기본 콘텐츠로 건너뛰기

리드스위치로 원격에서 가스 검침하기

집 바깥의 가스검침기의 가스 사용량을 집안에서 편하게 조회해볼 수 있는 기능을 구현해보고자 합니다.


그런데, 원격에서 가스 검침을 하시려면 가스 검침기에 해당 기능이 지원되어야 합니다.


본인 집의 가스 검침기에 가셔서 가스 사용량을 표시하는 아래 부분에 리드 센서를 부착하는 곳이 있는지 확인해 보시기 바랍니다.



위에 표시한 곳에 리드 센서를 장착할 수 있는 홈이 있어야 합니다.


​자 그럼 시작해볼까요?

우선은 준비물이 필요하겠죠.. 기본적인 준비물은


https://murianwind.blogspot.com/2021/12/esp.html


에서 소개해 드린 준비물과 크게 다르지 않습니다. 이미 지역난방 유량계 작업을 하셨던 분이라면 준비물이 넉넉히 남아 있으실 수도 있고.. 유량계와 가스 검침을 동시에 하시려면 각각 필요한 만큼 적당히 물품을 구매하시면 됩니다.


​다만.. 이번에는 유량계에서 사용했던 것만큼의 오버 스펙이 필요한건 아니라서 조금 더 저렴한 ESP8266 을 이용하도록 하겠습니다.


​이것도 2번만에 조금 익숙해지고 나서 생각하니.. 유량계도 ESP8266으로 구현해도 충분한 것이었는데.. 뭐.. 이미 구현해버렸으니 후회는 없습니다.


ESP8266을 저는 납땜하기 귀찮아서 NodeMCU로 구매했습니다.


https://www.11st.co.kr/products/3079314807?&xfrom=&xzone=


그리고 빵보드 2개, 터미널 블록 1개, 점프 케이블 2개가 필요합니다.


그리고 중요한 리스센서가 필요한데.. 리드 센서는 본인의 가스 검침기를 사진으로 찍은신 후에


https://m.blog.naver.com/pjwook0129/221265570229


에 연락해서 구입하시면 됩니다.


​준비된 물품을 아래처럼 구현했습니다.


D7과 G에 가스 검침기에 부착한 리드센서의 전선을 연결해 주시면 됩니다.


​ESP8266에 처음으로 플래싱하는 부분은 이전에 올렸던 유량계 게시물을 참조하시면 됩니다.


그리고 윈도우에서 버추얼 박스를 쓰시는 분들은 간혹 ESP가 인식 안되는 경우가 있는데.. 이때는 버추얼 박스를 종료하고 ESP를 연결하시면 인식이 됩니다.


ESPHOME에는

substitutions: devicename: GasMeter esphome: name: gas-usage platform: ESP8266 board: nodemcuv2 esp8266_restore_from_flash: true on_boot: then: - sensor.template.publish: id: gas_meter state: !lambda 'return id(gas_meter_global);' preferences: flash_write_interval: 60min logger: api: services: - service: meter_calibration variables: meter_counter: float then: - globals.set: id: gas_meter_global value: !lambda |- return id(gas_meter_global) = meter_counter; - sensor.template.publish: id: gas_meter state: !lambda 'return id(gas_meter_global);' ota: password: !secret ota_pwd wifi: ssid: !secret main_ap_ssid password: !secret main_ap_pwd ap: ssid: "Gas Meter" password: !secret fallback_ap_pwd captive_portal: globals: - id: gas_meter_global type: float restore_value: true initial_value: '82.50' // 초기 값은 0.0 으로 하시고 나중에 HA의 서비스에서 값을 변경하셔도 됩니다. sensor: - platform: template name: "${devicename} Total" id: gas_meter update_interval: never unit_of_measurement: m³ accuracy_decimals: 2 // 간혹 검침기의 리드스위치가 소숫점 둘째 자리가 아니라 셋째 자리를 기준으로 한다면 여기를 3으로 변경하시기 바랍니다. state_class: 'total_increasing' device_class: 'gas' icon: mdi:counter binary_sensor: - platform: gpio name: "${devicename} Pulse Counter" pin: number: D7 mode: INPUT_PULLUP inverted: true filters: - delayed_on: 100ms - delayed_off: 100ms on_press: then: - globals.set: id: gas_meter_global value: !lambda |- return id(gas_meter_global) += 0.01; // 간혹 검침기의 리드스위치가 소숫점 둘째 자리가 아니라 셋째 자리를 기준으로 한다면 여기를 0.001으로 변경하시기 바랍니다. - sensor.template.publish: id: gas_meter state: !lambda 'return id(gas_meter_global);' - platform: status name: "Gas Meter Status"


처럼 코드를 적어주시면 됩니다.


​그리고 저는 다원 가스락을 사용하고 있는데.. 이 가스 검침기가 있으면.. 가스가 더 이상 공급되지 않으면 다원 가스락을 자동으로 잠그도록 구성할 수 있습니다.


​자동화를 충분히 작성하실 수 있으실 겁니다.


저는 측정해보니 3분 간격으로 0.1씩 소모하는 걸 확인하고 아래처럼 바이너리 센서를 만든 후에 바이너리 센서가 꺼지면 다원 가스락이 잠기도록 설정해두었습니다.


templates: - binary_sensor: - name: "도시가스 제어" unique_id: gas_control icon: mdi:fire state: > {{ as_timestamp( utcnow() ) | int < as_timestamp(states.sensor.gasmeter_total.last_changed ) | int + 5*60 }}


자동화의 트리거를 템플릿으로 지정하고


{{ as_timestamp( utcnow() ) | int < as_timestamp(states.sensor.gasmeter_total.last_changed ) | int + 5*60 }}


위 값을 집어 넣어 자동화를 구성하셔도 되는데.. 저는 제대로 동작을 안해서 그냥 센서로 구성했습니다.


​시간은 본인 집의 가스 사용량을 보셔서 적절히 조정하시면 됩니다. 

라벨:

댓글

댓글 쓰기

이 블로그의 인기 게시물

20년 차 테스터가 고른 최근 IT 소식: 기술의 속도, 그리고 사람의 자리

20년 넘게 IT 업계에서 테스팅하고 강의하고 공부하고 여러 일을 해왔지만... 정말이지 단 하루도 편하게 쉴 틈을 주지 않는 세상입니다. 특히 최근 4~5년 동안 가속화된 AI의 물결은 기술의 스펙트럼뿐만 아니라 우리가 일하고, 협업하고, 조직을 이끄는 방식 전체를 뒤흔들고 있습니다. 이번 주에도 수많은 뉴스레터와 아티클을 훑어보았습니다. 그중에서도 기술의 화려함 뒤에 숨겨진 ‘사람, 조직, 그리고 커리어의 본질’을 찌르는 글 몇 개가 눈에 띄어 메모해 둡니다. 제 평소 생각과 맞닿아 있는 6가지 이야기입니다. --- 1. 인지부채(Cognitive Debt): 바이브 코딩 시대에 우리가 지게 되는 진짜 빚 (출처: ROBOCO - 인지부채: 바이브 코딩 시대의 새로운 부채 관리법 / 정도현 수석 컨설턴트 ) 요즘 커서(Cursor)나 클로드 코드(Claude Code) 같은 에이전트를 붙여 "이거 만들어줘" 하고 승인(Approve) 버튼만 누르면 눈 깜짝할 사이에 코드베이스가 완성되는 '바이브 코딩(Vibe Coding)'이 유행입니다. 그런데 속도는 엄청나게 빠른데, 정작 서비스에 장애가 나면 "AI가 짜서 잘 모르겠는데요?"라는 답이 나오는 이상한 현상이 벌어집니다. 정도현 컨설턴트는 이를 '인지부채(Cognitive Debt)'라고 정의합니다. 코드는 쌓이는데, 정작 인간의 시스템 이해도는 쌓이지 않는 격차죠. * Human-in-the-loop의 환상: AI가 초당 수백 줄을 뽑아내는데 사람이 일일이 검토한다? 결국 검토자는 병목이 되고, 시간 압박에 쫓겨 영혼 없이 승인 버튼만 누르게 됩니다. 40년 전 자동화 연구(Bainbridge, 1983)가 지적했듯, 자동화될수록 사람은 감시만 하다가 정작 개입해야 할 결정적 순간에 숙련도를 잃어버립니다. * 부채는 0으로 만드는 게 아니라 '관리'하는 것: AI가 만든 모든 코드를 사람이 외울 수는 없습니다. 핵심은 ...
댓글 쓰기
자세한 내용 보기

우리는 AI로 '더 빠른 말'을 키우고 있는걸까요? 아니면 '자동차'를 만들고 있는걸까요?

20년 넘게 IT 현장에서 뒹굴거렸는데... 요즘처럼 "우리가 지금까지 당연하게 여겨온 일하는 방식의 본질"에 대해 근본적인 질문을 던지게 만드는 때가 없었던 것 같습니다. 최근 읽은 UX 관련 글 하나가 가슴을 쿵 치고 지나갔습니다. UX 및 디지털 트렌드를 다루는 블로그 ux4dotcom에 올라온 "Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions"라는 글입니다. (출처: ux4dotcom - Beyond Faster Horses — Why AI Challenges One of UX's Oldest Assumptions ) 혁신을 말할 때 늘 인용되는 헨리 포드의 유명한 말이 있습니다. "사람들에게 무엇을 원하느냐고 물었다면, 그들은 '더 빠른 말'이라고 답했을 것이다." 사람들은 자신이 경험해 본 범위 안에서만 미래를 상상합니다. 말만 탈 줄 아는 사람에게 자동차는 상상 밖의 범주(Mental Model)니까요. 저자는 그동안 UX(사용자 경험)라는 학문과 필드 자체가 '더 빠른 말을 만드는 일(기존 과업의 효율화)'에 집중해 왔다고 지적합니다. 사용자의 행동을 관찰하고, 마찰(Friction)을 줄이고, 화면을 간소화하고, 기존 워크플로우를 최적화해 주는 작업 말입니다. 실제로 주변을 봐도 우리가 AI를 쓰는 방식도 대부분 이 범주를 벗어나지 못하고 있습니다. 더 빠르게 이메일을 작성하고, 문서 요약을 3초 만에 끝내고, 프레젠테이션 장표나 일정표를 순식간에 만들어내는 일. 분명 유용하고 저 역시 매일 요기하게 쓰고 있지만, 이건 어디까지나 '기존에 인간이 하던 일의 프로세스를 흉내 내어 속도만 올린 것(Faster Horse)'에 불과합니다. 정작 "이 워크플로우 자체가 과연 계속 존재해야 하는가?"라는 근본적인 질문은 던지지 못하고 있는 것이죠....
댓글 쓰기
자세한 내용 보기

'자동화 편향'과 '대중적 불신' 을 고려 AI 테스팅 시나리오 설계

최근 생성형 AI나 자율주행, 에이전트 기술의 테스팅 시나리오를 작성할 때 우리가 당연하게 전제(Assumption)로 깔고 가는 중요한 인간 행동 방식이 하나 있습니다. 바로 '자동화 편향성(Automation Bias)'입니다. 인간은 시스템이 자동화되고 스마트해질수록 기술을 과도하게 신뢰하고 주의력을 놓아버립니다. 차량을 운전하면서 운전자 보조 시스템을 켜고 전방 주시를 태만히 하고 스마트폰을 보거나 영상을 시청하는 운전자라던지 AI 의료 진단 보조 도구가 내놓은 결과를 의사가 깊은 의심 없이 그대로 승인해 버리는 현상이라던지 AI 챗봇이 추천한 잘못된 정보를 사용자가 사실로 믿고 행동하는 케이스 같은 게 있을 겁니다. 우리는 항상 이러한 "사람들이 AI를 너무 믿어서 발생하는 위험"을 핵심 리스크로 정의하고, 이를 검증하기 위한 안전장치(Safety Guardrail)나 경고 알림, 오용 방지(Misuse) 테스팅 시나리오를 도출해 왔습니다. 그런데 최근 Gizmodo에 보도된 미국 설문조사 결과는 매우 흥미로운 사실을 보여줍니다. (출처: Gizmodo - Survey Finds Americans See AI as Comparable to Humans—It’s Making Them Trust It Less )   기사에서 언급된 설문조사의 결과는 AI가 사람을 닮아갈수록 완벽함에 대한 기대와 실수가 충돌하고 책임이 모호해져 대중의 신뢰는 오히려 떨어진다는 것이었습니다.  자세히 살펴보면 해당 조사는 일반 대중을 대상으로 AI에 대한 인지적 반응을 측정했습니다. AI가 인간과 유사한 대화/추론 능력을 보일 때 유저가 느끼는 '인지적 불쾌한 골짜기(Uncanny Valley)' 현상을 정량 지표로 포착해 냈다는 점에서 의미가 있다고 생각합니다. 단순히 "AI가 좋다/나쁘다"를 넘어, 의인화(Anthropomorphism)의 수준과 신뢰도(Trust) 사이의 음(-)의 상관관계를 입증했기 때문...
댓글 쓰기
자세한 내용 보기