license	title	sdk	emoji	colorFrom	colorTo	short_description	sdk_version
mit	نظام متكامل لتحليل المناقصات والمشاريع المستقبلية لشركة شبه الجزيرة للمقاولات	streamlit	🚀	indigo	yellow	تحليل متقدم للمناقصات، المحتوى المحلي، سلاسل الإمداد، والتوق	1.43.2

نظام تحليل المناقصات مع سلاسل الإمداد والمحتوى المحلي

نظرة عامة

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.

المميزات 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

المتطلبات التقنية

• Python 3.9+
• Streamlit
• Pandas, NumPy, Matplotlib, Plotly
• Anthropic Claude API
• NLTK, Transformers, Sentence-Transformers
• PyPDF2, PyMuPDF, python-docx, textract

التثبيت

1. استنساخ المستودع:

   git clone https://github.com/yourusername/tender-analysis-system.git
   cd tender-analysis-system

2. إنشاء بيئة افتراضية:

   python -m venv venv
   source venv/bin/activate  # لينكس/ماك
   venv\Scripts\activate     # ويندوز

3. تثبيت المكتبات المطلوبة:

   pip install -r requirements.txt

4. إعداد ملف .env:

   # إعدادات التطبيق
   DEBUG=True
   DATA_DIR=data
   OUTPUT_DIR=output
   LOGS_DIR=logs
   
   # 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
   

التشغيل

streamlit run main.py

الوحدات الرئيسية

معالجة المستندات

تستخرج المعلومات المهمة من المستندات المختلفة (PDF, DOCX, XLSX, CSV, TXT).

تحليل المتطلبات

تحلل المتطلبات المستخرجة من المستندات وتقيم مدى اكتمالها ووضوحها.

تحليل التكاليف والمخاطر

تحلل التكاليف وتحدد المخاطر المحتملة وتقترح استراتيجيات للتخفيف منها.

المحتوى المحلي

تحسب نسبة المحتوى المحلي وتقدم توصيات لتحسينها.

سلاسل الإمداد

تحلل سلاسل الإمداد وتحدد الموردين المحتملين وتقيم المخاطر.

الجدول الزمني

تحلل الجدول الزمني وتحدد المسار الحرج وتقترح تحسينات.

نماذج الذكاء الاصطناعي

تستخدم نماذج اللغة الكبيرة ونماذج التعلم العميق للتحليل المتقدم.

التكامل مع المنصات الخارجية

• منصة المنافسات الحكومية (Munafasat)
• منصة اعتماد (Etimad)
• منصة بلدي (Balady)

المساهمة في المشروع

نرحب بمساهماتكم في تطوير المشروع! يرجى اتباع الخطوات التالية:

1. عمل Fork للمستودع
2. إنشاء فرع جديد 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)

الترخيص

هذا المشروع مرخص بموجب ترخيص MIT.

الاتصال

للاستفسارات أو الدعم، يرجى التواصل عبر البريد الإلكتروني: tgohary@sajco.com.sa