2024-2026年工业园区公共区域道路保洁和绿化养护购买服务公开招标公告

发布时间: 2024年05月14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

2024-2026****园区公共区域道路保洁和绿化养护购买服务公开招标公告


****招标项目的潜在投标人应在登录“****交易中心网站”(http://www.****.cn/f)自行下载获取招标文件,并于2024-06-04 09:00:00(**时间)前递交投标文件。

一、项目基本情况

项目编号:****

项目名称:2024-2026****园区公共区域道路保洁和绿化养护购买服务

预算金额:1200.0(万元)

最高限价:1200.0(万元)

采购需求:****园区已建成109.4万平方米公共绿化区域的养护管理;负责园区148.9万平方米,道路和巷道日常清扫保洁及雨雪天气清淤、清雪(冰),1271万平方米公共区域保洁,达到全域无垃圾标准达到全域无垃圾标准;****园区嘉东、嘉北园区79.5千米供水管道、1747盏路灯及辅助设施的日常巡检工作。(具体详见采购内容及需求)

合同履行期限:按合同约定执行

本项目(是/否)接受联合体投标:否

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)符合《政府采购法》第二十二条规定、《****政府采购法实施条例》第十七条规定,提供有效的营业执照,或事业单位法人证书,或自然人身份证明,或其他非企业组织证明独立承担民事责任能力的文件。 (2****政府采购活动前三年内在经营活动中没有重大违法记录的书面声明(自拟)。 (3)供应商提供2022或2023年度经第三方审计的财务报告扫描件,****政府采购专业担保机构出具的投标担保函原件,或银行出具的资信证明材料。 (4)提供2024年至今任意一个月依法缴纳税收的相关材料扫描件加盖鲜章。依法免税的投标人,应提供依法免税的证明材料。 (5)提供2024年至今任意一个月依法缴纳社会保障资金的凭据(包括正规税务发票或完税证明)。如依法不需要缴纳社会保障资金的,应提供相应文件证明其依法不需要缴纳社会保障资金。 (6)供应商须为未被列入“信用中国(www.****.cn)”、“中国政府采购网(http://www.****.cn)”中的“失信被执行人”、“重大税收违法失信主体”、“政府采购严重违法失信行为记录名单”,列入名****政府采购活动;供应商须在公告发布之日至开标之日之间进行查询并将查询结果放到投标文件中,最终以开标当日采购人根据以上要求对各供应商信用记录进行查询结果为准,有以上行为的视为无效投标。 (7)具有独立承担民事责任能力的在中华人民**国境内注册的法人或其他组织,分公司投标的,必须由****公司授权。标书代写

2.落实政府采购政策需满足的资格要求:根据财政部关于印发《政府采购促进中小企业发展管理办法》的通知(财库〔2020〕46号),本项目专门面向中小企业采购,供应商需提供中小企业声明函(服务)。

3.本项目的特定资格要求:无

三、获取招标文件

时间:2024-05-14至2024-06-03,每天上午23:59至12:00,下午12:00至23:59

地点:登录“****交易中心网站”(http://www.****.cn/f)自行下载

方式:登录“****交易中心网站”(http://www.****.cn/f)自行下载

售价:0(元)

四、提交投标文件截止时间、开标时间和地点标书代写

时间:2024-06-04 09:00:00

地点:****交易中心网上开评标系统(http://121.****.55:3010/OpenTender/)

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**市公共**交易网:http://www.****.cn/f

②信用中国”网站:https://www.****.cn

③中国政府采购网网址:http://www.****.cn/

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****工业园区管委会综合办公楼

联系方式:0937-****858

2.采购代理机构信息

名 称:****

地 址:**省**市迎宾西路1066号1号

联系方式:153****5725

3.项目联系方式

项目联系人:陈丽

电 话:153****5725

附件下载标书代写
036G---公告(1).pdf
附件(1)
招标项目商机
暂无推荐数据