在全球化背景下,制造业不断发展。在世界工业体系中,一个国家或地区的核心竞争力受到制造业发展水平的影响。我国必须积极发展制造业来提高综合实力和国际竞争力。生产效率是企业发展和生存的关键,最能够体现制造力的水平。生产效率受到多种因素影响,作业事故是影响生产效率的主要因素。在制造企业中人为因素是造成作业事故更为直接和关键的因素。因此,探究制造工人人因失误和人为表现的内在机理,对制造企业提高安全管理水平、降低事故发生率具有较大的现实意义。本文针对以上问题,进行以下主要研究工作:首先,对制造工人作业事故报告的数据进行收集整理,提取事故报告中的风险因素,进行人为因素数据分析。构建基于数据驱动的作业事故模型,探究人为因素对事故类型的影响。进行敏感性分析验证模型有效性,对高风险事故场景进行情景分析,揭示事故类型最可能发生的情况,为后续构建实验场景提供参考。其次,根据高风险事故场景对实验场景进行设计,确定两种不同的工作负荷作业场景。基于fNIRS（functional Near-Infrared Spectroscopy）技术开展制造工人工作负荷采集实验,对两种不同的工作负荷下被试者脑部血红蛋白的氧合量进行采集,记录被试者作业完成情况以及人为表现。结合NASA-TXL量表对人为表现进行分析,研究不同经验的制造工人的工作负荷以及人为表现。最后,基于CBSI算法对实验采集的fNIRS数据进行降噪处理。运用方差分析对处理后的数据进行计算,探究数据特征与大脑活动区域的关系,研究工作负荷、脑血流活动的相互作用机理。对制造工人的不同工作负荷进行定量分析,运用图论对脑功能连接性进行分析,探究作业过程中大脑的氧合状态。进行回归分析建模,构建制造工人心理状态识别模型,实现预测其作业行为的功能,揭示制造工人工作负荷与行为表现的内在关联性,减少人因失误,提高人因可靠性。