Recientemente las políticas de speed scaling han sido estudiadas como un medio para reducir el consumo energético de los chips. También es de interés escalar la capacidad de servicio en los ambientes actuales de computación en la nube, donde disminuir la variabilidad de la tasa de servicio puede redundar en necesidades de recursos más predecibles. En estos dos contextos, existe un compromiso entre el rendimiento del sistema, en términos de latencia, y la regulación de la capacidad de servicio. Además, la robustez en el diseño de estas políticas, con respecto a la carga que enfrenta el sistema, debe tenerse en cuenta para lidiar con fluctuaciones de la misma. En este trabajo se estudian matemáticamente sistemas de capacidad escalable, desde la perspectiva de la teoría de colas y a través de modelos fluidos. Desde el punto de vista de la teoría de control, se estudian los speed scaling que han sido propuestos en trabajos anteriores, y se propone una nueva política, basada en un controlador proporcional-integral. Dicha política es superior en términos de retardo y permite seguir las fluctuaciones de la carga. El impacto del scheduling también es analizado, en particular se prueba que SRPT es el scheduling óptimo si la tasa de servicio en cada instante está dada. Además, se evalúa la justicia de los sistemas considerados a través de simulaciones de eventos discretos.