Jak ożywiliśmy licznik kawy, czyli historia jednego “pet project”

Kawa. Nieoficjalny, ale absolutnie kluczowy filar każdej firmy technologicznej. To święty rytuał, paliwo dla kreatywności i cichy bohater tysięcy linijek kodu. W naszej firmie podchodzimy do niej z należytym szacunkiem. Dlatego postanowiliśmy potraktować nasz ekspres jak krytyczny element infrastruktury i podłączyć go do systemu monitoringu – a konkretnie, do naszej strony internetowej.

Oto techniczne, ale i nieco humorystyczne case study o tym, jak ciekawość, inżynierska pomysłowość i kilka inteligentnych narzędzi pozwoliły nam zrealizować projekt, który rozwiązuje jeden z najważniejszych problemów biznesowych: brak danych o spożyciu kawy w czasie rzeczywistym.

Problem: Niedokładne dane i statyczny wskaźnik KPI

Na naszej stronie internetowej od dawna funkcjonował widget z kluczowymi wskaźnikami: zrealizowane projekty, lata doświadczenia, wielkość zespołu. Był tam również wskaźnik “Wypite Kawy”. Niestety, cierpiał on na fundamentalną wadę – był to “twardy” wpis w HTML, aktualizowany sporadycznie i oparty na wysoce niedokładnych estymacjach. Jako firma data-driven, nie mogliśmy dłużej tolerować takiej sytuacji.

Cel był jasny: potrzebowaliśmy zautomatyzowanego, niezawodnego źródła danych, które dostarczałoby aktualne informacje o stanie naszej najważniejszej rezerwy strategicznej.

Odkrycie: Ekspres posiada nieudokumentowane (dla nas) API

Audyt naszego głównego “assetu” kawowego przyniósł przełom. Okazało się, że ekspres jest fabrycznie przygotowany do rozszerzenia o moduł komunikacyjny na Bluetooth. Służył on do połączenia ze standardową aplikacją mobilną, która… pokazywała statystyki. BINGO!

Istnienie aplikacji oznaczało istnienie protokołu komunikacyjnego. Zamiast jednak przeprowadzać kosztowny i czasochłonny proces inżynierii wstecznej, wykorzystaliśmy potęgę globalnej współpracy. Szybki research na GitHubie ujawnił repozytorium, w którym inny pasjonat kawy i technologii już rozpracował protokół BLE (Bluetooth Low Energy) i podzielił się nim ze światem. Mieliśmy gotową dokumentację techniczną.

Architektura rozwiązania: Od sprzętu po chmurę

Mając protokół, potrzebowaliśmy fizycznego mostu, który połączyłby świat ekspresu ze światem internetu. Tu właśnie do gry wkroczył nasz “agent w terenie”.

Most między światami: Mikrokontroler Espressif ESP32

Sercem operacji po stronie sprzętowej stał się Espressif ESP32 – niezwykle popularny i wszechstronny mikrokontroler w świecie IoT (Internet of Things). Był to dla nas idealny wybór z dwóch powodów:

• Posiada wbudowany moduł Bluetooth Low Energy (BLE), niezbędny do komunikacji z ekspresem.
• Posiada wbudowany moduł Wi-Fi, pozwalający na wysyłanie danych do dowolnego serwera w internecie.

Na ESP32 wgraliśmy dedykowany kod, którego zadaniem było wykonywanie prostej, ale kluczowej pętli: co kilka minut łączył się z ekspresem, odpytywał go o aktualną liczbę zrobionych kaw, a następnie wysyłał tę wartość za pomocą zapytania HTTP POST prosto do chmury – a konkretnie, do platformy n8n.

Gdy nasz agent sprzętowy zaczął regularnie dostarczać dane, resztą magii zajął się n8n.

Workflow #1: Akwizycja i Archiwizacja Danych w n8n

Ten proces jest odpowiedzialny za odbieranie danych od ESP32 i budowanie naszej historycznej bazy danych.

1. Wszystko zaczyna się w nodzie Webhook, który nasłuchuje na żądania POST wysyłane przez nasz mikrokontroler.
2. Gdy dane (liczba kaw) dotrą, node Date & Time dodaje do nich aktualny znacznik czasu.
3. Następnie node Set (Edit Fields) porządkuje dane – rozdziela datę i czas na osobne pola oraz formatuje wartość licznika kaw. Czyste dane to podstawa!
4. Na końcu node Google Sheets (Append row) dopisuje przygotowany rekord jako nowy wiersz w naszym arkuszu, tworząc tym samym archiwum.

Workflow #2: Publiczne API do Wizualizacji Danych w n8n

Drugi proces to proste i wydajne API, które “serwuje” dane na naszą stronę internetową, gdy tylko ktoś ją odwiedzi.

1. Inny Webhook działa jako publiczny endpoint, na który trafiają zapytania z naszej strony.
2. Uruchamia on node Google Sheets (Get row(s)), który pobiera całą historię z arkusza.
3. I tu dzieje się kluczowa rzecz: node Limit filtruje wszystkie wiersze, zostawiając tylko ostatni, najświeższy wpis.
4. Na koniec node Respond to Webhook odsyła ten jeden, aktualny rekord z powrotem na stronę, gdzie JavaScript umieszcza go w widgecie.

Wnioski i Kluczowe Lekcje z Projektu

Ten pozornie błahy projekt dostarczył nam kilku bardzo poważnych wniosków, które są uniwersalne dla znacznie większych i bardziej złożonych wdrożeń technologicznych.

• Małe projekty, wielki wpływ. Inicjatywy typu “pet project” są fantastycznym poligonem doświadczalnym. Pozwalają testować nowe technologie w bezpiecznym środowisku, budują zaangażowanie w zespole i często prowadzą do nieoczekiwanych, wartościowych rozwiązań.
• Open-source to potęga. Bez publicznie dostępnego repozytorium z rozpracowanym protokołem, ten projekt byłby znacznie trudniejszy i droższy. Korzystanie z pracy społeczności to nie droga na skróty, ale inteligentne i efektywne wykorzystanie zasobów.
• Automatyzacja to sposób myślenia. Narzędzia takie jak n8n pozwalają błyskawicznie tworzyć prototypy i budować logikę przepływu danych. Zamiast pisać od zera całe zaplecze API, mogliśmy skupić się na unikalnych elementach projektu – komunikacji z urządzeniem i integracji.

Ten projekt, zrodzony z prostego pytania przy filiżance kawy, jest najlepszym dowodem na to, że innowacje nie zawsze muszą wiązać się z wielomilionowymi budżetami. Czasem wystarczy ciekawość, odpowiednie narzędzia i świadomość, że kawa to naprawdę bardzo, bardzo ważna rzecz.