Att “kolla vädret snabbt” blir lätt en vana du inte kan lita på. Någon glömmer, någon tar en skärmdump i stället för att logga, och den enda gången du faktiskt behöver en korrekt historik är den full av luckor.
Den här typen av automatisering av väderlogg slår först mot driftsansvariga, helt ärligt. Men fastighetsteam och forskare påverkas också, eftersom väderkänsliga beslut fattas utifrån halvt ihågkomna förhållanden.
Det här flödet hämtar timvisa förhållanden från OpenWeatherMap och lägger bara till de viktiga händelserna (regn eller “för kallt”) i Google Sheets. Du får se hur det fungerar, vad du behöver och var team oftast snubblar.
Så fungerar den här automatiseringen
Hela n8n-flödet, från trigger till slutresultat:
n8n Workflow Template: OpenWeatherMap till Google Sheets: väderloggar klara
flowchart LR
subgraph sg0["Schedule Flow"]
direction LR
n0@{ icon: "mdi:play-circle", form: "rounded", label: "Schedule Trigger", pos: "b", h: 48 }
n1@{ icon: "mdi:database", form: "rounded", label: "Google Sheets", pos: "b", h: 48 }
n2["<div style='background:#f5f5f5;padding:10px;border-radius:8px;display:inline-block;border:1px solid #e0e0e0'><img src='https://flowpast.com/wp-content/uploads/n8n-workflow-icons/httprequest.dark.svg' width='40' height='40' /></div><br/>Get Weather Data from OpenWe.."]
n3@{ icon: "mdi:swap-horizontal", form: "rounded", label: "If is raining", pos: "b", h: 48 }
n4@{ icon: "mdi:swap-vertical", form: "rounded", label: "Format the data", pos: "b", h: 48 }
n3 --> n4
n4 --> n1
n0 --> n2
n2 --> n3
end
%% Styling
classDef trigger fill:#e8f5e9,stroke:#388e3c,stroke-width:2px
classDef ai fill:#e3f2fd,stroke:#1976d2,stroke-width:2px
classDef aiModel fill:#e8eaf6,stroke:#3f51b5,stroke-width:2px
classDef decision fill:#fff8e1,stroke:#f9a825,stroke-width:2px
classDef database fill:#fce4ec,stroke:#c2185b,stroke-width:2px
classDef api fill:#fff3e0,stroke:#e65100,stroke-width:2px
classDef code fill:#f3e5f5,stroke:#7b1fa2,stroke-width:2px
classDef disabled stroke-dasharray: 5 5,opacity: 0.5
class n0 trigger
class n3 decision
class n1 database
class n2 api
classDef customIcon fill:none,stroke:none
class n2 customIcon
Problemet: väderkontroller blir inte till tillförlitliga loggar
De flesta team misslyckas inte med att “få fram väderdata”. De misslyckas med att fånga den konsekvent, på en plats som alla kan använda senare. Du kollar en app, kanske skriver ned det i en anteckning, och går vidare. En vecka senare försöker du förklara varför leveranser blev försenade, varför ett utomhusjobb blev ombokat eller varför en sensoravläsning ser fel ut, och inser att du aldrig loggade de förhållanden som spelade roll. Att göra detta manuellt varje timme är orealistiskt, och att göra det “när du kommer ihåg” garanterar hål i tidslinjen.
Friktionen växer. Här är var det faller isär.
- Man missar regn- eller köldfönster eftersom ingen äger den återkommande kontrollen.
- Att kopiera och klistra in i Sheets låter enkelt tills du gör det 20 gånger och börjar göra slarvfel.
- Väderappar visar vad som händer nu, men de ger inte teamet en gemensam, granskningsbar historik.
- När du till slut behöver underlag för planering eller rapportering får du återskapa händelseförloppet ur minnet.
Lösningen: timvisa OpenWeatherMap-kontroller loggas i Sheets
Det här n8n-flödet kör automatiskt varje timme och frågar OpenWeatherMap efter aktuella förhållanden i den stad du väljer. Sedan tar det ett beslut: regnar det, eller ligger temperaturen under din gräns? Om det är en normal timme loggas ingenting, så kalkylarket förblir felfritt. Om det är en händelse du bryr dig om formaterar flödet datan (stad, temperatur, luftfuktighet, förhållanden, plus en enkel status) och lägger till en ny rad i Google Sheets. Med tiden får du en tillförlitlig, sökbar historik över regn- och köldhändelser utan att någon behöver hålla koll.
Flödet startar med ett timschema. Det hämtar liveväder via en HTTP-förfrågan, kontrollerar regn-/kyla-regeln och skriver sedan bara de relevanta tillfällena till ditt ark. Du vaknar till data som redan finns där.
Det du får: automatisering vs. resultat
| Vad det här flödet automatiserar | Resultat du får |
|---|---|
|
|
Exempel: så här ser det ut
Säg att du vill ha en enkel logg över regn/kyla för en stad under en intensiv period. Manuellt blir en “timvis kontroll” ofta 8–10 kontroller per dag, och varje tar kanske 2 minuter för att öppna en app, bekräfta detaljer och klistra in i ett ark (cirka 20 minuter per dag, eller ungefär 2 timmar i veckan). Med det här flödet lägger du runt 15 minuter på att sätta upp det en gång, sedan kör det varje timme i bakgrunden och loggar bara de timmar som matchar din regel. Arket fyller sig självt.
Det här behöver du
- n8n-instans (prova n8n Cloud gratis)
- Alternativ för egen drift om du föredrar det (Hostinger fungerar bra)
- OpenWeatherMap för timvis väderdata per stad.
- Google Sheets för att lagra och dela händelseloggen.
- OpenWeatherMap API-nyckel (hämta den i din OpenWeatherMap-kontos dashboard).
Kunskapsnivå: Nybörjare. Du kopplar konton, klistrar in en API-nyckel och säkerställer att dina kalkylarkskolumner matchar.
Vill du inte sätta upp det här själv? Prata med en automationsexpert (gratis 15-minuters konsultation).
Så fungerar det
Ett timschema sätter igång allt. n8n kör på en timer (standard är varje timme), vilket betyder att du inte behöver ett webhook-anrop eller ett manuellt knapptryck för att hålla loggen uppdaterad.
Väderdata hämtas från OpenWeatherMap. Flödet använder en HTTP-förfrågan med din API-nyckel och stadens namn och läser sedan tillbaka temperaturen, luftfuktigheten och de mänskligt läsbara förhållandena.
En enkel “regn eller kyla”-regel avgör vad som är viktigt. En IF-kontroll letar efter “rain” i förhållandena eller kontrollerar om temperaturen är under ditt valda gränsvärde. Normala timmar ignoreras. Det är medvetet.
Endast relevanta händelser skrivs till Google Sheets. n8n mappar fälten till en felfri rad (stad, temperatur i K, luftfuktighet, förhållanden, status) och lägger till den i ditt ark, vilket skapar en logg som är lätt att filtrera över tid.
Du kan enkelt justera temperaturgränsen så att den matchar din definition av “för kallt” utifrån dina behov. Se hela implementationsguiden nedan för anpassningsalternativ.
Steg-för-steg-guide för implementering
Steg 1: konfigurera schema-triggern
Konfigurera arbetsflödet så att det körs automatiskt varje timme.
- Lägg till och öppna Hourly Schedule Starter.
- Ställ in schemaregeln så att den körs varje timme (regelintervall med field inställt på
hours). - Bekräfta att Hourly Schedule Starter är kopplad till Fetch Weather via API.
Steg 2: anslut OpenWeather API
Hämta väderdata i realtid från OpenWeatherMap med en autentiserad begäran.
- Lägg till och öppna Fetch Weather via API.
- Ställ in URL till
=https://api.openweathermap.org/data/2.5/weather?q=Pasay,ph&APPID={{ $credentials.openWeatherMap.apiKey }}. - Koppla Fetch Weather via API till Rainfall Condition Check.
Credential Required: Anslut era openWeatherMap-inloggningsuppgifter (det här arbetsflödet refererar till $credentials.openWeatherMap.apiKey men inga är konfigurerade).
Steg 3: konfigurera villkor och mappningslogik
Filtrera resultat efter temperatur eller regn och mappa svarsfälten för loggning.
- Öppna Rainfall Condition Check och bekräfta de två villkoren:
- Villkor 1: Left Value
={{ $json.main.temp }}med nummeroperatorn lt och Right Value303. - Villkor 2: Left Value
={{ $json.weather[0].description }}med strängoperatorn contains och Right Valuerain. - Säkerställ att combinator är
orså att något av villkoren passerar. - Öppna Map Weather Fields och lägg till tilldelningar:
- city →
={{ $json.name }} - temperature (K) →
={{ $json.main.temp }} - humidity →
={{ $json.main.humidity }} - conditions →
={{ $json.weather[0].description }} - status →
higher than average temperature - Bekräfta att Rainfall Condition Check routar till Map Weather Fields, och därefter till Append to Spreadsheet.
Steg 4: konfigurera Google Sheets-utdata
Lägg till den mappade väderdatan i ert kalkylark.
- Öppna Append to Spreadsheet.
- Ställ in Operation till
append. - Ställ in Authentication till
serviceAccount. - Välj ert mål för Document ID och Sheet Name.
- Verifiera att inkommande fält från Map Weather Fields matchar era kolumner i arket.
Credential Required: Anslut era googleApi-inloggningsuppgifter.
Steg 5: testa och aktivera ert arbetsflöde
Kör ett manuellt test för att bekräfta att data flödar från API:t till ert ark och aktivera sedan timschemat.
- Klicka på Execute Workflow för att köra ett manuellt test.
- Bekräfta att Fetch Weather via API returnerar en giltig payload och att Rainfall Condition Check passerar när villkoren matchar.
- Verifiera att en ny rad läggs till av Append to Spreadsheet med de mappade fälten.
- Växla arbetsflödet till Active för att aktivera körning varje timme.
Vanliga fallgropar
- Google Sheets-inloggningar kan gå ut eller kräva specifika behörigheter. Om det slutar fungera, börja med att kontrollera behörigheterna för det anslutna Google-kontot/tjänstekontot i n8n-credentials.
- OpenWeatherMap kan returnera oväntad villkorstext (“drizzle”, “thunderstorm”, lokaliserade beskrivningar). Om du bara kontrollerar ordet “rain” kan du missa gränsfall, så justera villkorslogiken om precision är viktig.
- Temperaturenheter är lätta att blanda ihop. Det här flödet loggar temperatur i Kelvin som standard, så om teamet förväntar sig Celsius eller Fahrenheit, konvertera innan du skriver till arket.
Vanliga frågor
Cirka 30 minuter om dina Google- och OpenWeatherMap-konton är redo.
Nej. Du klistrar in en API-nyckel, väljer stad och pekar Google Sheets-noden mot ditt kalkylark.
Ja. n8n har ett gratis alternativ för egen drift och en gratis provperiod på n8n Cloud. Cloud-planer börjar på 20 USD/månad för högre volym. Du behöver också räkna in OpenWeatherMap API-användning (ofta låg kostnad för grundläggande anrop).
Två alternativ: n8n Cloud (hanterat, enklast att komma igång) eller egen drift på en VPS. För egen drift är Hostinger VPS prisvärd och hanterar n8n bra. Egen drift ger obegränsade körningar men kräver grundläggande serveradministration.
Ja, men då vill du duplicera förfrågan “Fetch Weather via API” för varje stad (eller loopa igenom en lista) och sedan inkludera stadsnamnet i “Map Weather Fields”. Vanliga anpassningar är att logga “snow”-händelser, ändra köldgränsen och konvertera Kelvin till Celsius innan Google Sheets-tillägget.
Oftast är det behörigheter. Kontrollera Google-inloggningen i n8n igen, bekräfta att kontot (eller tjänstekontot) har åtkomst till rätt kalkylark och säkerställ att du inte har bytt namn på eller tagit bort arket/fliken som noden pekar på. Om det fungerade en gång och sedan slutade, uppdatera inloggningen eftersom token kan gå ut. Kontrollera också att dina kolumner fortfarande matchar det som flödet skickar.
Väldigt många. De flesta små team kan köra detta timvis i månader utan att tänka på det, och Google Sheets blir vanligtvis begränsningen innan n8n blir det.
Ofta ja, om du bryr dig om kontroll och kostnad. n8n gör det enklare att lägga till villkorslogik (som “logga bara regn eller kyla”) utan att betala extra för varje gren, och egen drift tar bort körningsbegränsningar om volymen växer. Zapier och Make kan dock gå snabbare för väldigt enkla tvåstegs-upplägg. Om du är osäker, prata med en automationsexpert och få en snabb rekommendation utifrån din användning.
När det här väl rullar slutar du jaga väderskärmdumpar och börjar bygga en logg du faktiskt kan använda. Sätt upp det, låt det logga och gå vidare med dagen.
Kontakta oss
Hör av dig, så diskuterar vi hur just din verksamhet kan dra nytta av alla fantastiska möjligheter som AI skapar.