水华路民警宿舍修缮项目四期工程施工竞争性磋商公告

发布时间: 2025年05月30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

项目概况

水华路民警宿舍修缮项目四期工程施工 采购项目的潜在供应商应在招采云(zb.sh-yuanzhu.com) 或采购代理机构现场获取采购文件,并于2025年06月13日 09点30分(**时间)前提交响应文件。

一、项目基本情况

项目编号:****

项目名称:水华路民警宿舍修缮项目四期工程施工

采购方式:竞争性磋商

预算金额:340.040000 万元(人民币)

最高限价(如有):338.755229 万元(人民币)

采购需求:

本项目拟对水华路民警宿舍6#8#楼进行修缮,共计2700 平方米。工程内容包括原有装饰拆除、吊顶、楼地面、墙面、门窗工程、电气工程、给排水工程及卫生洁具更新等。项目实施地点位于**市**区水华路2号。

具体工作内容见磋商文件“第六章 项目采购需求”、工程量清单及图纸。

合同履行期限:自合同签订生效之日起直至本项目第三方审计通过止。工期为合同正式签订后100个日历日。

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;

2.落实政府采购政策需满足的资格要求:

支持中小企业发展、支持监狱企业发展及其他法律法规强制性规定或扶持政策。本项目专门面向中型、小型、微型企业,请供应商根据本项目竞争性磋商文件要求提供《中小企业声明函》。

3.本项目的特定资格要求:3.1未被“信用中国”(www.****.cn)、中国政府采购网(www.****.cn)列入失信被执行人、重大税收违法案件当事人名单、政府采购严重违法失信行为记录名单;3.2法人依法设立的分支机构以自己的名义参与投标时,应提供依法登记的相关证明材料和由法人出具的授权其分支机构在****政府采购活动并承担全部民事责任的书面授权。法人与其分支机构不得同时参与同一项目的采购活动;3.3具备建设行政主管部门颁发的《建筑工程施工总承包》三级及以上资质或《建筑装修装饰工程专业承包》二级及以上资质;3.4具有有效的《安全生产许可证》;3.5本项目专门面向中小企业;3.6本项目不接受联合投标。

三、获取采购文件

时间:2025年06月03日 至 2025年06月09日,每天上午9:00至12:00,下午12:00至16:00。(**时间,法定节假日除外)

地点:招采云(zb.sh-yuanzhu.com) 或采购代理机构现场

方式:在招采云(zb.sh-yuanzhu.com)完成注册(免费)及在线领购竞争性磋商文件或至采购代理机构现场获取竞争性磋商文件。在线获取竞争性磋商文件的步骤如下: 1)进入“招采云”网站,网址:zb.sh-yuanzhu.com 2)在网站主页点击“供应商登录” 3)登录系统或注册账号后登录系统 4)进入系统获取竞争性磋商文件,点击对应项目获取竞争性磋商文件跳转到获取竞争性磋商文件填写页面 填写供应商联系人信息,选择需要获取竞争性磋商文件的项目,同意网上获取竞争性磋商文件承诺并点击获取竞争性磋商文件。确认无误后,点击确定,提示获取竞争性磋商文件成功。 待交费后可获取竞争性磋商文件,请于此期间持续关注本系统内项目信息。 注:本项目的标书费的电子发票会发送到供应商留下的邮箱内,请各供应商留意。

售价:¥200.0 元(人民币)

四、响应文件提交标书代写

截止时间:2025年06月13日 09点30分(**时间)标书代写

地点:**市**东路1200号11楼第二会议室

五、开启

时间:2025年06月13日 09点30分(**时间)

地点:**市**东路1200号11楼第二会议室

六、公告期限

自本公告发布之日起3个工作日。

七、其他补充事宜

以上信息若有变更我们会通过“中国政府采购网”通知,请供应商关注。

八、凡对本次采购提出询问,请按以下方式联系。

1.采购人信息

名 称:****

地址:**市**大道233号

联系方式:高老师 021-****6666*1053

2.采购代理机构信息

名 称:****

地 址:**市**东路1200号11楼

联系方式:李静雯 021-****6806*1121

3.项目联系方式

项目联系人:李静雯

电 话: 021-****6806*1121

招标进度跟踪
2025-05-30
招标公告
水华路民警宿舍修缮项目四期工程施工竞争性磋商公告
当前信息
招标项目商机
暂无推荐数据