set_xlabel("الفئة المتوقعة")
                ax.set_ylabel("الفئة الحقيقية")
                ax.set_title("مصفوفة الارتباك")
                
                # إضافة شريط الألوان
                cbar = ax.figure.colorbar(im, ax=ax)
                cbar.ax.set_ylabel("عدد العينات", rotation=-90, va="bottom")
                
                # عرض الرسم البياني
                st.pyplot(fig)