南开大学工会2026年极端恶劣天气防护用品采购供应商遴选公告

发布时间: 2026年05月15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

根据《关于印发的通知》(津工通[2024]47号)要求,****工会会员在雨雪、高温等极端恶劣天气下的出行安全,落实教职工福利保障、传递工会人文关怀,校工会计划开展2026年极端恶劣天气防护用品采购工作。经履行意见征询程序,现通过网站、微信公众号平台发布供应商遴选公告,欢迎符合条件的供应商参与遴选,具体事宜公告如下。





采购项目及技术参数要求


采购项目

2026 年极端恶劣天气防护用品(晴雨伞)采购项目。


预算及数量

单品采购单价不超过 60 元,预计采购数量约 4700 份,最终结算数量以实际发放到位人数为准。


技术参数标准

1.品牌选用市场主流知名品牌,包含但不限于蕉下、天堂等同档次及以上品牌。


2.产品类型可为三折折叠伞、五折折叠伞、半自动伞、全自动伞。


3.防晒性能优良,UPF≥50,紫外线阻隔率高于 95%,符合国家防紫外线相关标准。


4.配置合金伞骨,伞骨数量不少于6根,骨架强韧稳固,防风性能良好,可有效抵御 10m/s 强风。


5.防雨效果达标,正常降雨环境连续使用,伞面内侧无渗水、滴水及挂水珠现象。


6.伞面直径不小于90cm,具备自动开伞功能;外观简约美观,结构紧凑、收纳便捷,便于日常携带使用。


7.产品金属电镀、涂漆、喷塑部件耐腐蚀性强,不易生锈、掉漆,结实耐用、安全可靠。




参与遴选供应商资格条件

1.供应商须为中华人民**国境内依法注册,具备独立法人资格;持有有****事业单位法人证书、民办非企业单位登记证书、社会团体法人登记证书、基金会法人登记证书,经营范围须与本采购项目品类相关,能够独立承担民事法律责任。


2.供应商须提供2025****事务所出具的财务审计报告,或本项目报名截止之日前3****银行出具的资信证明材料,具备良好财务状况与履约保障能力。


3.供应商须出具自本项目报名截止之日起近3年,经营活动中无重大违法记录书面声明;注册成立不足3年的,出具自成立以来无重大违法记录书面声明。


4.须提供参选产品注册商标证明、生产厂家销售授权书或同等效力资质文件,本项目仅接受生产厂商或一级授权代理商参选,不接受多级转授权。


5.参选产品须经国家相关职能部门检验检测合格,须提供权威第三方检测机构出具的有效检测报告,各项指标须满足本公告参数及国家行业标准。


6.能够依规开具正规增值税普通发票,可按学校时间要求完成供货、配送、分发及售后保障工作,严格保证产品质量与服务标准。


7.每家参选供应商可提供 1至2 种产品方案参与遴选,参选产品须在大型商超或正规线上电商平台正常在售;参选报价为全包综合单价,包含产品、包装、运输、配送、税费及所有配套服务等全部费用,学校不再另行支付其他任何费用。




报名材料与时间安排


报名截止时间标书代写

2026年5月19日17:00

逾期报送材料一律不予受理。


报名方式

仅限邮件报名,不接受现场递交、快递、传真等其他报名方式。将全套报名材料整理合并为单个PDF文档,发送至指定邮箱:gh@nankai.****.cn;邮件主题及PDF文件统一命名格式:XX公司2026 极端天气晴雨伞遴选报名材料。


须提交报名材料

企业主体资质及本公告供应商资格 1至3项对应证明材料;遴选授权代表人姓名、联系电话、邮箱,及法定代表人授权委托书;产品商标注册证明、一级代理授权文件、第三方权威产品检测报告;参选产品方案介绍,含品牌、品名、规格、技术参数、产品实拍图,不得填报报价。




资格审查与遴选安排

1.报名截止后,由校工会、福利委员会联合组成评审工作组,对报名供应商进行资格初审。资格审核合格的单位,将通过邮件、电话方式通知参加现场遴选;资格审核未通过的单位,不另行告知。


2.本次遴选坚持公开、公平、公正、择优原则组织实施。


3.遴选实行实名集体投票,得票最高且票数过半的确定为中选供应商。




公示与联系方式

1.遴选结果确定后,****工会官方网站、微信公众号进行公示,公示期不少于 3 个工作日,接受全校教职工监督。


2.咨询电话:****2661;

报名邮箱:gh@nankai.****.cn。


3.本遴选公告最终解释权归****工会所有。

招标进度跟踪
2026-05-15
招标公告
南开大学工会2026年极端恶劣天气防护用品采购供应商遴选公告
当前信息
标书代写
招标项目商机
暂无推荐数据