江西天亿达辰项目管理有限公司关于南昌市赣江入河排污口整治工作技术服务项目(项目编号:TYDC-NC2024-GK001)电子化公开招标公告

发布时间: 2024年04月10日
摘要信息
招标单位
招标编号
招标估价
招标联系人
招标代理机构
代理联系人
报名截止时间
投标截止时间
招标详情
下文中****为隐藏内容,仅对千里马会员开放,如需查看完整内容请 或 拨打咨询热线: 400-688-2000
相关单位:
***********公司企业信息
***********公司企业信息

****关于**市赣江入河排污口整治工作技术服务项目(项目编号:****)电子化公开招标公告

项目概况

**市赣江入河排污口整治工作技术服务项目 招标项目的潜在投标人应在 **省公共**交易网 获取招标文件,并于 2024年05月06日 09点30分 (**时间)前递交投标文件。

一、项目基本情况:

项目编号:****

项目名称:**市赣江入河排污口整治工作技术服务项目

采购方式:公开招标

预算金额:****000.00 元

最高限价:****000.00

采购需求:

采购条目编号 采购条目名称 数量 单位 采购预算(人民币) 技术需求或服务要求
洪购2024F****26569 1 ****000.00元 详见公告附件

合同履行期限:合同签订之日起-2025年年底。

本项目不接受联合体投标。

二、申请人的资格要求

1.满足《****政府采购法》第二十二条规定; 1.1 具有独立承担民事责任的能力; 1.2 具有良好的商业信誉和健全的财务会计制度; 1.3 有依法缴纳税收和社会保障资金的良好记录; 1.4 具备履行合同所必需的设备和专业技术能力; 1.5 参加政府采购活动前三年内,在经营活动中没有重大违法记录; 1.6 法律、法规规定的其他条件 1.6.1 单位负责人为同一人或者存在直接控股、管理关系的不同供应商,不得参加同一合同项下的采购活动。 1.6.2 为本项目提供整体设计、规范编制或者项目管理、监理、检查等服务的供应商,不得参加本次采购活动。 1.6.3 投标人未被“信用中国”网站列入失信被执行人和重大税收违法案件当事人名单的;未被“中国政府采购网”****政府采购严重违法失信行为记录名单(处罚期限尚未届满的)。 1.6.4 所****政府****政府采购品目清单中强制采购节能或环境标志产品的,需提供国家确定的认证机构出具且处于有效期之内的节能产****政府采购网(http://www.****.cn)节能产品查询截图。(按招标文件要求提供证明材料) 1.6.5 本项目为非专门面向中小企业采购的项目。 2.本项目的特定资格要求:无

三、获取招标文件:

时间:2024年04月12日 08:00 至 2024年05月05日 17:00(提供期限自本公告发布之日起不得少于5个工作日)

地点:**省公共**交易网

方式:网上报名和下载招标文件

售价:0.00元

四、提交投标文件截止时间、开标时间和地点:

2024年05月06日 09点30分 (**时间)(自招标文件开始发出之日起至投标人提交投标文件截止之日止,不得少于20日)

地点:****交易中心((**市红谷滩区北龙蟠街993****中心方楼一楼7号开标室)。

五、公告期限:

自本公告发布之日起5个工作日。

六、其他补充事宜:

1.****政府采购政策:促进中小企业发展、监狱企业扶持、促进残疾人就业、节能、****政府采购政策,具体规定详见招标文件。 2.投标人必须已在**省公共**交易网注册且已办理**省 CA 数字证书和电子签章(含单位公章和法人亲笔签名或法人印章)。 3.根据洪财购【2022】11号文通知,本项目采用不见面开标方式,投标供应商通过线上观看开标现场视频,在线解密投标文件,无需到现场参加开标。详细操作手册请登录“https://www.****.cn/web/bzzx/006004/****0328/f****908-bd07-4108-b9d9-66d9f679600a.html” 网站下载相关功能操作手册及培训视频进行学习。

七、对本次招标提出询问,请按以下方式联系:

1.采购人信息

名称:****

地址:**省**市红谷滩区怡园路1166号

联系方式:157****5219

2.采购代理机构信息

名称:****

地址:**市红谷滩区嘉言路668****工业园E区5003室

联系方式:133****5019

3.项目联系方式

项目联系人:黄先生

电话:133****5019

招标进度跟踪
2024-04-10
招标公告
江西天亿达辰项目管理有限公司关于南昌市赣江入河排污口整治工作技术服务项目(项目编号:TYDC-NC2024-GK001)电子化公开招标公告
当前信息
招标项目商机
暂无推荐数据