关于河南省信阳市新华书店有限公司位于金牛山物流产业集聚区仓库房屋修缮项目竞争性磋商公告

发布时间: 2026年11月04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
关于****位于**山物流产业集聚区仓库房屋修缮项目竞争性磋商公告

关于****位于**山物流产业集聚区仓库房屋修缮项目竞争性磋商公告

****就**山物流产业集聚区仓库房屋修缮项目组织竞争性磋商采购,****公司内部审批,资金来源为企业自筹,现欢迎符合资格条件的供应商前来参与磋商。

一、项目基本情况

1.项目名称:******山物流产业集聚区仓库房屋修缮项目

2.项目地点:**市**山物流产业集聚区(采购人指定仓库现场)

3.采购方式:竞争性磋商

4.项目概况:对**山物流产业集聚区仓库房屋实施修缮工程,包含仓库屋顶、附属构件、排水、防水等修缮施工(具体范围、工程量、技术标准详见竞争性磋商文件)。

5.预算金额(最高限价):20万元,超过最高限价的响应文件按无效文件处理。

6.工期:合同签订后15日历天内全部完工并验收合格

7.质量标准:达到国家现行工程施工质量验收规范合格标准,满足仓库安全使用要求。

8.质保期(缺陷责任期):自竣工验收合格之日起24个月。

9.本项目不接受联合体参与磋商。

二、供应商资格要求

1.供应商具有独立承担民事责任的能力(具有有效期内的营业执照副本,税务登记证副本,组织机构代码证副本(若三证合一,提供带有统一社会信用代码的营业执照);

2.供应商须具备建筑装饰工程专业承包三级及以上资质、钢结构工程专业承包三级及以上资质或建筑装饰装修设计与施工服务企业能力二级以上。

3.拟派项目经理须具备建筑工程专业二级及以上注册建造师证书,有效的安全生产考核合格证书(B证),无在建项目承诺;

4.供应商没有处于被责令停业,投标资格被取消,财产被冻结、接管、破产状态的书面承诺(加盖企业公章及法定代表人章,格式自拟),若发现供应商有弄虚作假行为,一切后果由供应商自行承担。

5.响应供应商及法定代表人被“信用中国”网站列入失信被执行人名单的,不得参与本项目的采购活动【信用信息查询渠道:“信用中国”网站(www.****.cn),在“信用服务”-失信被执行人-中国执行信息公开网选项中查询供应商、法定代表人是否被列为失信被执行人,查询时间需为本次磋商公告发布之日后,打印页面需显示查询时间】,经查询上述人员中存在失信记录的将被取消投标资格(采购代理机构将在开标后进行网上即时查询,即时查询结果作为最终资格审查依据)。

6.****机关的统一要求,自 2018 年 8 月 1 日起,****机关停止行贿犯罪档案查询工作,供应商在中国裁判文书网(http://wenshu.****.cn)进行查询(包括供应商、法定代表人、项目经理及授权委托人行贿查询),并提供单位行贿及个人行贿情况相关网页截图(截图必须显示查询日期和结论,否则按废标处理)打印件且加盖企业公章。经查询存在违法行为的将被取消投标资格。

7.参加招标活动前两年内(2024年11月1日至今),在经营活动中没有重大违法记录声明函。

8.单位负责人为同一人或者存在控股、管理关系的不同单位,不得同时参加投标;法定代表人为同一个人的两个及两个以上法人,母公司、****公司****公司不得同时参加投标(提供“国家企业信用信息公示系统”****公司信息、股东或投资人信息网页查询结果截图并加盖企业公章)。

9.其他要求:本次采购不接受联合体。

三、磋商文件获取及响应要求

1.获取时间:2026年11月4日—2026年11月10日,工作日上午9:00-11:00,下午15:00-17:00,节假日除外。

2.报名资料:供应商须提交资料(扫描件/复印件加盖公章):营业执照、资质证书、授权委托书、经办人身份证,现场核验通过后获取磋商文件。

3.报名及递交地点:****书店****办公室。

4.响应文件递交截止时间(磋商时间):2026年11月18日上午9时0分。

5.逾期送达、密封不符合要求的响应文件,采购人有权拒收。

四、评审及发布

1、定标方式:****小组综合研判结果确定最终供应商。

2、发布媒介:本公告在****微信公众号发布。

3.资格审查方式:资格后审,磋商小组在评审阶段统一审查供应商资格,资格不满足的响应文件将被否决。

五、联系方式

采购人:****

地址:**省**市****书店

联系人:李先生

联系电话:0376-****222

****

2026年11月4日


招标进度跟踪
招标项目商机
暂无推荐数据