Выберите область, республику, край
Выберите город
г. Москва, Новомосковский округ, Сосенское, промзона "ПРОМЕТ" (региональный склад завода производителя Промет) 8 (800) 301-38-83 8 (999) 256-48-17

Стеллаж настенный Combik М 80/3

4 940 руб. *
6 500 руб.
*цена действительна только при оформлении заказа в интернет-магазине
  • Характеристики
  • Описание
  • Условия кредитования
Размеры внешние, мм (ВхШхГ) 668x800x200
Вес, кг 10
Количество полок 3
Цвет муар, металлик Ral 9005
Тип покрытия порошковое
Гарантия 1 год
Страна Россия
Производитель ПРОМЕТ

Стеллаж настенный Combik М 80/3 предназначен для хранения личных вещей дома, на кухне, в гостинной, ванной и в офисе. Крепится к стене. Современный внешний вид, надежная и удобная конструкция. Сварная рама выполнена из профильной трубы 30х15х1.2 с возможностью крепления к стене. Полки стеллажа выполнены из ЛДСП, цвет - Вяз натуральный, толщиной 25 мм, с лазерной ABS кромкой толщиной 2 мм с полимерным функциональным слоем (Германия), которая обеспечивает эффект нулевого шва и улучшает влагостойкость и термостойкость элементов фасада. Цвет рам муар, металлик Ral -9005. Тип покрытия порошковое

Без первоначального взноса по кредиту. Срок кредита от 3 месяцев до 3 лет. Сумма кредита от 3 000 до 300 000 р. Как совершить покупку в кредит из дома? Определитесь с покупкой, выберите на сайте магазина-партнёра товар или услугу, нажмите «Купить в кредит». Подайте заявку на кредит, когда откроется Сбербанк Онлайн, авторизуйтесь и заполните заявку. Получите одобрение, если кредит одобрен, подтвердите согласие с его условиями в Сбербанк Онлайн. Получите свою покупку, согласуйте с сайтом магазина-партнера комфортный способ и время доставки. Что нужно для покупки в кредит: действующая дебетовая карта Сбербанка, Сбербанк Онлайн и Мобильный банк, а также паспорт гражданина РФ.
Скидка 24%
Габариты изделий приведены без учета габаритов выступающих деталей (замков, и т.п.)

Допустимое отклонение +/-10 % от веса изделия.

Цвет изделия может отличаться от представленного на фотографии.
click fraud detection