Update README.md

README.md

@@ -6,258 +6,125 @@ emoji: 🚀
 colorFrom: indigo
 colorTo: yellow
 short_description: تحليل متقدم للمناقصات، المحتوى المحلي، سلاسل الإمداد، والتوق
+sdk_version: 1.43.2
 ---
-# نظام تحليل المناقصات وتوقع المشاريع المستقبلية
+# نظام تحليل المناقصات مع سلاسل الإمداد والمحتوى المحلي
 
-<div dir="rtl" align="center">
-  <img src="web/assets/logos/peninsula_logo.png" alt="شعار شركة شبه الجزيرة للمقاولات" width="200" />
-  <h2>نظام متكامل لتحليل المناقصات والمشاريع المستقبلية لشركة شبه الجزيرة للمقاولات</h2>
-  <p>تحليل متقدم للمناقصات، المحتوى المحلي، سلاسل الإمداد، والتوقعات المستقبلية</p>
-  <p>مستوى ثقة 95%</p>
-  <p>مهندس التطوير: م. تامر الجوهري</p>
-</div>
+## نظرة عامة
 
-<div dir="rtl">
+نظام متكامل لتحليل المناقصات والعقود مع التركيز على سلاسل الإمداد والمحتوى المحلي، يستخدم تقنيات الذكاء الاصطناعي ومعالجة اللغة الطبيعية لاستخراج المعلومات المهمة وتقديم تحليلات وتوصيات.
 
-## نبذة عن المشروع
+![الهيكل الهندسي للنظام](docs/images/system-architecture.svg)
 
-هذا النظام هو منصة متكاملة تستخدم الذكاء الاصطناعي وتقنيات التعلم العميق لتحليل المناقصات وعقود المشاريع الكبرى في المملكة العربية السعودية. يركز النظام بشكل خاص على تحليل المحتوى المحلي وسلاسل الإمداد والتوقعات المستقبلية للمناقصات في قطاعات البلديات وصندوق الاستثمار ووزارة النقل.
+## المميزات الرئيسية
 
-### الإمكانيات الرئيسية
+- **تحليل المناقصات**: استخراج المتطلبات والشروط الرئيسية من وثائق المناقصة
+- **تحليل التكاليف والمخاطر**: تقدير التكاليف وتحديد المخاطر المحتملة
+- **المحتوى المحلي**: تحليل وحساب نسبة المحتوى المحلي وتقديم توصيات للتحسين
+- **سلاسل الإمداد**: تحليل سلاسل الإمداد وتحديد الموردين المحتملين
+- **الجدول الزمني**: تحليل الجدول الزمني وتحديد المسار الحرج
+- **الذكاء الاصطناعي**: استخدام نماذج اللغة الكبيرة ونماذج التعلم العميق للتحليل المتقدم
 
-- **تحليل المناقصات**: استخراج ومعالجة متطلبات المناقصات من الملفات بصيغ متعددة (PDF, Word, صور ممسوحة ضوئياً)
-- **تحليل المحتوى المحلي**: تقدير وحساب نسب المحتوى المحلي والامتثال للمتطلبات التنظيمية
-- **إدارة سلاسل الإمداد**: تحليل وتحسين سلاسل الإمداد المحلية واقتراح الموردين المحليين المناسبين
-- **التوقعات المستقبلية**: توقع المناقصات والمشاريع المستقبلية من مختلف الجهات الحكومية
-- **تقدير احتمالية النجاح**: حساب احتمالية الفوز بالمناقصات بناءً على تحليل البيانات التاريخية والسوق الحالي
-- **تقارير تحليلية**: إنشاء تقارير شاملة ولوحات معلومات تفاعلية لدعم اتخاذ القرار
+## المتطلبات التقنية
 
-## متطلبات النظام
+- Python 3.9+
+- Streamlit
+- Pandas, NumPy, Matplotlib, Plotly
+- Anthropic Claude API
+- NLTK, Transformers, Sentence-Transformers
+- PyPDF2, PyMuPDF, python-docx, textract
 
-### المتطلبات التقنية
+## التثبيت
 
-- Python 3.10 أو أحدث
-- بطاقة GPU بذاكرة 46 جيجابايت أو أكثر (للاستفادة الكاملة من قدرات النظام)
-- مساحة تخزين 20 جيجابايت على الأقل
-- اتصال إنترنت (مطلوب للوصول إلى واجهات برمجة التطبيقات الخارجية)
+1. استنساخ المستودع:
+   ```bash
+   git clone https://github.com/yourusername/tender-analysis-system.git
+   cd tender-analysis-system
+   ```
 
-### المكتبات المطلوبة
+2. إنشاء بيئة افتراضية:
+   ```bash
+   python -m venv venv
+   source venv/bin/activate  # لينكس/ماك
+   venv\Scripts\activate     # ويندوز
+   ```
 
-يمكن تثبيت جميع المكتبات المطلوبة باستخدام ملف `requirements.txt` المرفق:
+3. تثبيت الم��تبات المطلوبة:
+   ```bash
+   pip install -r requirements.txt
+   ```
 
-```bash
-pip install -r requirements.txt
-```
-
-## طريقة الإعداد في بيئة Hugging Face
-
-### 1. إنشاء Space في Hugging Face
-
-1. قم بتسجيل الدخول إلى [Hugging Face](https://huggingface.co/)
-2. انتقل إلى [Spaces](https://huggingface.co/spaces) وانقر على "Create new Space"
-3. اختر اسماً للمشروع وحدد "Streamlit" كإطار عمل
-4. اختر "GPU" كنوع الجهاز (يفضل A10G أو أفضل)
-5. أنشئ المستودع
-
-### 2. رفع الملفات إلى المستودع
+4. إعداد ملف `.env`:
+   ```
+   # إعدادات التطبيق
+   DEBUG=True
+   DATA_DIR=data
+   OUTPUT_DIR=output
+   LOGS_DIR=logs
 
-يمكنك رفع ملفات المشروع إلى مستودع Hugging Face بإحدى الطرق التالية:
-
-#### عبر واجهة الويب
-
-1. انتقل إلى صفحة Space الخاص بك
-2. انقر على "Files" ثم "Add file"
-3. قم برفع جميع الملفات أو المجلدات
-
-#### باستخدام Git
-
-```bash
-git clone https://huggingface.co/spaces/username/your-space-name
-cd your-space-name
-# نسخ ملفات المشروع هنا
-git add .
-git commit -m "إضافة ملفات المشروع"
-git push
-```
+   # مفاتيح API
+   ANTHROPIC_API_KEY=your_anthropic_api_key
+   MUNAFASAT_API_KEY=your_munafasat_api_key
+   ETIMAD_API_KEY=your_etimad_api_key
+   BALADY_API_KEY=your_balady_api_key
+   ```
 
-#### باستخدام واجهة برمجة Hugging Face
+## التشغيل
 
 ```bash
-pip install huggingface_hub
-```
-
-```python
-from huggingface_hub import HfApi
-
-api = HfApi()
-api.upload_folder(
-    folder_path="./tender_analysis_system",
-    repo_id="username/your-space-name",
-    repo_type="space"
-)
-```
-
-### 3. تحميل النماذج المدربة مسبقاً
-
-النظام يستخدم عدة نماذج مدربة مسبقاً. لتحميلها:
-
-1. قم بإنشاء مجلد `models/trained` في مستودعك
-2. حمل النماذج التالية:
-
-```python
-from huggingface_hub import snapshot_download
-
-# نموذج ArabERT
-snapshot_download(repo_id="aubmindlab/arabert-base-v2", 
-                 local_dir="./models/trained/arabert")
-
-# نموذج مدرب للتصنيف
-snapshot_download(repo_id="username/tender-classifier", 
-                 local_dir="./models/trained/tender_classifier")
-```
-
-### 4. إعداد ملفات الإعدادات
-
-1. تأكد من أن ملفات الإعدادات في مجلد `config/` تحتوي على القيم الصحيحة
-2. عدل `config/anthropic_config.yaml` لإضافة مفتاح واجهة برمجة Anthropic الخاص بك
-3. عدل `config/prediction_config.yaml` حسب احتياجاتك
-
-### 5. تشغيل التطبيق
-
-بعد رفع جميع الملفات، سيقوم Hugging Face Space بتثبيت المكتبات وتشغيل التطبيق تلقائياً. يمكنك الوصول إليه عبر الرابط:
-`https://huggingface.co/spaces/username/your-space-name`
-
-## هيكل المشروع
-
-```
-tender_analysis_system/
-├── app.py                 # تطبيق الواجهة الرئيسية
-├── requirements.txt       # متطلبات المكتبات
-├── README.md              # هذا الملف
-├── config/                # ملفات الإعدادات
-├── models/                # النماذج وواجهات التحميل
-├── preprocessing/         # معالجة المستندات والبيانات
-├── analysis/              # وحدات التحليل المختلفة
-├── supply_chain/          # تحليل سلاسل الإمداد
-├── prediction/            # التوقعات المستقبلية
-├── local_content/         # تحليل المحتوى المحلي
-├── data/                  # البيانات والقوالب
-├── utils/                 # أدوات مساعدة
-├── training/              # وحدات تدريب النماذج
-├── web/                   # مكونات الواجهة
-└── logs/                  # ملفات السجلات
+streamlit run main.py
 ```
 
 ## الوحدات الرئيسية
 
 ### معالجة المستندات
 
-- **document_reader.py**: قراءة وتحليل المستندات بأنواعها المختلفة
-- **ocr_processor.py**: معالجة الصور والمستندات الممسوحة ضوئياً
-
-### التحليل
-
-- **requirement_analyzer.py**: تحليل متطلبات المناقصة
-- **cost_estimator.py**: تقدير تكاليف المشروع
-- **risk_analyzer.py**: تحليل المخاطر المحتملة
-- **local_content_analyzer.py**: تحليل نسب المحتوى المحلي
-- **future_projects_analyzer.py**: تحليل المشاريع المستقبلية
-
-### نماذج التوقع
+تستخرج المعلومات المهمة من المستندات ا��مختلفة (PDF, DOCX, XLSX, CSV, TXT).
 
-- **tender_forecaster.py**: توقع المناقصات المستقبلية
-- **success_predictor.py**: توقع احتمالية النجاح
-- **future_prediction_model.py**: نموذج التوقعات المستقبلية الشامل
+### تحليل المتطلبات
 
-### واجهة المستخدم
+تحلل المتطلبات المستخرجة من المستندات وتقيم مدى اكتمالها ووضوحها.
 
-- **web/pages/**: صفحات التطبيق المختلفة
-- **web/components/**: مكونات واجهة المستخدم القابلة لإعادة الاستخدام
-- **web/styles/**: أنماط CSS للتطبيق
+### تحليل التكاليف والمخاطر
 
-## دليل الاستخدام
+تحلل التكاليف وتحدد المخاطر المحتملة وتقترح استراتيجيات للتخفيف منها.
 
-### تحليل مناقصة جديدة
+### المحتوى المحلي
 
-1. انتقل إلى صفحة "تحليل المناقصات"
-2. ارفع ملفات المناقصة (PDF، Word، صور)
-3. انقر على "تحليل" وانتظر اكتمال المعالجة
-4. تصفح نتائج التحليل المختلفة عبر علامات التبويب
+تحسب نسبة المحتوى المحلي وتقدم توصيات لتحسينها.
 
-### تحليل المحتوى المحلي
+### سلاسل الإمداد
 
-1. انتقل إلى صفحة "المحتوى المحلي"
-2. أدخل تفاصيل المشروع والمتطلبات
-3. استعرض التحليل ونسب المحتوى المحلي المتوقعة
-4. تصفح الموردين المحليين المقترحين
+تحلل سلاسل الإمداد وتحدد الموردين المحتملين وتقيم المخاطر.
 
-### توقع المشاريع المستقبلية
-
-1. انتقل إلى صفحة "المشاريع المستقبلية"
-2. اختر الجهة الحكومية (البلديات، صندوق الاستثمار، وزارة النقل، الكل)
-3. حدد الفترة الزمنية للتوقع
-4. استعرض الرسوم البيانية والتوقعات المستقبلية
-
-### توقع احتمالية النجاح
-
-1. انتقل إلى صفحة "توقع احتمالية النجاح"
-2. أدخل تفاصيل المناقصة (القطاع، المنطقة، الميزانية، إلخ)
-3. انقر على "تحليل" لعرض احتمالية النجاح ومستوى الثقة
-4. استعرض العوامل المؤثرة والتوصيات
-
-## التحديثات والصيانة
-
-- **تدريب النماذج**: يمكن إعادة تدريب النماذج عبر صفحة الإدارة باستخدام بيانات جديدة
-- **تحديث قاعدة البيانات**: يمكن تحديث قاعدة بيانات الموردين والمقاولين من خلال الواجهة
-- **نسخ احتياطي**: يتم عمل نسخ احتياطية تلقائية للبيانات والنماذج
-
-## مواضيع متقدمة
-
-### تخصيص النماذج
-
-يمكن تخصيص النماذج المستخدمة في النظام عبر:
-
-```python
-from training.future_prediction_model import FuturePredictionModel
-
-# تدريب نموذج جديد
-model = FuturePredictionModel(config_path="config/prediction_config.yaml")
-model.train_classification_model(
-    data_path="data/processed/new_tenders.csv",
-    model_name="aubmindlab/arabert-base-v2",
-    output_dir="models/trained/new_tender_classifier",
-    epochs=5,
-    batch_size=16,
-    use_gpu=True
-)
-```
+### الجدول الزمني
 
-### إضافة مصادر بيانات جديدة
+تحلل الجدول الزمني وتحدد المسار الحرج وتقترح تحسينات.
 
-لإضافة مصادر بيانات جديدة:
+### نماذج الذكاء الاصطناعي
 
-1. قم بإنشاء ملف في مجلد `api_integrations/` للاتصال بالمصدر الجديد
-2. أضف المصدر الجديد إلى `config/prediction_config.yaml`
-3. قم بتحديث النماذج باستخدام البيانات الجديدة
+تستخدم نماذج اللغة الكبيرة ونماذج التعلم العميق للتحليل المتقدم.
 
-## التكامل مع الأنظمة الأخرى
+## التكامل مع المنصات الخارجية
 
-يتكامل النظام مع:
+- منصة المنافسات الحكومية (Munafasat)
+- منصة اعتماد (Etimad)
+- منصة بلدي (Balady)
 
-- منصة منافسات الحكومية
-- منصة اعتماد
-- وزارة الشؤون البلدية والقروية والإسكان
-- صندوق الاستثمارات العامة
+## المساهمة في المشروع
 
-## الدعم والمساعدة
+نرحب بمساهماتكم في تطوير المشروع! يرجى اتباع الخطوات التالية:
 
-للحصول على مساعدة فنية:
+1. عمل Fork للمستودع
+2. إنشاء فرع ج��يد لميزتكم (`git checkout -b feature/amazing-feature`)
+3. الالتزام بالتغييرات (`git commit -m 'Add some amazing feature'`)
+4. رفع الفرع إلى المستودع الخاص بكم (`git push origin feature/amazing-feature`)
+5. فتح طلب سحب (Pull Request)
 
-- البريد الإلكتروني: tgohary@sajco.com.sa
-- هاتف: +966 55 406 3339
+## الترخيص
 
-## رخصة الاستخدام
+هذا المشروع مرخص بموجب [ترخيص MIT](LICENSE).
 
-هذا البرنامج مرخص للاستخدام الحصري من قبل شركة شبه الجزيرة للمقاولات. جميع الحقوق محفوظة.
+## الاتصال
 
-</div>
+للاستفسارات أو الدعم، يرجى التواصل عبر البريد الإلكتروني: support@example.com