Su flota navega
su negocio funciona
Quiénes somos
Apoyo Logístico Integrado es una sociedad fundada en 1998 por ingenieros navales e informáticos con amplia experiencia en apoyo logístico, a la Armada y a la Marina Mercante.
Nuestro objetivo es dar servicio a la Industria en todas las vertientes del mantenimiento.
Implantación de planes de mantenimiento (preventivo y predictivo)
Evaluación O&M
Apoyo al ciclo de vida (retrofitting)
Suministros / gestión de stocks
Consultoría de mantenimiento
Nuestra experiencia, el mejor aval.
Participamos, con la Armada Española, en la definición, revisión y elaboración de planes de mantenimiento de prácticamente todos los buques de la flota desde 1998.
Equipos desplegados en el cliente que definen y controlan las tareas a efectuar y elaboran listas de materiales necesarios para planificar su adquisición y garantizar su disponibilidad.
Este conocimiento y la experiencia adquirida lo ponemos al servicio de la Marina Mercante y de la Industria, adaptando el modelo de mantenimiento más avanzado a las necesidades de flotas de todo tipo y a las de pequeñas y medianas plantas industriales.
Catalogación OTAN
Apoyo Logístico Integrado está reconocida por el Ministerio de Defensa de España como Empresa de Servicios de Catalogación.
Si es proveedor de las Fuerzas Armadas y tiene que catalogar algún artículo que haya suministrado, puede solicitarnos un presupuesto personalizado o, si ya conoce nuestras tarifas, acceder directamente a Catalogación on-line y solicitar la catalogación de uno o más artículos.
¿mantener es ahorrar?
Por supuesto, aunque un buen mantenimiento no solo ahorra tiempo y dinero sino, que hace que la cuenta de resultados mejore significativamente vía aumento de fiabilidad de la instalación y reducción de costes de producción.
Evaluar para conocer, medir para mejorar
Profundizar en el conocimiento de sus medios y de su potencial ayuda a mejorar la capacidad productiva de la organización.
Desde Apoyo Logístico Integrado les ofrecemos realizar una evaluación del Mantenimiento de sus medios productivos, ya sean Buques, Plantas industriales, parques eólicos o huertos solares. La experiencia de la empresa permitirá comparar su gestión del mantenimiento con la gestión más adecuada en su caso y ver si sus instalaciones están mantenidas por encima o por debajo de lo que sería deseable, señalándole donde están las oportunidades de mejora, para conseguir una mayor vida útil de sus medios y para ahorrar costes de producción.
Apoyo Logístico Integrado trabaja con todo tipo de organizaciones, desde las que necesitan un alto grado de disponibilidad de todos sus medios y utilizan las tecnologías y los procedimientos de mantenimiento más avanzados, como la Armada Española, hasta una pequeña planta industrial. Adaptándose a las circunstancias y a los medios de cada uno.
I+D Mantenimiento Predictivo
Proyecto IDI 20190292
Nuevo modelo de análisis y tratamiento inteligente de Big Data para el mantenimiento predictivo.
El objetivo del proyecto fue desarrollar un nuevo modelo de mantenimiento predictivo inteligente basado en técnicas de Machine Learning que permite detectar las causas y estimar el tiempo hasta la aparición de un fallo. Gracias a ello y a la adecuación de los umbrales de alarma de las diferentes partes de los equipos monitorizados se podrán tomar decisiones sobre mantenimiento en el momento más adecuado, aconsejando igualmente sobre el régimen operativo más recomendable según el estado actual del equipo.
Combina diferentes algoritmos de aprendizaje supervisado y no supervisado con unos indicadores de mantenimiento (parámetros de los equipos) escogidos mediante un riguroso procedimiento y unos novedosos modelos de cálculo, patentados, para estimar las causas de los fallos y los tiempos de aparición de los mismos.
Pretende cambiar los modelos de mantenimiento actuales (preventivos o correctivos) por uno predictivo que maximice los tiempos de funcionamiento y reduzcan los periodos de reparación. Además, dicho modelo será mucho más fiable con el paso del tiempo, ya que al disponer cada vez de un mayor número de datos sus predicciones serán más ajustadas y cercanas a la realidad.