Genovese-Felipe · google-labs-jules · Oct 18, 2025
diff --git a/README.md b/README.md
@@ -75,12 +75,12 @@ O projeto foi guiado por referências visuais profissionais que definiram nossos
 - ✅ Análise de custos de construção
 - ✅ Interface profissional
 
-### 🏡 **V3 - Smart Home Complexo**
-**Porta: 8053** | **Foco: ML & Análise Avançada**
-- ✅ **4 Visualizações**: Sunburst + Mapa + Scatter + ML
-- ✅ **Machine Learning**: Análise preditiva de economia de energia
-- ✅ **Mapas Geográficos**: Coordenadas reais dos EUA
-- ✅ **Design Moderno**: Cards responsivos com styling avançado
+### ⚖️ **V4 - Painel Jurídico**
+**Porta: 8054** | **Foco: Análise de Custos Jurídicos**
+- ✅ Hierarquia de Casos: Tipo de Caso → Área de Atuação → Serviço
+- ✅ Filtros dinâmicos para análise detalhada
+- ✅ Visualização de honorários e horas estimadas
+- ✅ Interface limpa e profissional para uso jurídico
 
 ---
 
@@ -107,6 +107,10 @@ python dashboards/v2_construction/V2_script.py
 # V3 - Smart Home Complexo
 python dashboards/v3_smart_home/Plan_V3_funcional.py
 # Acesse: http://localhost:8053
+
+# V4 - Painel Jurídico
+python dashboards/v4_juridical/V4_juridical_dashboard.py
+# Acesse: http://localhost:8054
 ```
 
 ---
@@ -119,7 +123,8 @@ Python-Data-Driven-Visualization-Journey/
 ├── 📊 dashboards/
 │   ├── 🌟 v1_simple/           # Dashboard básico com Sunburst
 │   ├── 🏗️ v2_construction/     # Dashboard de construção com filtros
-│   └── 🏡 v3_smart_home/       # Dashboard complexo com ML
+│   ├── 🏡 v3_smart_home/       # Dashboard complexo com ML
+│   └── ⚖️ v4_juridical/       # Dashboard jurídico com análise de custos
 ├── 📚 docs/                    # Documentação e guias
 ├── 🔴 error_reports/           # Relatórios de erros e lições aprendidas
 ├── 🤖 ai_learning_guides/      # Instruções para futuros modelos de IA

diff --git a/dashboards/v4_juridical/V4_juridical_dashboard.py b/dashboards/v4_juridical/V4_juridical_dashboard.py
@@ -0,0 +1,156 @@
+# -*- coding: utf-8 -*-
+
+from dash import Dash, dcc, html
+from dash.dependencies import Input, Output
+import plotly.express as px
+import pandas as pd
+
+# Simulação de dados jurídicos hierárquicos
+# Hierarquia: Tipo de Caso -> Área de Atuação -> Serviço -> Tarefa -> Sub-tarefa
+data = [
+    # Contencioso Cível
+    {'tipo_caso': 'Contencioso', 'area_atuacao': 'Cível', 'servico': 'Petição Inicial', 'tarefa': 'Análise de Documentos', 'sub_tarefa': 'Análise de Provas', 'honorarios': 15000, 'horas_estimadas': 20},
+    {'tipo_caso': 'Contencioso', 'area_atuacao': 'Cível', 'servico': 'Petição Inicial', 'tarefa': 'Pesquisa de Jurisprudência', 'sub_tarefa': 'Estudo de Doutrina', 'honorarios': 10000, 'horas_estimadas': 15},
+    {'tipo_caso': 'Contencioso', 'area_atuacao': 'Cível', 'servico': 'Contestação', 'tarefa': 'Redação da Peça', 'sub_tarefa': 'Elaboração da Tese', 'honorarios': 20000, 'horas_estimadas': 25},
+
+    # Contencioso Trabalhista
+    {'tipo_caso': 'Contencioso', 'area_atuacao': 'Trabalhista', 'servico': 'Recurso Ordinário', 'tarefa': 'Análise do Processo', 'sub_tarefa': 'Verificação de Prazos', 'honorarios': 25000, 'horas_estimadas': 30},
+    {'tipo_caso': 'Contencioso', 'area_atuacao': 'Trabalhista', 'servico': 'Recurso Ordinário', 'tarefa': 'Redação do Recurso', 'sub_tarefa': 'Fundamentação Jurídica', 'honorarios': 35000, 'horas_estimadas': 40},
+
+    # Consultivo Tributário
+    {'tipo_caso': 'Consultivo', 'area_atuacao': 'Tributário', 'servico': 'Parecer Jurídico', 'tarefa': 'Análise da Legislação', 'sub_tarefa': 'Estudo de Caso', 'honorarios': 40000, 'horas_estimadas': 50},
+    {'tipo_caso': 'Consultivo', 'area_atuacao': 'Tributário', 'servico': 'Planejamento Tributário', 'tarefa': 'Reunião com Cliente', 'sub_tarefa': 'Alinhamento Estratégico', 'honorarios': 50000, 'horas_estimadas': 60},
+
+    # Consultivo Contratual
+    {'tipo_caso': 'Consultivo', 'area_atuacao': 'Contratual', 'servico': 'Elaboração de Contrato', 'tarefa': 'Definição de Cláusulas', 'sub_tarefa': 'Negociação com a Outra Parte', 'honorarios': 30000, 'horas_estimadas': 35},
+    {'tipo_caso': 'Consultivo', 'area_atuacao': 'Contratual', 'servico': 'Revisão de Contrato', 'tarefa': 'Análise de Riscos', 'sub_tarefa': 'Sugestão de Alterações', 'honorarios': 22000, 'horas_estimadas': 28},
+]
+df_juridico = pd.DataFrame(data)
+
+app = Dash(__name__)
+
+# Obter valores mínimos e máximos de honorários para o RangeSlider
+min_honorarios = df_juridico['honorarios'].min()
+max_honorarios = df_juridico['honorarios'].max()
+
+# Layout do Dashboard Jurídico
+app.layout = html.Div(style={'fontFamily': 'Arial, sans-serif'}, children=[
+    html.H1("Painel Jurídico: Análise de Custos e Casos", style={'textAlign': 'center', 'color': '#1a2c5b'}),
+
+    html.Div(style={'display': 'flex', 'justifyContent': 'space-around', 'padding': '20px'}, children=[
+        html.Div(style={'width': '30%'}, children=[
+            html.Label("Selecione o Tipo de Caso:"),
+            dcc.Dropdown(
+                id='tipo-caso-dropdown',
+                options=[{'label': i, 'value': i} for i in df_juridico['tipo_caso'].unique()] + [{'label': 'Todos', 'value': 'Todos'}],
+                value='Todos'
+            ),
+        ]),
+        html.Div(style={'width': '30%'}, children=[
+            html.Label("Selecione a Área de Atuação:"),
+            dcc.Dropdown(
+                id='area-atuacao-dropdown',
+                value='Todos'
+            ),
+        ]),
+        html.Div(style={'width': '30%'}, children=[
+            html.Label("Selecione o Serviço:"),
+            dcc.Dropdown(
+                id='servico-dropdown',
+                value='Todos'
+            ),
+        ]),
+    ]),
+
+    html.Div(style={'padding': '0 40px'}, children=[
+        html.Label("Filtrar por Faixa de Honorários:"),
+        dcc.RangeSlider(
+            id='honorarios-range-slider',
+            min=min_honorarios,
+            max=max_honorarios,
+            value=[min_honorarios, max_honorarios],
+            marks={int(min_honorarios): f'R${int(min_honorarios):,}', int(max_honorarios): f'R${int(max_honorarios):,}'},
+            step=5000
+        ),
+    ]),
+
+    dcc.Graph(id='sunburst-chart-juridico')
+])
+
+# Callback para atualizar o gráfico e os dropdowns dinamicamente
+@app.callback(
+    Output('sunburst-chart-juridico', 'figure'),
+    Output('area-atuacao-dropdown', 'options'),
+    Output('servico-dropdown', 'options'),
+    Input('tipo-caso-dropdown', 'value'),
+    Input('area-atuacao-dropdown', 'value'),
+    Input('servico-dropdown', 'value'),
+    Input('honorarios-range-slider', 'value')
+)
+def update_juridical_dashboard(selected_tipo_caso, selected_area, selected_servico, honorarios_range):
+    filtered_df = df_juridico.copy()
+
+    # Lógica para atualizar dropdowns em cascata
+    area_options_df = filtered_df
+    if selected_tipo_caso != 'Todos':
+        area_options_df = filtered_df[filtered_df['tipo_caso'] == selected_tipo_caso]
+
+    servico_options_df = area_options_df
+    if selected_area != 'Todos' and selected_area is not None:
+        servico_options_df = area_options_df[area_options_df['area_atuacao'] == selected_area]
+
+    area_options = [{'label': i, 'value': i} for i in area_options_df['area_atuacao'].unique()] + [{'label': 'Todos', 'value': 'Todos'}]
+    servico_options = [{'label': i, 'value': i} for i in servico_options_df['servico'].unique()] + [{'label': 'Todos', 'value': 'Todos'}]
+
+    # Filtragem do DataFrame principal para o gráfico
+    if selected_tipo_caso != 'Todos':
+        filtered_df = filtered_df[filtered_df['tipo_caso'] == selected_tipo_caso]
+    if selected_area != 'Todos' and selected_area is not None:
+        filtered_df = filtered_df[filtered_df['area_atuacao'] == selected_area]
+    if selected_servico != 'Todos' and selected_servico is not None:
+        filtered_df = filtered_df[filtered_df['servico'] == selected_servico]
+
+    filtered_df = filtered_df[(filtered_df['honorarios'] >= honorarios_range[0]) & (filtered_df['honorarios'] <= honorarios_range[1])]
+
+    # Mapa de cores para os tipos de caso
+    custom_color_map = {
+        'Contencioso': '#d62728',  # Vermelho
+        'Consultivo': '#1f77b4',   # Azul
+        '(?)': '#cccccc'
+    }
+
+    # Geração do gráfico Sunburst
+    fig = px.sunburst(
+        filtered_df,
+        path=['tipo_caso', 'area_atuacao', 'servico', 'tarefa', 'sub_tarefa'],
+        values='honorarios',
+        color='tipo_caso',
+        color_discrete_map=custom_color_map,
+        custom_data=['honorarios', 'horas_estimadas']
+    )
+
+    # Configurações de layout e aparência do gráfico
+    fig.update_traces(
+        textinfo='label+percent parent',
+        hovertemplate='<b>%{label}</b><br><br>' +
+                      '<b>Honorários:</b> R$ %{customdata[0]:,.2f}<br>' +
+                      '<b>Horas Estimadas:</b> %{customdata[1]}h<br>' +
+                      '<b>Custo por Hora:</b> R$ %{customdata[0]/customdata[1]:,.2f}/h<br>' +
+                      '<extra></extra>',
+        insidetextorientation='radial',
+        textfont_size=12,
+        marker=dict(line=dict(color='#ffffff', width=2))
+    )
+
+    fig.update_layout(
+        title_text='<b>Distribuição de Honorários por Tipo de Caso e Área de Atuação</b>',
+        title_x=0.5,
+        font=dict(family='Arial, sans-serif', size=14, color='black'),
+        margin=dict(t=80, l=40, r=40, b=40)
+    )
+
+    return fig, area_options, servico_options
+
+# Executar a aplicação
+if __name__ == '__main__':
+    app.run_server(debug=True, port=8054)
diff --git a/requirements.txt b/requirements.txt
@@ -1,21 +1,21 @@
 # Core Dependencies
-dash==2.16.1
-plotly==5.17.0
-pandas==2.1.4
-numpy==1.25.2
+dash==2.17.0
+plotly==5.22.0
+pandas==2.2.2
+numpy==1.26.4
 
 # Machine Learning
-scikit-learn==1.3.2
+scikit-learn==1.5.1
 
 # Optional Dependencies (for development)
 jupyter==1.0.0
-matplotlib==3.8.2
-seaborn==0.13.0
+matplotlib==3.9.1
+seaborn==0.13.2
 
 # Web Server
-gunicorn==21.2.0
+gunicorn==22.0.0
 
 # Development Tools (optional)
-black==23.12.1
-flake8==6.1.0
-pytest==7.4.3
+black==24.4.2
+flake8==7.1.0
+pytest==8.3.2