- 1、本文档被系统程序自动判定探测到侵权嫌疑,本站暂时做下架处理。
- 2、如果您确认为侵权,可联系本站左侧在线QQ客服请求删除。我们会保证在24小时内做出处理,应急电话:400-050-0827。
- 3、此文档由网友上传,因疑似侵权的原因,本站不提供该文档下载,只提供部分内容试读。如果您是出版社/作者,看到后可认领文档,您也可以联系本站进行批量认领。
查看更多
中华人民共和国行业标准
QB 1769-1801一93
香 料 标 准
(产品标准)
(7)
1993-04-29发布 1993-12-01实施
中华人民共和国轻工业部 发布
标准分享网 免费下载
中华人民共和国行业标准
QB 1776-93
异戊酸乙醋
主题内容与适用范围
本标准规定了异戊酸乙醋的技术要求、试验方法和检验规则等内容。
本标准适用于以异戊酸和乙醇经醋化而制得的异戊酸乙醋。
2 引用标准
GB/T 14454.3香料 色泽检定法
GB/T 14454.2香料 香气评定法
GB/T 14454.4香料 折光指数的测定
GB 1154。单离及合成香料 相对密度的测定
GB/T 14457.4单离及合成香料 酸值或含酸量的测定
GB/T 14457.5单离及合成香料 含醋量的测定
GB/T 14457.2单离及合成香料 沸程测定法
GB/T 14457.1单离及合成香料 乙醇中溶解度测定法
3产品化学名称、分子式、结构式、分子f
化学名称 异戊酸乙醋
分子式 C7HI40z
结构式 (CH8)2CHCHP000CH2CHe
_分子量 130.19(按1987年国际原子量)
4技术要求
4.1色状 无色至微黄色透明液体,色泽不超过标准比色液5号色标。
4.2香气 果香、类似苹果香气。
4.3相对密度 (25/250C) 0.860-0.8650
4.4折光指数(20C) 1.3950二1.3990.
4.5沸程 (130-1380)(肠))950
4.6酸值 (1.0.
4.7含醋量 (%) )98.0,
4.8溶解度 (25C) I ml试样全溶于600a (V/V)乙醇4 ml中。
试验方法
5.1 色状的检定
中华人民共和国轻工业部1993-04-29批准 1993-12-01实施
— 34一
QB1776-93
见邻/T14454.30
5.2 香气的评定
见GB/T 14454.2e
5.3 相对密度的测定,25/251C
见GB 11540.
5.4 折光指数的测定,20C
见GB/T 14454.4.
5.5 沸程的测定
见GB/T 14457.2.
5.6 酸值的测定
见GB/T 14457.4.
5.了 含醋量的测定
见GB/T 14457.5.
5.8 溶解度的测定,251C
见GB/T 14457.10
6 检验规则
6.1异戊酸乙醋每批成品应由生产厂检验部门负责检验,生产厂应保证出厂产品都符合本标
准的要求。每批出厂产品应附有质量合格证明书,内容包括:生产厂名、产品名称、商标、出
厂日期、批号、净重、产品质量符合本标准的证明和本标准编号。
6.2验收单位有权按照本标准各项规定,检验所收到的产品质量是否符合本标准的要求。
每一批号作一次验收,不同批号分别验收。
6.3 每批的包装单位在100桶 (瓶)以下抽取二桶 (瓶)100桶 (瓶 )以上抽取三桶
(瓶)。开启包装取样时,外观检查应无水分和杂质,然后振摇使其充分混匀,再用玻璃取
样管每桶 (瓶)吸取样品50^-100m,,注人混样器混和均匀,分别装入两个清洁千燥具磨砂塞
的玻璃瓶中,瓶上注明:生产厂名、产品名称、批号、数量及取样 日期,一瓶作检验用,另
一瓶留存备查。
6.4验收结果中如有一项指标不符合本标准要求时,可会同生产厂重新加倍抽取试样复验。
您可能关注的文档
最近下载
知传链电子书
- 梯度提升法的基本原理-[共4页]-248-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- Bagging算法是如何工作的-[共11页]-237-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 二元决策树的过拟合-[共4页]-232-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 决策树的训练等同于分割点的选择-[共3页]-229-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 如何训练一个二元决策树-[共4页]-225-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 多类别分类-分类犯罪现场的玻璃样本-[共6页]-214-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 二分类:使用惩罚线性回归来检测未爆炸的水雷-[共24页]-190-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 基扩展:基于原始属性扩展新属性来改进性能-[共4页]-186-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 部署前在整个数据集上进行训练-[共6页]-180-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
- 构建并测试模型以预测红酒口感-[共5页]-175-Python机器学习——预测分析核心算法-人民邮电出版社-[美] Michael Bowles 鲍尔斯 著.pdf
文档评论(0)