Si existen suficientes datos históricos de fallos, se puede estimar la distribución de fallos del sistema para identificar la función de peligro inicial del sistema. El modelo convencional de covariables proporcionales (PCM) puede revelar la relación dinámica entre las covariables de respuesta y la tasa de peligro del sistema. La función de tasa de peligro del sistema puede actualizarse constantemente mediante las covariables de respuesta a través de la función de covariable básica (BCF). En circunstancias de datos de fallos escasos o nulos, el punto clave del método de evaluación de fiabilidad PCM es determinar el factor proporcional entre las covariables y la tasa de peligro para obtener BCF. Sin experimentos o abundante experiencia de los expertos, es muy difícil determinar el factor proporcional con precisión. En este artículo, se propone un PCM mejorado (IPCM) basado en el modelo de regresión logística (LRM). Las características destacadas que reflejan el proceso de degradación del equipo se extraen de las señales de monitoreo existentes, que se consideran como la entrada del LRM. Los datos del estado del equipo definidos por el umbral de fallo se consideran como la salida del LRM. La fiabilidad inicial se puede estimar primero mediante LRM. Combinada con las covariables de respuesta, se puede calcular la función de peligro inicial. Luego, se puede incorporar al PCM convencional para implementar el proceso de estimación de fiabilidad en otro equipo. Los métodos PCM convencional e IPCM se aplican respectivamente a la evaluación de fiabilidad de rodamientos de rotores de motores aéreos. Los resultados comparativos muestran que la precisión de evaluación de IPCM es superior a la del PCM convencional para muestras de fallos pequeñas. Proporciona un nuevo método para la estimación de fiabilidad en condiciones de datos de fallos escasos o nulos.